导弹对抗离散数学模型

针对现代非接触战争的特点,用数学方法研究导弹对抗模型问题,针对作战的不同目的和要求,建立两个导弹对抗的非线性规划数学模型,对模型求解设计了近似方法,该方法把上述非线性规划模型化为多个线性规划模型进行求解.对一类较简单的特殊情况进行了仔细分析,得到了分析解.最后指出该方法如何应用于动态实时优化决策.本文的方法可用来预测和评估导弹对抗的效果,为作战实时优化决策提供参考.     

基于序列径向基函数的运载火箭蒙皮桁条结构轻质优化

以我国大型运载火箭薄壁加筋结构轻量化设计为研究背景,针对轴压下大直径大载荷蒙皮桁条结构开展后屈曲轻质优化研究。基于Python语言建立蒙皮桁条结构参数化模型,为确定结构的极限承载能力,开展蒙皮桁条结构后屈曲分析。针对蒙皮桁条结构轻质优化涉及离散的拓扑和连续的尺寸优化问题,提出基于近似模型和组合优化算法的序列近似优化方法,并利用近似最优解加速算法收敛,确定蒙皮桁条结构最优设计方案。工程算例结果表明,所提序列近似优化方法使大直径大载荷运载火箭蒙皮桁条结构减重效果明显,验证了方法的有效性。     

一种新的近似优化方法——变复杂度优化

随着仿真技术的发展,基于仿真的优化在工程、军事等领域越来越占据突出的地位。随着高逼真度仿真模型的大量使用,仿真优化计算的时间复杂度成倍增长,使得采用传统的优化技术无法取得令人满意的效率。提出了一种基于近似模型的变复杂度优化方法,它通过标度函数保证优化的收敛性,通过信赖域方法保证优化在有效的范围内进行。数值算例表明这种算法能有效降低对于高复杂度模型的调用次数,达到降低仿真优化计算复杂度的目的。     

序列近似优化方法

随着工程优化中仿真模型精度和计算时间的不断提高,常规的智能优化方法难以在可接受的计算代价中得到最优解。序列近似优化方法通过将近似模型技术引入优化过程,并采用不断更新采样点的方法来指导寻优,在基于计算耗时模型的优化中得到了越来越广泛的应用。通过论述序列近似优化方法的若干关键技术及其发展现状,可有效指导其在工程优化中的应用,并给出了序列近似优化方法可能的改进方法及发展趋势。     

采用遗传算法的电控增压器电磁阀优化设计

运用Ansoft Maxwell软件建立电磁阀的动态响应特性仿真模型，并通过试验验证模型的准确性。利用模型集成ISIGHT软件的方法，对影响电磁阀动态响应特性的参数进行灵敏度分析，得出各个参数对动态响应特性的Pareto图。基于遗传算法对电磁阀进行多参数优化设计，获取最佳参数组合，并利用电磁阀动态响应特性试验台架，开展参数优化前后电磁阀动态响应特性的对比试验研究。试验结果表明：相比于原参数方案，参数优化后的电磁阀动态响应特性得到大幅度提升，其开启响应时间缩短了59.1%，关闭响应时间缩短了47.2%。     

基于Nastran优化的某导弹结构模型修正

为了对某型号导弹结构建立合理的有限元全弹模型,基于Nastran的灵敏度分析及优化功能,首先对初始导弹模型设计参数进行了灵敏度分析,并确定优化设计的设计变量,然后以模态试验结果为优化目标,对其进行动力学优化,得到修正模型.结果表明,修正后模型的计算结果与试验结果偏差有很大程度的改进,符合了工程的使用需要.     

