智能制造系统调度的一种随机神经网络求解法

首先提出了调度系统的概念，即智能控制系统智能调度应从整体指标出发，综合研究集零件加工智能调度和产品装配智能规划于一体的调度技术，然后，给出了智能控制系统智能调度的神经网络模型的能量函数，并讨论了一种改进的模拟退火过程来求解最优解的方法。     

Efficient schedulability analysis for mixed-criticality systems under deadline-based scheduling

Safety-critical avionics systems which become more complex and tend to integrate multiple functionalities with different levels of criticality for better cost and power efficiency are subject to certifications at various levels of rigorousness. In order to simultaneously guarantee temporal constraints at all different levels of assurance mandated by different criticalities, novel scheduling techniques are in need. In this paper, a mixed-criticality sporadic task model with multiple virtual deadlines is built and a certification-cognizant dynamic scheduling approach referred as earliest virtual-deadline first with mixed-criticality（EVDF-MC） is considered, which exploits different relative deadlines of tasks in different criticality modes. As for the corresponding schedulability analysis problem, a sufficient and efficient schedulability test is proposed on the basis of demand-bound functions derived in the mixed-criticality scenario. In addition, a modified simulated annealing（MSA）-based heuristic approach is established for virtual deadlines assignment. Experiments performing simulations with randomly generated tasks indicate that the proposed approach is computationally efficient and competes well against the existing approaches.     

基于蜕变 Voronoi 多边形的扇区优化方法

根据空域中航路点的自然分布 ,利用算法几何的思想建立Voronoi图 ,并依照空域划分的原则将由Voronoi图获得的单元蜕变 ,统计由各蜕变Voronoi多边形构成的有限元内包含的管制员工作负荷。然后以工作负荷均衡为优化原则 ,使用模拟退火算法对空域中的有限元进行优化组合 ,新解要求满足空域划分的 2个原则的约束。这样 ,有限元组合集合的边界就是优化的扇区边界。通过实际空域设计算例的计算结果 ,验证本文提出的扇区优化方法的合理性。     

基于神经网络的电磁干扰的预测

提出了一种应用神经网络预测电磁干扰的方法.针对遗传算法总体搜索能力较强但容易陷入局部最优,而模拟退火算法具有较强的局部搜索能力,又能避免搜索陷入局部最优解的特点,将模拟退火算法与遗传算法相结合,优化多层前馈(BP, Back Propagation)神经网络,获取最优的权值和阈值,并采用模拟退火的思想确定隐含层神经元的个数,进而建立基于神经网络的电磁干扰预测模型.以双平行导线间的电磁干扰问题为实例,明确干扰要素,建立训练样本和测试样本,对比期望输出和预测输出之间的误差,结果表明该方法可以准确有效地进行电磁干扰预测.     

基于混合遗传算法的多箱型集装箱装载问题分析

航空多箱型集装箱装载是实现快速、高效、安全航空货物运输的重要环节。针对现实约束条件下多种货物和箱型的集装箱多箱装载优化问题,搭建数学优化模型,提出一种求解货物装载布局方案的混合遗传算法,以达到充分利用集装箱装载空间的目的。采用三段式编码确定货物装载顺序、货物放置状态及集装箱编号,随机产生初始种群;在常规选择操作中加入最佳个体保护策略,并将重心、不重叠、承重约束考虑到适应度函数中,以此来评价解的优劣;加入模拟退火算子,用其突跳性避免遗传陷入局部最优的情况,进一步提高优化效果。通过算例对比表明,所提算法在满足多种约束条件下仍能保持较高的体积利用率,能够很好地解决强弱异构货物的装载;采用具体货物数据进一步验证算法的可行性与适用性,4种航空集装箱的平均体积利用率高于82%,表明所提算法能够有效解决规则和不规则多箱型集装箱的货物装载问题,具有较好的工程应用价值。      

固体运载火箭抗强电磁脉冲优化设计方法

本文分析了火箭在飞行过程中的强电磁脉冲(EMP)环境，建立了箭上敏感设备受强电磁脉冲干扰的优化设计模型，包括传导干扰及辐射干扰两种设计模型。针对起飞质量对火箭总体参数设计的制约问题，以最小质量增量为目标函数，采用模拟退火(SA)算法，对箭上典型电气系统抗强电磁脉冲防护进行优化设计研究，为箭上敏感设备抗强电磁脉冲指标与质量增量提供了平衡选取方法。优化结果表明,火箭在飞行过程中典型电气系统的抗强电磁脉冲性能指标达到要求的同时，实现了火箭质量增量最小的目标。     

不同气流偏角下的壁板热颤振分析及多目标优化设计

 研究了考虑热效应的不同气流偏角下的壁板颤振问题及其多目标优化设计。采用考虑气流偏角影响的一阶活塞气动力、Von-Karmon大变形理论和准定常热应力理论建立了复合材料壁板热颤振方程。利用模拟退火算法,对不同温度场下的偏航壁板颤振速度进行计算。以偏航壁板热颤振速度和壁板重量为多目标函数,在不发生热屈曲的条件下进行优化设计。结果显示：温升使偏航壁板颤振发生“跳跃”现象,对应的气流偏角发生变化;当壁板热颤振模态不变时,偏航壁板颤振速度随温升呈下降趋势,两者呈线性关系;而当热颤振模态发生变化,即偏航壁板颤振发生“跳跃”现象时,偏航壁板颤振速度随温升先升高而后降低,两者呈非线性关系;Pareto解对应的多目标函数之间呈线性关系。     

基于蚁群优化-模拟退火的天地测控资源联合调度

研究了一类约束条件复杂、具有多时间窗口特性的天地测控资源联合调度问题。建立了涵盖多种约束的问题数学模型和基于测控弧段时间序的无圈有向图模型,提出了一种蚁群优化-模拟退火算法(ACO\|SA)求解问题。探讨了两种算法的融合策略,完成了包括状态转移规则、可行解生成策略、信息素更新准则、邻域结构、快速退火计划等关键技术的设计实现。多个算例仿真和结果分析表明,测控弧段时间序能保证ACO\|SA得到高质量的优化结果,模拟退火机制能有效提高蚁群优化算法的收敛速度和求解质量,相比于基本遗传算法和先到先服务算法,ACO\|SA能得到质量更好的解。     

冲压增程弹进气道型面气动优化研究

以某型冲压增程弹为研究对象,为了使进气道总压恢复系数最大,利用自动优化平台,集成了参数化建模和进气道流场数值模拟,以总压恢复系数最大为优化目标,运用组合优化策略对双锥进气道的锥角进行气动优化,优化后的进气道总压恢复系数提高了11.96%.数值模拟结果与试验数据吻合较好,证明优化结果可信.结果表明,通过对进气道锥角的优化可快速找出最佳锥角组合.     

一种有效压缩频繁模式挖掘的算法

频繁模式挖掘的研究最近致力于在一个合理的容错范围内寻找有代表性的模式来压缩庞大的挖掘结果集.一种新型启发式算法AMSA(Approximating Mining based Simulated Annealing)被提出,其采用了模拟退火思想来保证有效性和压缩的质量.依据FIMI(Frequent Itemset Mining Implementations Repository)提供的公用数据集进行的实验结果也证明了这一结论.通过与FPclose算法和RPglobal算法分别进行了性能的比较,AMSA挖掘的结果集规模小于FPclose算法和RPglobal算法得到的结果集规模,特别是当支持度阈值很低时,RPglobal不可在合理时间内产生结果集,AMSA却可在合理时间内得出较精准的结果集.