改进变异策略的自适应差分进化算法及其应用

针对标准差分进化(Differential Evolution,DE)算法存在控制参数难以选取以及变异策略缺乏稳健性的不足,提出一种基于改进变异策略的自适应DE算法.该方法用随机选取子种群的最优个体替代全种群最优个体进行变异操作;然后采用柯西分布和正态分布分别对收缩因子和交叉概率进行扰动,并在进化过程中利用胜出个体自适应地递推调整参数分布.对五个典型Benchmark函数的测试结果表明:该方法在全局搜索能力、收敛速度和精度以及可靠性上比标准DE算法都有了大幅度提高.将该方法用于分布式孔径雷达的方向图综合问题,通过较少的仿真次数即可稳定的获得更低的旁瓣电平.     

基于改进差分进化算法的密封舱结构优化设计

针对差分进化算法"早熟"问题,提出一种自适应变异率的双策略差分进化(AD-DE)算法。在迭代前期取较小变异率,并采用全局变异策略,快速锁定较优开采区间;在迭代后期取较大变异率,同时采用改进的局部变异策略,提高算法局部开采能力及加快收敛速度。将该算法应用于8个测试函数的优化中,结果表明:AD-DE算法与其它4种差分算法相比具有更好的全局寻优能力,并在某型密封舱结构优化中应用了该算法,有效地减轻了密封舱的结构质量,得到了较好的结构参数。     

基于改进ALO-RBF的高频地波雷达海杂波预测模型

高频地波雷达是海上动目标检测的重要手段,其中海杂波是影响海面目标检测性能的主要因素。为了提高海杂波的预测精度进而有效抑制海杂波,本文提出了一种基于改进蚁狮算法（Ant Lion Optimizer,ALO）优化RBF神经网络的海杂波预测模型（MGPALO-RBF,Multiple elites dynamic guidance Ant Lion Optimizer based on Gaussian difference variation-based learning with Perturbation factor-radial basis function）。由于标准蚁狮算法具有易陷入局部最优且收敛速度慢的缺点,本文在蚂蚁进行随机行走的过程中加入扰动因子以增加种群的活跃性和多样性,并提出多个精英动态引导机制,强化算法前期的探索能力和后期的开发能力,同时对种群中较差蚁狮进行高斯差分变异以提高算法的收敛速度。仿真结果表明：改进的蚁狮算法在对比算法中具有更高的收敛精度和收敛速度,MGPALO-RBF模型具有更好的海杂波预测性能。     

基于量子遗传算法的无人飞行器航迹规划

基于量子计算和量子理论,提出了一种基于量子遗传算法的无人机航迹规划方法 。该方法利用表征量子叠加态的量子比特对航迹进行编码,引入具有量子特性的量子交叉算 子和量子门变异调整策略,对航迹规划中代价函数进行优化,引导并实现航迹的规划选择。 仿真试验结果表明,该方法不仅具有良好的种群多样性,而且还可以有效地提高算法的空 间搜索和收敛能力。
     

基于分层人工鱼群的相干极化-DOA联合估计

智能优化算法是解决多维非线性优化问题、提高计算效率的有力工具。本文针对相干辐射源极化-空间角联合估计中计算量巨大的工程难题，以广义子空间拟合约束公式为代价函数，提出一种分层人工鱼群算法。该算法基于分层协同策略将鱼群分为底层和顶层，底层以人工鱼群算法进行全局搜索以保证种群多样性，顶层以粒子群算法进行局部搜索以加快收敛速度。仿真结果证明：分层人工鱼群算法能大幅降低广义子空间拟合的计算量，尤其是在较多目标的情况下。算法可有效提高计算效率，同时可提供优于传统人工鱼群算法的估计精度。     

一种基于EPSO的航天器交会轨迹优化方法

研究了航天器在固定时间内燃料最省的多脉冲交会问题,提出了一种基于种群熵粒子群优化 (Population Entropy based Particle Swarm Optimization,EPSO)算法的交会轨迹优化设计方法。采用线性化C\|W方程描述航天器的相对运动,以能耗最优为控制目标,得到了基于连续推力的最优转移轨迹,用于确定脉冲点的位置。考虑工程实用性,采用多脉冲控制方法,利用脉冲点的位置参数建立了以脉冲点时间间隔为决策变量的优化目标函数,并用EPSO算法进行求解。在EPSO中,种群熵描述粒子在搜索空间中位置分布的混乱程度,并通过上一代的种群熵确定下一代的搜索空间,从而减少搜索空间的浪费,提高了算法的搜索速度和收敛精度。仿真结果表明,算法本身具有良好的优化性能,适用于航天器轨迹优化。     

