基于云模型的自适应并行模拟退火遗传算法

针对遗传算法收敛速度慢,容易"早熟"等缺点,提出了一种改进的遗传算法,即基于云模型的自适应并行模拟退火遗传算法(PCASAGA,Adaptive Parallel Simulated Annealing Genetic Algorithms Based On Cloud Models).PCASAGA使用云模型实现交叉概率和变异概率的自适应调节;结合模拟退火避免遗传算法陷入局部最优;使用多种群优化机制实现算法的并行操作;使用英特尔推出的线程构造模块(TBB,Threading Building Blocks)并行技术,实现算法在多核计算机上的并行执行.理论分析和仿真结果表明:该算法比其他原有的或改进的遗传算法具有更快的收敛速度和更好的寻优结果,并且充分利用了当前计算机的多核资源.      

基于改进蚁群算法的多机器人任务分配

任务分配是多机器人系统需要解决的首要问题.针对传统蚁群算法求解多机器人任务分配收敛速度慢且易陷入局部最优问题,提出了改进蚁群算法.考虑多机器人任务分配问题,建立多旅行商问题模型,采用蚁群算法优化出解空间,然后采用遗传算法中的变异算子对每个机器人执行任务的顺序进行优化,并根据模拟退火过程中Metropolis准则以一定的概率接受优化过程中较差的解.在复杂约束条件下,为解决蚁群算法收敛速度慢且易陷入局部极小问题,引入局部优化变异算子和改进模拟退火算法.仿真结果表明,改进蚁群算法可以更好的解决多机器人任务分配问题.     

基于云模型的全局最优化算法

基于云模型在定性概念与其定量数值表示之间转换过程中的优良特性,结合遗传算法的基本思想,提出一种自适应高精度快速随机搜索算法,并将之运用到函数寻优中.在定性知识的指导下该算法能够自适应控制搜索空间的范围,较好地避免了传统遗传算法易陷入局部最优解和选择压力过大造成的早熟收敛等问题.算法易于实现,不存在遗传算法中的编码问题.试验结果表明该算法具有精度高、收敛速度快等优点.在众多优化问题上有广泛的应用前景.      

基于多模型简化CDKF的故障诊断方法

针对使用传统卡尔曼滤波器对非线性系统进行故障诊断,估计精度低的问题,提出了一种新的故障诊断方法.该方法结合多模型自适应估计和简化中央差分卡尔曼滤波器的优点,能在线快速地检测出故障,利用中央差分代替了雅可比矩阵的求解,使系统状态估计准确收敛到真实值附近,而且避免了反复求解量测预测方差等一系列繁杂过程.在执行机构不同故障的情况下,通过与其他算法进行诊断对比,结果表明提出的算法在精度上和运行速度上具有明显的优势.     

多目标组合运输物流量预测建模算法

提出了一种新的多目标组合运输物流量预测建模算法.以时间、领域、影响以及组合运输为基准,运用系统工程理论思想设计出一种四维的物流量影响因素模型,并运用结构方程模型对所建模型做了优化,提取出组合运输物流量的核心影响因素.在改进的神经网络算法的基础上结合遗传算法,提出了一种结合遗传算法的改进的神经网络新算法,弥补了改进的神经网络算法上的缺陷,在多目标组合运输物流量预测的实例应用中,该算法不仅有很高的预测精度,而且具有收敛速度快、运行稳定的特点.      

异构计算系统中独立任务调度的混合遗传算法

有效的任务调度是异构计算系统获取高性能的关键因素之一,由于任务调度问题是NP-困难的,为了获取尽可能好的解,文献中存在许多启发式调度算法.针对异构计算系统的独立任务调度问题,基于遗传算法和最小完成时间算法MCT(Minimum Completion Time),提出一种新的混合遗传算法,它采用遗传算法来进化任务调度的优先队列,然后再使用MCT算法把优先队列解码为一个有效的调度,与文献中其它算法进行比较表明,它不但能产生更好的调度结果,而且有很好的收敛速度.      

基于Tent映射的自适应混沌混合多目标遗传算法

提出一种Tent映射在计算机上实现的改进算法,有效解决了受计算机字长影响,Tent映射存在不动点和小周期的情况.将改进的Tent映射应用于混沌优化算法中,对基本NSGA-Ⅱ算法进行改进.使用混沌序列对初始种群赋值,提高算法收敛能力;使用改进的混沌搜索增强种群多样性;分别使用基本算法和改进算法对标准测试函数进行数值仿真.统计结果显示:改进的算法可以在保持高效率求解的同时,得到的非劣解在收敛性和多样性指标上均优于基本NSGA-Ⅱ算法.     

