启发式算法在大飞机设计中的应用综述

主要介绍了神经网络系统、遗传算法、粒子群算法、模拟退火算法、支持向量机几种启发式优化算法(Heuristic Optimization Algorithm,HOA)在大飞机设计领域的发展和应用现状,对比分析了算法在航空工程设计上的优缺点,展望了启发式算法的发展方向,为大飞机设计提供了宝贵的理论和经验。     

深度web资源搜索关键技术

深度web资源是指通过web搜索等形式能够访问的网络数据库资源,由于它与静态网页存在着一些差异,传统的搜索引擎技术不能够很好的实现深度web资源搜索.研究了深度web资源搜索中的若干关键技术,包括深度web资源的自动发现和基于本体的深度web数据抽取.通过实验验证了所提出技术的可用性与高效性.设计和实现了一种新的针对深度web资源的搜索引擎系统,能够获取深度web资源信息,并且利用这些信息抽取出结构化数据,从而为用户或者其他应用系统提供服务.已经应用在国家重大工程项目"国家科技基础条件平台门户应用系统"中,并取得了很好的应用效果.     

智能优化算法在飞机总体设计中的应用

飞机总体设计在飞机的整个设计过程中是非常关键的步骤,在这个过程中,飞机的总体布局和许多重要参数都被确定下来。但是,飞机的总体设计又是一个复杂和艰难的过程,因为涉及到大型系统的有约束的非线性优化问题,用传统优化方法很难得到满意的结果。本文采用了近年来发展很快的几种智能优化算法--遗传算法、模拟退火算法、禁忌搜索算法、Hopfield神经网络算法解决飞机总体设计优化问题,阐述了各算法的关键步骤及运行过程,并编写了相应的计算程序。通过对各种算法的结果进行比较和讨论,最后的结论是：模拟退火算法最适合求解这类复杂的约束非线性优化问题,禁忌搜索算法和遗传算法次之,Hopfield神经网络算法效果最差,容易陷入局部最优解。     

一种基于偏好MOEA的卫星地面站资源多目标优化算法

随着中国航天事业的发展,卫星地面站资源匮乏问题日益突出,需要对其进行统筹优化使用。因此,卫星地面站资源规划问题得到了广泛关注。在分析问题特点的基础上,对用户规划结果的偏好信息进行建模表达,建立了涵盖用户偏好的多目标数学规划模型,提出了基于偏好多目标进化算法的卫星地面站资源规划算法。为了进一步提升算法性能,设计了基于领域知识的启发式策略,包括：任务扩充策略、冲突消解策略以及任务缩减策略等。实验结果表明,与现有算法相比,用户偏好信息的引入能有效提升问题求解针对性,在IGD-CF （Inverted Generational Distance based on Composite Front）指标上取得了更好的效果。     

基于图论的潜通路分块分析方法

潜通路分析是一种重要的电路可靠性分析方法.随着电路系统规模的扩大,整体进行潜通路分析不仅使分析时间增加,而且分析过程会占据很大的存储空间.对大型复杂电路网络进行潜通路分析时,运用基于Laplace矩阵的谱平分算法对电路系统分块处理,将其划分成规模较小的若干子网络模块.根据子网络模块内部元件的组合状态,用深度优先搜索判断通路,将每个子网络模块等效成一个多端的特殊器件.对各个子网络模块分别进行潜通路分析,对等效后简化的电路系统整体分析,以达到对整个电路系统潜通路分析的目的.潜通路分块分析的方法简化了电路网络分析模型,有利于潜通路分析自动化智能化水平的提高.      

基于状态转移图的启发式深空探测器任务规划方法

针对深空探测器复杂系统并行及约束耦合等特点,在时间线描述框架的基础上,引入了状态转移图结构。通过分析探测器任务规划中的耦合约束关系,设计了转移图代价计算方法,并提出了基于状态转移图的启发式任务规划算法。利用转移图设计启发式对无关节点进行剪枝,削减了搜索空间,加速了搜索过程。数值仿真结果表明,该算法能够有效减少不必要的规划步数,提高任务规划的效率。     

对信息检索系统应用技术的数学表示模型的分析

页面表示、用户兴趣模型、页面链接排序是信息检索系统中的关键技术,分析相应的数学模型,并例举在一个智能搜索引擎中的应用,通过动态的更新用户兴趣模型和由此而引起的WEB页面更新,有效地适应用户兴趣的变化。     

舱外活动中航天员利用扶手移动的路径规划

航天员在舱外活动中,常常需要从一个工作点向另一个工作点移动.提出了一种用于搜寻两个工作点间最短通路的路径规划的方法.该方法利用人工智能中的启发式搜索A^*算法,在用栅格法对三维工作环境进行离散化的基础上,采用路径最短原则,完成了航天员在舱外活动中依靠扶手移动的路径规划.对一个例子进行了研究,并对结果进行了分析.规划的路径可为航天员舱外活动扶手的安装位置提供参考依据,以减少航天员舱外作业的工作时间、降低能量消耗以及提高航天员舱外作业的工作效率.     

上面级快速星图匹配算法研究

现有星图匹配算法存在搜索时间慢、算法实时性差的问题。为了满足上面级实时性的要求,文章采用K矢量查找算法来提高查找快速性,选择星对角矩作为星图匹配的特征量,构造星对角矩矢量,采用星棱锥星图匹配算法进行星图识别。最后采用上下位机的形式进行仿真分析,结果表明采用该星棱锥快速星图匹配算法成功率在99%以上,识别时间最长约为100ms,平均时间在15ms以内。该算法能够满足上面级对匹配算法快速性和高精度的要求。