基于Optimus的涡轮气动优化设计

针对涡轮在理论设计和实际应用中存在的不足,提出了利用多学科优化平台对涡轮进行气动优化设计的方法。首先运用UG／Grip技术对涡轮进行三维造型,然后利用试验设计方法建立计算试验样本点分布表,用商用软件进行各样本点的CFD计算及热-应力耦合分析计算,最后建立响应面模型,对其进行优化设计。结果表明,优化后的涡轮效率比优化前提高5％。该方法为进一步提高涡轮的气动性能,减少损失提供了一定的依据。     

考虑成像质量的敏捷卫星任务调度模型与算法

针对敏捷卫星任务调度中成像质量受观测时间影响的特点,构建考虑观测时间因素的约束满足模型,提出一种将离散差分进化与变邻域搜索相结合的求解算法(DDE-VNS)。首先,描述敏捷卫星任务调度时间约束;其次,考虑观测时间对成像质量的影响、任务间姿态转换时间约束、星上存储与能量约束等因素构建了敏捷卫星任务调度的约束满足模型;再次,设计离散差分进化的变异、交叉和选择算子,采用变邻域搜索对每次迭代的最优解进行局部搜索以寻找更好的邻域解,并给出了算法的实现流程。仿真结果表明,利用该模型可获得收益值较高的调度方案,且该算法在收敛速度更有优势。     

基于进化计算的无人飞行器多航迹规划

针对飞行器多航迹规划问题展开研究。在分析多峰值函数优化问题的基础上，提出了一种基于进化计算的飞行器多航迹规划方法。该方法通过使用特定的染色体表示方法和进化算子，可以有效利用各种环境信息，处理各种航迹约束。同时，通过引入聚类算法，将种群中的个体按其空间分布进行聚类，生成若干个不同子种群。在进化过程中，所有个体只在各自的子种群内部进化。当进化结束时，每个子种群将分别生成一条各自的最优航迹，从而为飞行器生成多条不同的可选航迹。仿真结果表明了该方法的有效性。     

火箭弹气动学科代理模型构建方法研究

针对火箭弹多学科优化体系中气动学科采用计算流体力学方法计算时间过长的问题,提出了一种综合运用CFD技术、试验设计技术、径向基函数神经网络技术构建火箭弹气动学科代理模型的方法,并对其流程进行了详细分析说明。通过算例分析,证明了该方法的可行性和有效性。该方法在保证一定精度前提下大大降低了火箭弹气动学科的计算周期。     

基于参数化外形的通用大气飞行器建模与分析

提出了一类翼身组合升力体外形通用大气飞行器(Common Aero Vehicle, CAV)的参数化外形建模方法,采用气动工程预估方法计算CAV的气动系数,拟合得到能用于再入飞行器制导与控制仿真的气动模型,并通过分析,得到该模型静稳定性、气动效率及气动控制特性等方面的结论。结合飞行器再入飞行的运动方程,选取平衡工作点,基于小扰动线性化模型得到系统特征根分布来分析其稳定性,发现固定姿态的滑翔飞行时系统有正半平面极点,需主动控制调节;为了分析机动性,提出了以星下点轨迹曲率求取CAV转弯半径的方法,可快速获取机动性评估与参考指标,结果表明,该模型具有较好的转弯机动能力。     

一种面向弹道再入目标跟踪的HPD-SRCQSPF算法

针对弹道再入目标轨迹跟踪问题,提出基于混合建议分布的平方根容积求积采样粒子滤波（HPD-SRCQSPF）算法,该算法以混合建议分布为框架,由两个基本建议分布组成。其中一个基本建议分布为先验分布,另一个基本建议分布为平方根容积求积卡尔曼滤波估计后的值。该混合建议分布与真实的后验分布很接近,因此有着高效性、高精度等特点。仿真结果表明,对于弹道再入目标轨迹跟踪模型,相比于标准粒子滤波（SPF）算法和平方根容积求积粒子滤波（SRCQPF）算法,HPD-SRCQSPF算法可以在较低运算负载的情况下获得更好的跟踪性能。特别是在弹道目标变轨机动的情况时,所提出算法的性能增益更为显著。     

