面向单机相依任务调度的GPU并行蚁群算法

蚁群算法是一种具有高度并行特征的群智能算法,串行实现过程中具有收敛速度慢的特点,在将其应用到相依任务序列的单机调度问题中时,以任务在不同作业序下的完成时间为基础,建立了单机调度问题的TSP模型。以任务完成时间最优化为目的,实现了一种求解相依任务单机调度的改进蚁群算法,并基于GPU对其进行了并行化设计。实验表明该算法能够完成相依任务的调度处理,通过并行化得到了较高的加速比。     

航空企业自动化立体仓库输送系统的调度优化

运用粒子群算法解决航空企业自动化立体仓库中输送系统的调度优化问题.针对某主机厂自动化立体仓库输送系统的特点,采用分拣上/下包台、出/入库台、AGV运行的时间总和最小化作为性能指标,用粒子群算法的基本原理作为优化思想,然后使用 MATLAB软件进行算法仿真,分析结果的合理性.结果表明,该模型及仿真结果是合理的,效率高,满足航空企业使用需求.     

基于BL碰撞算法求解排样过程中干涉的问题

在自动排料过程中,采用BL排放策略的移动碰撞算法时,需要反复地更新待排板料中多边形的边界,在某次更新边界的规则不合理时,排放下一块料极易出现图形干涉的现象。针对这个问题,本文采用计算机图形学和计算几何方面的知识,提出一种解决合成多边形时出现干涉问题的方法。     

分组码在有记忆删除信道上的性能计算

 本文首先描述了一种有记忆删除信道模型,然后提出了分组码在该信道上的性能的迭代算法。最后以Golay(23,12,7)码为例给出了多种信道参数之下的性能曲线。     

公路运输路线规划决策支持系统的研究与设计

首先对公路运输最短路线问题进行了分析,建立其数学模型,提出采用路段分组策略、局部Dijkstra算法搜索和全局遗传算法优化的综合求解方法。最后,介绍了系统的总体结构和实现方法。     

基于最小成本的飞机着陆规划算法

在以往着陆规划中，较少考虑公司的成本。利用航班的成本函数，建立了满足着陆间隔、着陆时间段等约束的着陆规划模型，提出了一种使用局部搜索和线性规划的启发式算法。实例验算表明，所给模型及算法可以在合理的时间内求解大规模规划问题，有效地降低公司成本。     

遗传算法结合神经网络的多段翼型优化设计研究

为提高多段翼型增升效能,开展包括襟／缝翼偏度和缝道参数在内的优化设计研究。将神经网络与遗传算法结合的优化设计方法应用于气动优化设计,并针对30P30N三段翼型,分别以8°迎角时升阻比最大和22°迎角时升力最大为目标进行了单目标和多目标优化设计研究。研究结果表明：采用单目标设计虽可在设计点获得较好的优化结果,但在非设计状态气动性能下降;采用多目标优化设计,既可获得良好的中等迎角升阻性能,又可改善大迎角失速性能,使综合气动性能更优;遗传算法与神经网络结合的优化设计方法可满足多段翼型的多点优化设计问题,具有高效、高精度等优点,易于工程应用。     

面向对地成像观测任务的高空飞艇应急调度

针对应急条件下高空飞艇(HAA)对地成像观测任务调度问题进行研究,分析了问题中的主要约束条件,建立了以任务收益(TB)和巡航距离为优化目标的约束满足问题(CSP)模型。考虑飞艇侦察载荷具有侧摆观测能力,在构建视场范围约束模型和分辨率约束模型的基础上,对成像观测任务进行合成。提出了元任务与合成任务的概念,给出了任务合成的步骤与方法。将HAA应急调度问题转换为车辆路径问题(VRP),并进一步分解为任务排序主问题和路径选择子问题,分别应用改进粒子群(IPSO)算法和关键节点搜索(KNS)算法求解。详细介绍了算法中的编码、解码和移动等操作,以及采用的混沌初始化和禁忌搜索(TS)策略。通过仿真实验,对文中所提方法的有效性进行了验证。     

遗传算法在气动力参数辨识中的应用

将遗传算法推广用于气动力参数辨识，以取代通常采用的梯度类优化算法。通过采用遗传模拟退火算法对某型飞机的纵向气动力参数进行辨识计算及分析后，可以看到：(1)遗传算法是气动力参数辨识的一种新的有效方法，该算法不受参数初值选取的影响，具有较好的全局寻优特性；(2)遗传算法的计算效率受种群规模、遗传算法构造本身等因素的影响比较大。并且还有相当大的进一步完善与改进的空间。     

遗传算法在试飞科目最优排序问题中的应用

以试飞科目间总的过渡耗油、耗时最省为性能指标，应用基于生物界自然选择机制和自然遗传机制的遗传算法，对试飞科目的最优排序问题进行了研究。介绍了遗传算法用于组合优化问题的基本原理和技术方法，根据试飞科目的最优排序问题的特点，构造了适当的适应度函数，对选择算子、交叉算子等进行了改进，充分利用了谝算法的工程性强、应用范围广等特点。仿真计算所得结果表明，应用遗传算法合理安排试飞科目次序，,可节省试飞耗油、耗时、减少试飞成本，提高试飞效率。