多目标进化算法在航天器转移轨道中途修正中的应用

理论上只要根据初始轨道转移点和目标轨道进入点的信息,计算并产生转移所需速度增量,就可以完成航天器的轨道转移.但是由于误差的影响,需要在转移轨道飞行中进行中途修正,修正时刻的选择决定了入轨精度和燃料消耗.本文选择二次修正策略,设计了一种多目标进化算法,以Pareto秩和小生境参数共享函数计算个体适应度,采用共享函数选择法、自适应变异法进行遗传操作.同时构造外部种群储存Pareto最优解,并引入最优解集边界值以加快算法收敛至非劣解集前端的速度.通过仿真验证,该算法能够较完整地得到中途修正时机问题的Pareto最优解集,且分布均匀,满足工程实际的需要.     

基于空间纬度区域优化的红外近地轨道星座设计

提出了描述红外低轨星座对空间观测性能的指标,依据纬度威胁分布特性,提出了纬度区域优化的加权星座观测性能评估方法。考虑空间多重覆盖性能、成本、无源定位精度及碰撞等因素,建立了优化目标函数,基于通用差异演化算法(GDE3)得到了一组Pareto解,在此基础上,利用一种适于多属性星座方案的折中选择策略,得到了对重点关注纬度区域有良好观测性能的红外低轨星座方案。最后,通过仿真验证了算法有效性,分析和对比了星座的空间观测性能,证明设计方法和星座方案的合理性,具有重大的现实意义和社会价值。     

基于多目标遗传算法的固体火箭发动机面向成本优化设计

多目标优化设计的概念和方法被方法用于面向成本设计，采用一种基于Pareto最优解的多目标遗传算法－－NSGA－Ⅱ算法，以某固体火箭发动机为算例，利用成本模型和工程模型，以产品的性能和成本作为目标函数进行了多目标优化设计，计算结果表明，NSGA－Ⅱ算法得到的非劣解在目标空间分布均匀，算法收敛性和鲁棒性好，基于NSGA－Ⅱ算法的面向成本多目标优化设计方法为产品在方案阶段开展性能和成本之间的权衡分析提供了有效的工具。     

多目标蚁群算法及其在固液混合火箭发动机系统优化设计中的应用

为了提高求解多目标优化问题的Pareto解集的效率,建立了适用于多维、多目标优化问 题的多目标蚁群算法（Multi\|objective Ant Colony Algorithm,简称MACA）。该算法首 先修正了蚁群算法的信息素更新机制和转移概率,然后改进了蚂蚁的行进策略,即提出了依 概率选择搜索策略。最后,应用该算法对某型号固液混合火箭发动机系统进行了优化设计。 计算结果表明,多目标蚁群算法获得的Pareto解集分布均匀、散布范围广,可以有效解决多 目标优化问题,能为决策者进行目标权衡提供充分依据。
     

大型星座混合模拟退火遗传算法测控任务规划

提出了一种基于拥挤度的混合模拟退火多层编码遗传算法,用于解决大型星座的测控任务规划问题。首先,建立了大型星座测控问题的约束满足模型,对任务规划过程中的各种约束条件和优化目标进行了形式化描述。第二,采用多层编码的方法建立测控方案与解空间的对应关系,并采用遗传算法的启发式方法进行全局搜索。第三,为了增加种群的多样性并加快收敛速度,在每代进化结束后对种群中最优的部分个体进行基于拥挤度的模拟退火。超180颗卫星,32个地面测控天线的真实大型星座测控任务规划试验表明,基于拥挤度的混合模拟退火遗传算法的任务完成率高达99%,归一化综合收益大于0.9,算法运行时间小于15 min,验证了该方法具备工程实用价值。     

复杂系统可靠性多目标优化设计和决策研究

针对复杂系统可靠性设计问题．采用改进非支配排序遗传算法（NSGAⅡ）研究了可靠性分配中的多目标优化设计。根据Pareto最优解集形成决策矩阵,基于信息熵法得到属性权重,利用逼近理想解的排序方法（TOPSIS）进行多属性决策研究,对Pareto最优解给出排序。采用本文方法讨论了一个复杂系统可靠度的分配和预测算例。数值算例表明．综合采用多目标优化和多属性决策技术．可以迅速、客观选择各部件的可靠度。这种综合方法还能用于可靠性研究的其他领域。     

带燃料均衡的空间多飞行器编队重构的轨道规划方法

航天任务需求的多样化对空间多飞行器编队重构的轨道规划问题不仅提出了燃料或时间最优的要求,还提出了燃料和时间最优以及燃料均衡的要求。将带燃料均衡的多飞行器编队重构的轨道规划建模为一个多目标优化问题,通过将进化计算与问题领域的知识相结合,提出了一种基于小生境进化算法的最优轨道规划方法。该方法能从变轨时间、燃料消耗和燃料消耗方差三方面分别评价一个变轨方案的最优性,并且一次规划能够提供多个Pareto最优变轨方案。仿真结果证明了该方法的正确性和有效性,还揭示了编队重构轨道规划问题的三个优化目标之间的关系,对于制定任务计划具有重要的参考价值。     

基于基因表达式编程的多目标优化多聚焦图像融合算法

图像融合的评价指标多种多样,但往往不能同时达到最优,有时甚至是相互矛盾的,融合可以看作是多个评价指标最优化的过程.提出基于改进基因表达式编程的空域和多尺度域多目标优化图像融合算法,为解决图像融合多目标优化搜索空间太大的问题,提出多区域特征联合决策对种群进行初始化,改善初始种群的质量,以提高收敛速度.通过对多聚焦图像进行融合仿真实验,结果表明算法收敛速度快,可得到图像融合的Pareto优解.     

亚轨道飞行器的固液火箭发动机的高维多目标设计优化

为完成应用在亚轨道飞行器上的固液火箭发动机系统设计优化,且考虑到系统设计优化问题的复杂性以及采用单目标优化难以获得全局最优解,建立了固液火箭发动机系统设计的4目标设计优化模型,采用非支配排序遗传算法获得超空间Pareto 解集。利用基于变偏好区间的超径向可视化技术对超空间Pareto解集进行直观地分析,提高最优解选择的效率。最终获得了全局最优的固液火箭发动机系统设计方案,验证了建立的优化模型的准确性和相比于单目标优化的优势,论证了固液火箭发动机应用在亚轨道飞行器上切实可行以及变偏好区间超径向可视化技术处理超空间Pareto解集的高效性。     

一种改进的微分进化算法及其在多目标访问任务中的应用

研究在给定时空约束下利用单平台机动实现地面多目标重访任务问题的建模与求解。首先在问题描述和建模过程中考虑多约束与性能指标要求,大大缩减优化算法的参数搜索空间,提高求解效率;然后针对传统微分进化算法的不足,提出一种改进的微分进化算法,并将其应用于求解多约束多目标重访优化问题。改进的微分进化算法通过引入双重自适应因子和独立变异体,提高了算法的优化效率并使其在陷入局部最优后仍具有一定的跳出局部最优的能力。仿真中改进的算法在打靶仿真均值,最优结果和均方差方面都远优于传统算法,验证了本文设计的建模方法和改进优化算法的正确性和有效性。