一种基于计算机视觉的飞行器姿态估计算法

改进了一种基于图像统计信息的飞行器姿态估计算法.改进后的算法可以迅速地估计出飞行器的横滚角与俯仰角,减少了运算量,提高了姿态估计的实时性和鲁棒性,精度满足飞行器的姿态控制要求.将不同的算法进行了仿真比较,提出了一种应用方案,解决了姿态估计过程中横滚角与俯仰角耦合的问题.改进后的算法适用于装备以视觉系统作为导航系统的飞行器,尤其是只能装备小型视觉系统的微小型飞行器(MAV, Micro Air Vehicles).将应用该算法的视觉导航系统与微惯性测量单元(MIMU, Miniature Inertial Measurement Unit)组合使用,可以增大飞行器姿态角估计的范围,进一步提高估计精度.      

曲线合成孔径雷达迭代算法

研究了曲线合成孔径雷达(SAR,Synthetic Aperture Radar)二维信号模型和三维信号模型,得到了曲线SAR回波信号的数学表达式.将迭代算法应用于曲线SAR, 根据最小化非线性方差准则得到了曲线SAR中RELAX估计算法代价函数,详细研究了二维RELAX估计算法和三维RELAX估计算法的每一个具体步骤,可估计出目标点的散射强度和位置.给出了递推过程,规定了收敛条件,分析了RELAX估计算法的特点和计算量,得出RELAX算法收敛速度快,计算量相对较小,收敛条件苛刻会增加RELAX算法的计算量.研究成果为应用迭代算法提取曲线SAR数据的三维信息提供了指导.     

4基于遗传禁忌混合算法的敏捷卫星任务规划

多星多载荷敏捷成像卫星自主任务规划是一个复杂的多约束、非线性NP困难问题.分析了卫星观测任务约束和星上资源约束,建立了多星多载荷自主任务规划模型.针对此任务规划模型的特点,以及传统遗传算法和禁忌搜索算法的优缺点,采用了一种遗传禁忌混合算法进行求解.混合算法将禁忌算法嵌入遗传算法作为禁忌算法变异算子,解决了遗传算法早熟的问题.仿真结果表明混合算法比遗传算法收敛速度更快,比禁忌算法优化效果更好.     

基于LM优化算法的神经网络在航空发动机转子故障诊断中的应用

针对传统BP算法存在的收敛速度慢以及容易陷入局部最小点等问题,给出了两种改进BP算法:LM(Levenberg-Marquardt)优化算法和SCG(Scaled Conjugate Gradient)算法,应用这两种算法对航空发动机转子故障进行诊断研究,比较它们之间的研究结果,仿真和实验表明LM优化算法比SCG算法具有更高的准确度和较快的收敛速度,可行性更强。     

改进蚁群算法求解时变网络中最短路径问题

给出一种时变网络中蚁群算法的信息素更新策略,使边上残留信息素能够正确反映时变网络中边上权值的变化情况;改进了传统蚁群算法的相邻节点选择策略,使蚂蚁只需计算与当前节点存在直接路径的节点的转移概率,降低算法的计算量;将蚁群算法和遗传算法结合,将蚁群算法每次遍历后形成的解作为初始群种进行单点交叉计算,避免陷入局部最优解,提高算法收敛速度.仿真结果表明,改进的蚁群算法能够有效求解时变网络中最短路径问题,比传统蚁群算法得到全局最优解的概率更大,算法的收敛速度更高.     

基于遗传算法的护理机器人逆运动学求解方法

护理机器人结构复杂、耦合度高且机械臂不满足PIEPER准则,标准遗传算法难以精准地对其逆运动学进行求解,以至于机器人手臂末端位姿误差较大。针对标准遗传算法求解过程中早熟和局部搜索能力差的问题,采用等分区间替代随机命令产生的初始种群个体,划分5个小区间以提高种群个体的分散程度和搜索效率;在适应度函数中引入可变权因子,将位置误差的变化值作为可变权因子的变量,进化过程中可变权因子在0.5～1.0之间变化,且实时有效分配位置和姿态误差权重,确保解的收敛。通过仿真和实验验证,结果表明：改进后的遗传算法能够大幅提升收敛精度和速度,并且可以同时实现对位置和姿态的精确控制,极大地减小了机器人手臂的位姿误差。     

