协同多目标攻击空战决策的启发式粒子群优化算法

利用协同多目标攻击战术的特定知识,并结合粒子群算法,提出了一种用于空战决策的启发式粒子群算法。该算法利用粒子群算法对解空间探索能力强,容易跳出局部最优陷井及启发式算法局部搜索能力强的优点,快速、高效地对全局最优值进行搜索。该算法通过求解友机导弹对目标的最优分配来确定空战决策方案。仿真实验结果表明。本文算法对最优空战决策方案的搜索性能明显优于普通粒子群算法及其他两种遗传算法。     

基于改进蝴蝶优化算法的无人机3-D航迹规划方法

针对基本蝴蝶优化算法（Butterfly optimization algorithm,BOA）在进行无人机（Unmanned aerial vehicle,UAV）三维航迹规划时存在的搜索速度慢、搜索精度低以及易陷入局部最优等问题，提出一种改进的蝴蝶优化算法（Improved butterfly optimization algorithm,IBOA）。在全局搜索阶段提出对数自适应惯性权重策略和动态更新调节策略，提高了算法全局搜索能力和搜索精度。同时，在局部搜索阶段，提出一种动态概率余弦选择策略，增加位置更新多样性，避免陷入局部最优。首先，为检验改进算法与基本算法的寻优性能，在部分标准多元函数上进行仿真对比。对比结果表明，改进算法对复杂函数具有较强的寻优能力，能在更短时间内找到全局最优解。然后，在二维路径规划仿真中对比了改进算法与PSO算法性能，从对比结果看，IBOA具有更优的规划效果。接着，利用山峰模拟函数对UAV三维航迹规划进行建模，将改进算法应用到航迹规划中，利用MATLAB仿真对比了不同复杂度环境下的航迹规划效果。仿真实验表明：相同实验条件下，该优化算法较BOA综合适应度值减...     

基于信息素差异分布策略的路径规划蚁群改进算法

针对传统蚁群算法用于移动机器人路径规划时存在初期盲目性搜索、收敛速度慢以及容易陷入局部最优的问题,提出一种蚁群改进算法。首先根据各节点相对于起始点和目标点连线之间的距离,对初始信息素不平均分配,使其呈正态分布,降低算法搜索初期的盲目性,加快最优解的搜索;其次改进挥发因子,采用双挥发因子原则,控制信息素的挥发,既降低局部最优的可能,又能加快收敛速度;对冗余路径作进一步优化处理,使得路径更优。仿真结果表明,本文蚁群改进算法相对比传统蚁群算法以及其他蚁群改进算法收敛速度更快,收敛性更稳定。     

基于改进微粒群算法的无人机姿态控制参数智能整定(英文)

提出了基于改进微粒群算法的无人机姿态控制器参数智能整定方法.标准微粒群算法在搜索后期由于群体缺乏多样性而容易出现收敛停滞现象,为此提出了一种改进的微粒群算法.标准微粒群算法中的微粒速度是根据惯性运动、群体历史最优位置和自身历史最优位置来调节的.改进微粒群算法中的微粒除了保持惯性运动外,仅向当前群体中任意更优个体的状态学习,而且惯性权重系数是随机数.改进方案减少了算法不确定参数,简化了微粒学习机制,且增强了群体多样性.本文构建了无人机姿态控制系统,将改进微粒群算法用于四个控制参数的寻优整定.仿真结果表明,改进微粒群算法比一般微粒群算法具有更强的全局搜索能力,故获得更优的无人机姿态控制参数.     

复合材料层合结构铺层顺序优化设计的免疫遗传算法

本文利用生物免疫系统对抗体浓度调节原理,提出了一种用于组合优化的免疫选择概率算子,同时考虑了抗体调节加权系数随搜索进行动态变化。对给定的复合材料层压板,以几何因子为优化对象,应用免疫遗传算法进行了铺层顺序的优化。应用四种不同遗传算法,对算例的优化结果进行了统计分析,结果表明:本文算法的成功率高,首次获全局最优解的迭代次数少,并能使种群收敛于全局最优解。     

超额订购下天文卫星短期任务的聚类规划方法（英文）

当用户的观测需求超过卫星的观测能力时，天文卫星的任务规划就成为一个超额订购的问题。对于该问题，设计了一个包含聚类阶段和短期任务规划阶段的框架。首先建立了任务聚类模型，用于减少超额订购任务的规模。其次，使用聚类的结果作为输入，建立了短期任务规划的数学模型。最后，提出了一种自适应混合搜索策略的人工蜂群算法，在基本人工蜂群算法中引入了自适应精英全局-局部搜索策略和自适应变邻域最优搜索策略，以求解聚类和短期规划问题。所提出的算法在实验中表现出更好的寻优能力和更快的收敛速度。此外，它还有效地减少了聚类阶段的任务数量，提高了短期任务规划阶段的任务完成度。     

基于改进PSO算法的导弹控制参数优化

研究了将粒子群算法(PSO)应用于空对空导弹控制参数自动设计的方法,解决导弹控制参数手工设计中遇到的困难与问题.标准PSO算法在导弹静稳定工作点参数优化中表现出良好性能,但在静不稳定工作点优化时容易限入局部最优,因此引入遗传算法(GA)的杂交思想对标准PSO算法进行了改进,以扩大解空间的范围.仿真结果表明:改进后的PSO优化算法具有更强的全局搜索能力,获得的参数能够满足给定的性能指标,并且可以节省大量的设计时间,具有很高的工程应用价值.     