基于迭代退火算法优化的SVR在核动力装置故障诊断中的应用

针对船用核动力装置主蒸汽管道破口大小依照监测参数的变化很难有精确估计的问题,首先使用了支持向量回归(SVR)对破口大小进行了判断,将破口大小作为诊断模型的预测值;然后,使用迭代退火算法对支持向量机的训练参数进行了优化,并与未优化的模型进行了对照。对比结果表明:优化后的诊断模型精度高,泛化能力强。     

基于Kriging模型的环形桁架可展天线结构参数优化方法

针对传统结构动力学优化过程中求解效率较低的问题,以环形桁架可展天线结构参数优化为研究背景,在环形桁架可展天线结构的参数变量空间中,以试验设计方法选取样本点,通过有限元方法得到各个样本点的第一阶固有频率、固定载荷最大变形等响应值,利用样本点和响应值的关系建立Kriging近似模型进行优化算法的寻优,得到满足所有约束条件的最优解。结果表明,所得到的环形桁架可展天线第一阶固有频率、固定载荷最大变形的响应面呈现比较明显的非线性关系,基于Kriging模型的结构优化方法能比较准确地对环形桁架可展天线进行寻优设计。     

基于最优控制的翼伞路径规划

提出了一种基于最优控制的翼伞路径规划方法。该方法以提高落点精度和减少操纵量为目标,将翼伞的轨迹优化问题转变为参数优化问题,并运用改进的粒子群优化算法进行了有效的求解,得到了基于最优控制的翼伞路径规划的近似最优解。为了验证该方法的可行性,在仿真环境中同时使用了传统分段控制方法和最优控制方法。归航的计算机仿真结果表明,基于最优控制的翼伞路径规划方法提高了落点的位置精度和方向精度,同时减少了操纵量。     

基于Hamming网络的空袭目标评估模型

针对空袭目标威胁程度评估问题,在模糊优化模型的基础上,提出了一种基于Hamming神经网络的求解方法.该方法将神经网络与模糊优化模型相结合,既方便了原问题的描述又简化了问题的求解,发挥了二者的集合优势.经仿真试验证明了该模型的有效性.该方法为此类问题的研究提供了一种有效、可靠的新途径,同时它也是模糊理论与人工神经网络相结合的理论方法的有益尝试.     

A New Chaotic Genetic Hybrid Algorithm and Its Applications in Mechanical Optimization Design

A new chaotic genetic hybrid algorithm(CGHA) based on float point coding was put forward in this paper.Firstly,it used chaos optimization to search coarsely and produced a better initial population.Then,a power function carrier was adopted to improve the ergodicity and the sufficiency of the chaos optimization.Secondly,the genetic algorithm(GA) was used to search finely and guaranteed the population's evolution.To avoid the search being trapped in local minimum,a chaos degenerate mutation operator was designed to make the search converge to a global optimum quickly.Finally,CGHA was used to solve a typical mechanical optimization problem of shear stress checking for a cylinder helix spring.Compared with traditional penalty function method,chaos-Powell hybrid algorithm and standard GA,CGHA shows better performance in solution precision and convergence speed than those of the algorithms.Therefore,CGHA is a new effective way to solve the problems in mechanical optimization design.     

自适应人工蜂群优化的混沌系统参数估计

为了对混沌系统未知参数进行准确估计,改进了人工蜂群优化算法,提出自适应人工蜂群算法的混沌系统参数估计方法。将混沌系统参数估计问题转化为多维变量数值优化问题,利用人工蜂群算法对未知参数进行导向随机搜索。在搜索过程中,通过种群优化程度和解的质量自适应地调整更新步长和解的尝试次数。以Lorenz混沌系统为例进行的仿真实验表明,该方法在无噪声和噪声强度较大的情况下均能够获得较好的估计结果,表现出较强的鲁棒性。     

基于进化搜索策略的并行子空间设计算法

并行子空间设计是一种有效的多学科设计优化算法,但其搜索策略存在两点不足:一是寻找全局最优解能力有限,二是计算复杂。为弥补上述不足,将遗传算法应用到CSD算法中,提出了一种基于进化搜索策略的CSD算法。介绍了该算法的设计流程,应用该算法对一测试问题进行了优化,取得了满意结果。     