基于自适应学习策略的改进鸽群优化算法

鸽群优化（PIO）算法已广泛用于无人机编队和控制参数优化等领域,但标准PIO算法容易陷入局部最优。提出了一种基于自适应学习策略的改进鸽群优化（ALPIO）算法。该算法引入了基于容差的搜索方向调整策略、基于自学习的候选者生成策略以及基于竞争学习的预测策略,通过增强种群的多样性,可提高算法全局最优概率,其已在8个基准函数上进行测试。仿真试验结果表明:所提算法在多峰函数优化问题中的收敛精度和收敛速度有了显著提升,并且能够更有效避免陷入局部最优解。      

Hermite算法的收敛性分析及其改进

为了提高多点切触加工算法的计算效率,对其中的Hermite算法进行了改进,并且对改进后的Hermite算法的收敛性进行了理论分析,推导了改进后算法的局部收敛条件,同时给出算法的Steffensen加速迭代公式并新提出了一种基于试算的待定系数迭代法.分析和实例表明,改进后的Hermite算法属于线性收敛的算法,而待定系数迭代法则有接近二阶的收敛速度.综合应用上述算法,可以满足一般性自由曲面多点切触加工刀位计算的要求.      

面向多星区域观测调度的改进型自适应遗传算法

针对传统优化算法在解决多星区域观测调度问题中收敛速度缓慢和易于陷入局部最优解的不足,提出了一种改进型自适应遗传算法。该算法通过蒙特卡洛方法结合Hamming距离,给出较优的初始种群;根据种群的平均Hamming距离确定交叉和变异操作的执行顺序,并结合sigmoid函数和高斯函数基于种群的个体适应度设计了自适应非线性的交叉率和变异率;结合双精英保留策略和锦标赛策略,保证最优个体的遗传;使用双重停机条件,提高算法的搜索效率。最后,通过实验表明,该方法可以显著提高全局搜索能力,加快算法的收敛速度,有效提高卫星的观测效率。     

基于改进共生生物搜索算法的空战机动决策

针对现代空战机动决策问题,提出了一种基于改进共生生物搜索（SOS）算法的空战机动决策方法。首先,分析了传统基本机动动作库存在的不足,对其进行了改进和扩充,设计了11种常用的基本机动动作;然后,综合考虑角度、距离、速度、高度和战机性能优势,构造了战机机动决策优势函数;最后,针对传统共生生物搜索算法在收敛速度、收敛精度以及局部最优上存在的缺陷,将轮盘赌选择方法、动态变异率和梯度思想引入到传统算法当中,对算法有效性和算法性能进行了仿真分析。仿真结果表明,改进的共生生物搜索算法在收敛速度、收敛精度以及跳出局部最优上更具优势,能够满足空战机动决策需求。      

一种求非线性规划全局最小解的算法

在评述了近２０年来发展的全局最优化方法之后，提出了一种求解全局最优化问题的算法，即从一个求得的局部最小解点出发，去解一个最大化问题，这个最大化问题是构造一个辅助函数去寻求一个更好的局部最优解，这样就产生一个局部最小解序列，得后得到全局最小解，另外还有了全局收敛性定理，也给出了数值例子。     

基于改进遗传算法的航空集装箱装载问题研究

针对标准遗传算法求解装载方案时存在收敛速度慢、易早熟、寻优结果欠佳的问题,基于拟人装载策略,提出了一种以集装箱空间利用率最大为目标,考虑货物装载顺序、体积、质量、重心、不重叠等多种实际约束的改进遗传算法。首先,采用与货物放置状态相结合的实数编码,随机产生初始种群;然后,在常规选择操作中加入最优解保存策略,并将稳定性、支撑限制、重心约束考虑到进行线性尺度变换后的适应度函数中,以此来计算每种装载方案的评估值;最后,输出评估值最高的方案作为最优装载方案。实验采用异构性不同的测试算例进行性能测试,结合3组具体货物装载数据证明算法的普适性与实用性。结果表明:所提算法在求解强异构货物装载过程中具有较好的优化效果,适用于求解集装箱装载问题。与标准遗传算法相比,收敛性与搜索速度有所提高,2种不同箱型的集装箱空间利用率分别提高了3.82%和3.66%,运行时间分别缩短了7.9 s和5.58 s,能快速找到最优装载方案,可有效解决规则、不规则集装箱的货物装箱问题。基于MATLAB软件实现装载方案的可视化,为集装箱的实时装载决策提供了理论基础。