航班进场调度的改进捕食搜索算法

为高效解决航班进场调度问题,采用以航班总延误时间最小为目标的规划模型,设计了一种改进的捕食搜索算法.区别于传统捕食搜索算法,新算法采用变化的局部搜索和全局搜索限制,从而避免陷入局部最优和解的退化.为测试新算法解决航班进场调度问题的性能,采用10架航班和双跑道数据进行仿真验证,并与传统捕食搜索算法和遗传算法进行比较.结果表明,新算法在最优解的获得率和计算时间上均优于传统捕食搜索算法和遗传算法.     

一种求解旅行商问题的改进蚁群算法

在基本蚁群算法基础上,通过引入信息素的自适应调整策略、限制信息素的范围并动态增加了信息素的局部更新方式．有效地抑制了收敛过程中的停滞现象,提高了算法的搜索能力。TSPLIB的实例求解结果表明了改进算法的有效性。     

基于改进NSGA-Ⅱ的停机位预分配优化

随着民航运输业的发展,航班密度不断增加,大型机场的近机位资源紧张问题日益突出,降低了航班保障效率。为了探索大型枢纽机场停机位预分配问题综合有效的解决方法,从航空公司、机场和旅客的实际情况出发,建立多目标停机位分配优化模型,并设计了改进的带精英策略的非支配排序遗传算法（Non-dominated sorting genetic algorithms-Ⅱ,NSGA-Ⅱ）对模型进行求解,得到一组Pareto前沿解。。在交叉和变异操作阶段,对种群个体以指数形式自适应地调整交叉率和变异率,以此提高算法的收敛速度和优良解的多样性。实例验证结果表明,该模型和改进算法相较于人工分配和传统NSGA-Ⅱ算法对停机位指派的优化结果更为突出,尤其在靠桥率和被使用的停机位数量方面;同时利用性能评价指标对比两种算法,发现改进型NSGA-Ⅱ算法更适合停机位预分配问题的求解。     

基于可变重调度区间的柔性作业车间动态调度策略

针对动态柔性作业车间调度问题,提出了基于可变重调度区间的动态重调度策略。建立了柔性作业车间调度数学模型。提出一种初始化机器、初始化工序和随机初始化相结合的改进种群初始化的方法,进一步提高初始种群解的质量。实际生产案例仿真对比分析结果表明,利用本文重调度策略和改进遗传算法后得到的结果比企业实际运行时间缩短了47.8%,比他人的调度策略所得到的优化结果提高了5.4%,从而验证了本文所提出算法的可行性和有效性。     

自适应遗传 PID 算法在风洞风速控制中的应用

风速控制是风洞的核心控制部分,风速控制系统的优劣直接影响风洞性能指标,为了完成 FDxx 风洞的风速控制系统,设计了一种基于自适应在线遗传算法的 PID 参数整定方法,在风洞气源资源有限的情况下,快速建立流场,确保流场稳定时间。首先对控制参数进行联合编码,在种群个体进化前期采用锦标赛精英保留策略,后期采用基于轮盘赌非线性选择方法,加快算法收敛速度,同时避免了算法过早陷入局部最优,交叉选用单点交叉,变异采用均匀取反法,动态调整过程为了减小甚至避免超调,采用误差绝对值及误差和误差变化率加权方式设计目标函数,并采取了惩罚措施,即一旦产生超调,将超调量作为最优指标的一项,现场测试验证了算法的可靠性及实用性。     

一种求解多目标柔性作业车间调度的改进粒子群算法

针对具有高维搜索空间的多目标柔性作业车间调度问题,提出了一种基于偏好的多目标粒子群优化算法(PMOPSO).该算法引入了决策者的偏好信息,用以指导算法的搜索过程,使算法在决策者感兴趣的区域进行搜索,不但缩小了算法的搜索空间,提高了算法的效率,而且一次运算只求得偏好区域内若干个折中解,避免了决策者要在众多非劣解中作出困难的选择.在该算法中,采用了新的偏好信息给定方法,即采用目标间重要关系、目标数值或目标权重大致取值范围来表示偏好信息.采用该方法,不但便于决策者给定偏好信息,而且还可以根据决策者的需求,对搜索区域的范围进行适当地调整.针对偏好信息的特点,提出了一种模拟人类社会组织"投票选举"的偏好信息处理方法,该方法直观简便并易于实现.最后,通过实例仿真,对该算法性能进行比较分析和评价,结果表明了该算法的有效性和可行性.     

