多星测控调度的遗传算法分析

针对多星过站冲突问题,以工程需求为导引,建立了多星测控调度模型,并采用遗传算法对其进行求解.从全局和局部搜索两种策略入手,以可用可见弧段为对象,设计了"全弧段"编码和基于协同进化的编码两种编码方式,给出了对应算法的实现流程和遗传操作算子,对两种编码方式的求解效率进行了分析.通过仿真对两种编码的求解质量与时间开销性能作了验证,由此得出了两种编码和对应搜索策略的适用范围.据此开发的系统已成功应用于航天顶层设计的辅助决策.     

基于子目标进化的高维多目标优化算法

多目标优化问题是工程应用中的常见问题,已有的方法在解决3个目标以上的高维优化问题时效果欠佳.如何进行有效的个体选择是求解高维多目标优化问题的关键.针对该问题,提出了求解高维多目标优化问题的子目标进化算法.从理论上证明了多目标优化问题Pareto非支配解的求取,可通过子目标函数值排序,先行选择进化种群中部分非支配解;然后,根据排序信息有选择性地比较进化种群中的元素,减少了比较次数,从而快速获得非支配解集.同时,提出归一化函数差值的Minkowski距离"k近邻"距离计算方法,在进化过程中应用到密度函数中,加速了收敛速度.同当前求解高维多目标优化的算法,在对标准测试函数的计算性能上进行比较,统计结果显示了所提算法在性能上的优势.      

基于退步控制方法的绳系卫星回收张力控制

利用退步控制方法研究了绳系卫星系统TSS(Tethered Satellite System)的平面内回收控制问题,提出了一种新的张力控制律.该控制律设计由两步组成:首先利用退步控制将摆角稳定到目标值,然后通过设计摆角的目标值实现系绳的回收和回收速度的控制.控制率设计了分段连续的目标角度方案和延时环节,可以使TSS回收过程各状态量变化平滑.数值仿真结果表明,该控制律在圆轨道、近圆轨道和大偏心率的椭圆轨道都有很好的控制效果.     

高血压鉴别诊断专家系统HEDDS的不精确推理算法

本文在分析著名的医学专家系统MYCIN不精确推理算法的基础上,提出了一种易于在微型计算机上实现的简便有效的不精确推理算法,并就其一些性质进行了讨论。     

超宽带/宽波束SAR的后向投影(BP)算法

超宽带/宽波束(UWB/WB)SAR的相参积累角很大,会引起严重的距离徙动现象,使传统窄带/窄波束成像算法(RD算法等)不再适用。后向投影(BP)算法避免了菲涅耳近似,通过计算双程时延将信号进行相干累加,从而获得方位向高分辨率。文中对SAR成像以及BP算法的原理进行推导,然后通过计算机仿真验证理论分析的正确性和算法的有效性,最后详细讨论图像的像素间隔对成像的影响。     

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。     

一种改进的UAV三维航迹实时规划算法

航迹规划对于战场环境中无人机完成其作战任务具有非常重要的意义.针对真实战场环境中低空无人机的三维航迹实时规划问题,构建了一个更加真实的战场威胁精简模型;提出遗传个体的基因优劣对比度,改进一种共享小生境遗传算法中编码基因的遗传特性.经过改进,增大优化基因的遗传概率,实现提高小生境遗传算法的全局优化能力和收敛速度,增强航迹规划的实时性.对三维数字地形空间进行定长网格编码,将改进的小生境遗传算法应用于三维虚拟战场环境中的无人机航迹规划,实验验证了改进算法的有效性,并能满足在线航迹规划的实时性要求.     

一种改进的微粒群优化算法

标准微粒群优化(PSO)算法是一种群体智能算法,它容易陷入局部极值点,进化后期收敛速度慢且精度较差,而且参数的选择对算法的优劣影响很大。针对这些缺点,首先提出了一种在位置进化方程中引进动态参数的方法,改进了标准微粒群算法收敛速度;然后通过在速度、位置进化方程中同时引进动态参数来提高算法收敛速度和收敛率。经J．D．Schaffer函数和LevyNo．5函数对改进算法的测试表明,相比于标准微粒群算法,该方法的收敛速度和平均收敛率均有大幅度提高。     

求解最小费用流的复合标号法

本文在求最短路和求最大流标号法的基础上,提出了求解最小费用流的复合标号法。利用这种方法可以在一次标号的过程中找到具有最小费用的增广链。该算法具有简单、易行、迭代次数少,而且易于理解的特点。     

基于快速终端滑模的模糊逼近系统及其应用

为改善模糊系统逼近的收敛速率,提出了一种基于快速终端滑模的反向传播(BP)学习算法。将快速终端滑模引入模糊逻系统的学习算法,综合终端吸引子有限时间收敛和线性系统指数收敛的性质,提高了对非线性连续函数的逼近能力。仿真结果表明:该算法能以较快速率逼近未知函数,且逼近过程稳定,较普通学习算法更为精确和有效。