基于混合遗传算法的多目标动态优化设计

针对多目标动态优化设计中，解空间复杂、目标函数高度非线性、部分目标函数灵敏度容易求得等特点，综合利用多目标优化技术、遗传算法和梯度优化技术，提出了一种新的多目标混合遗传算法。这种算法在“并列选择遗传法”的基础上尽可能多地利用目标函数的灵敏度信息以加速收敛速度，同时通过各目标的重要程度和满意程度来决定相应的子种群大小以达到各目标的协同优化。在探讨了该方法的思想之后，着重研究了其实现步骤和关键技术，最后用一个浸水旋转壳的多目标动态优化设计为例，证明了本文方法的有效性。     

一种综合分析LRE减损控制律的智能方法研究

应用遗传算法解决液体火箭发动机减损控制律综合分析这个典型的多目标优化问题,可以解决传统优化方法在该问题中的局限性。分析了遗传算法在解决液体火箭发动机减损控制律综合分析中的具体应用问题,如编码方案、种群设定、适应度函数设计、约束条件处理、选择机制、交叉与变异操作以及遗传算法有关参数的确定等,分别给出了可行的取值参考范围。应用SPEA进行了仿真计算,结果表明遗传算法在综合分析减损控制律时是有效的,为智能技术在液体火箭发动机减损控制中的应用提供了方法探索。     

一种低RCS无人飞行器外形的气动特性实验研究

根据气动布局的基本原理,结合低RCS要求,设计了一种鸭式布局、带边条的翼身融合无人飞行器外形,实验结果表明,该外形不仅具有低RCS特征,而且具有良好的气动特性,升阻比达到8左右。     

火星大气进入段轨迹优化与制导技术研究进展

首先根据国际上实施的火星探测任务及未来火星着陆探测的发展需求,阐述火星大气进入段轨迹优化与制导的重要性。结合火星着陆环境和探测器的气动特性等,归纳出火星大气进入段轨迹优化与制导面临的挑战。在此基础上,结合未来火星着陆任务的安全精确着陆目标,梳理火星大气进入段轨迹优化与制导所需解决的关键技术,分析目前火星进入段轨迹优化与制导技术研究进展及发展趋势。最后,对未来火星精确着陆所需的进入段轨迹优化与制导技术发展方向进行了展望。     

基于单频GPS的单点测浪方法的研究

介绍一种用单频单台GPS接收机解算其相对位置变化的算法—PVD算法的基本原理,针对它在海浪测量应用中的特点,提出基于海浪谱估计的自适应PVD算法。实测数据的处理结果表明,用自适应PVD算法解算出的浪高可达厘米级精度。     

"预先"进化遗传算法研究

遗传算法在对单目标函数的静态寻优中表现出了良好的收敛性和鲁棒性。但是在优化目标动态变化,要求很快给出优化结果时,由于遗传算法运行时间较长,就难以实现。本文提出的“预先进化遗传算法”,就是为了使遗传算法具有动态性能,能够适应优化目标的动态变化,提高寻优的实时性。算法主要思路是借助于并行计算技术、在确定优化目标(决策)过程中就对可能的多个优化目标函数的优良个体进行培养。一旦优化目标确定,在预先培养的优良个体的基础上可以快速寻优。这样就使遗传算法能够适用于优化目标可变的动态环境。文中描述了“预先”进化遗传算法的实现算法,并证明了算法的有效性。最后对算法进行了验证。通过实例可以看出,采用传统遗传算法,单目标函数优化一般要迭代300次,才能够得到较理想的优化结果。而“预先”进化遗传算法经过150次左右的多个目标同时预先进化后,对具体目标的进化只需要50次左右就收敛到较理想的数值。由于预先进化是与决策具体的优化目标同时进行,因此可以实现优化目标确定后的快速寻优。     

多传感器交叉提示多目标探测动态联盟技术研究

针对多传感器交叉提示多目标连续、高概率探测问题,引入动态联盟思想,提出了多传感器交叉提示多目标探测的动态联盟机制,为解决被提示传感器的选择问题建立了动态联盟的数学模型,提出了对每个目标形成一个动态联盟进行探测求解多个传感器动态联盟的带变异算子的离散粒子群算法。仿真和实验结果表明该算法能够得到更满意的解,优化了系统综合探测概率、总消耗以及所有目标联盟成员总数三种性能,与实际情形要求一致,从而表明了模型的合理性和算法的有效性。
     

基于自适应遗传算法的飞行器气动参数辨识

为了克服传统辨识算法的缺点，把自适应遗传算法作为辨识算法，进行飞行器的非线性气动参数的最大似然仿真辨识。在仿真辨识中，加入了零均值高斯分布的随机观测噪声。辨识结果比较满意，表明白适应遗传算法具有良好的优化性能，是进行气动参数辨识的一种实用的辨识算法。