改进蚁群算法在移动机器人避障中的应用

在移动机器人路径规划中,由于基本蚁群算法具有进化缓慢、易陷入局部最优等问题,提出一种改进的蚁群算法。建立了静态环境下的路径规划栅格模型,通过对信息素启发因子及期望启发因子实时调节,自适应改变挥发因素,在初始时刻扩大蚁群的搜索范围,以免陷入局部最优。针对凹型障碍物,当机器人陷入凹型障碍并且在复杂环境搜索效率低的情况下算法也能较好的收敛。与其他算法的仿真结果表明,此算法在栅格地图模型中,能快速地避开障碍找到最优解。     

考虑装卸顺序约束的AFHS系统RGV线路规划方法

针对自动化航空货运系统具有装卸顺序约束的RGV线路规划问题,通过对装卸顺序约束和死锁等问题进行描述,以规划线路总成本最小作为目标,建立考虑装卸顺序约束的数学模型。针对小规模问题,应用CPLEX获取其最优解,对于中大规模问题,构建了改进型和声搜索算法。在算法设计中,融入四种变邻域移动策略以解决基本和声搜索算法早熟收敛、易陷入局部最优等缺点。通过与其他算法的对比仿真实验表明,该算法搜索结果较优,能有效解决优化问题。     

基于改进遗传算法的机器人动态路径规划

针对基本遗传算法解决移动机器人路径规划的不足,提出了一种改进的遗传算法。首先,采用栅格法对机器人路径规划进行建模。然后,提出一种生成初始种群的方法和精英策略,设计出自适应变异概率,提高了算法的求解质量。同时,在规划过程中,将全局路径规划与局部路径规划相结合,并且根据机器人与动态障碍物碰撞类型的不同,提出了相应的避碰策略。仿真实验表明:该算法优于基本遗传算法,能够有效地指导机器人在动态环境中实现避障,获得无碰最优或次优路径。     

改进的遗传算法在云资源调度上的应用

针对传统的遗传算法(GA)在解决云资源调度问题时容易过快收敛和陷入局部最优等问题,提出了一种联合进化的遗传算法(JCGA).该算法利用多优选保留技术将适应值大的个体放到优选子种群,通过与普通子种群进行联合交叉,使种群往更优的方向进行进化.实验结果表明,JCGA算法不仅可以保证种群的多样性,还可以避免种群陷入局部最优.     

基于Bancroft算法的GPS动态定位非线性滤波法

由于系统线性化时存在忽略项,扩展卡尔曼滤波成为一种次优的梯度下降算法.当滤波方程病态时,求解存在发散倾向,且估计量为有偏的,而非最优估计.即使动态系统噪声为高斯噪声时,残差也不是高斯噪声.在伪距定位中,由于线性化后的伪距方程是局部解,这有可能丢失正确解值.针对GPS动态导航扩展卡尔曼滤波定位问题,基于美国Bancroft的全局性非线性"闭合式求解"最小二乘算法(Bancroft算法),本文提出一种闭合式GPS非线性代数解的卡尔曼滤波法(两步算法).该方法将GPS滤波问题中的空间与时间分离,较好地解决了非线性GPS动态定位求解问题,且获得稳定可靠的动态定位解.     

求解多目标优化问题的随机梯度遗传算法

遗传算法的收敛速度很慢，为此引入另一种解决优化问题的工具，即Simultaneous Perturbation Stochastic Approximation(SPSA)算法，该算法是一种简单、易实现、高效率的随机逼近算法。本文将SPSA算法作为一种快速局部优化方法并将其和遗传算法的整体搜索策略结合起来，提出一种解决多目标优化问题的随机梯度遗传算法，对新算法的执行策略进行了认真的设计。大量的数值实验表明：随机梯度遗传算法不仅提高了多目标遗传算法的收敛速度，且得到了大量的分布较均匀的Pareto最优解。     

基于量子搜索和高斯变异的MOEA/D算法

在实际应用中,尤其是在研究大规模决策空间的优化问题时,MOEA/D算法容易陷入局部最优。针对此问题,提出了一种基于量子搜索和高斯变异的MOEA/D算法。引入环境迁移模型,将两者进行并联,并且与原算法进行串联,利用量子搜索来提升算法的全局搜索能力,采用高斯变异位置更新方法保证算法的局部搜索能力。同时为了避免算法在迭代后期陷入"早熟"危险,提出了基于邻居位置的量子搜索,通过改变吸引点的生成方式,来加强量子搜索在迭代后期的局部搜索能力。结果表明:改进后的MOEA/D算法与原算法相比,提升了算法的搜索能力,也保证了算法的收敛能力。