Discrete stochastic optimization using variants of the stochastic ruler method

We present two random search methods for solving discrete stochastic optimization problems. Both of these methods are variants of the stochastic ruler algorithm. They differ from our earlier modification of the stochastic ruler algorithm in that they use different approaches for estimating the optimal solution. Our new methods are guaranteed to converge almost surely to the set of global optimal solutions under mild conditions. We discuss under what conditions these new methods are expected to converge faster than the modified stochastic ruler algorithm. We also discuss how these methods can be used for solving discrete optimization problems when the values of the objective function are estimated using either transient or steady‐state simulation. Finally, we present numerical results that compare the performance of our new methods with that of the modified stochastic ruler algorithm when applied to solve buffer allocation problems. © 2005 Wiley Periodicals, Inc. Naval Research Logistics, 2005.     

指挥信息系统非线性最优化问题的混沌搜索解法

指挥信息系统进行辅助决策很多情况下是一个求解最优化问题的过程,指挥信息系统遇到的很多问题具有非线性,同时指挥信息系统对算法的适应性和收敛速度要求相当严格。对此,普通的优化技术只能求出局部最优解。基于混沌搜索技术的计算智能具有全局搜索能力强、算法简洁、计算量小、收敛速度快的特点,成为一种求解非线性最优化问题全局最优的有效方法。算例表明,当搜索次数达到一定数量时,混沌搜索方法可以保证算法收敛到全局最优解,且计算效率很高。     

Some experiments in global optimization

When applied to a problem which has more than one local optimal solution, most nonlinear programming algorithms will terminate with the first local solution found. Several methods have been suggested for extending the search to find the global optimum of such a nonlinear program. In this report we present the results of some numerical experiments designed to compare the performance of various strategies for finding the global solution.     

序列近似优化方法及其在火箭外形快速设计中的应用

针对序列近似优化方法在代理模型构造与采样策略等方面的不足,基于采样点局部密度,引入与局部密度成反比的样本点影响体积概念,通过优化总影响体积确定径向基函数最优核宽度,满足序列近似优化过程不同规模、非均匀样本条件下的函数近似需要;建立潜在可行域最大距离加点准则,并与潜在最优加点准则结合平衡算法的探索能力与开发能力;建立三步收敛判定准则;构建改进序列近似优化的算法流程。对于Golinski减速器的优化设计问题,算法在目标函数调用42次后便搜索到全局最优解,体现了其良好的全局寻优能力与搜索效率。以"天航二号"火箭为例,建立其外形优化问题数学模型,所提优化方法在调用原始计算模型165次之后便搜索到全局最优解,大大提高了设计效率,同时飞行试验也表明设计结果满足要求。     

基于自适应变异粒子群算法的火力分配方法研究

针对最优火力分配的特点,分析了火力分配优化问题的数学模型,设计了一种求解该类问题的自适应变异粒子群算法（Adaptive Mutation Particle Swarm Optimization, AMPSO）。该算法采用十进制编码方法和基于数值运算的个体更新方法;为平衡算法的局部搜索能力和全局收敛性能,设计了一种关键参数自适应调整方法;为增强种群在进化后期的多样性,提出了一种变异策略。仿真结果表明,所提AMPSO算法具有良好的寻优性能,是优化火力分配的一种有效算法。     

一种改进的粒子群优化算法

针对基本粒子群算法存在着收敛速度慢、效率低、易陷入局部最优等缺陷,为了更好地平衡全局和局部搜索能力,在粒子群算法中引入收缩因子,使算法中粒子不仅向种群最优的粒子进行学习,而且向种群中比自己优秀的所有粒子学习,增加了粒子的多样性。实验结果证明,与基本蚁群算法相比,改进的粒子群算法提高了收敛速度和效率,能一定程度地避免局部最优解的产生。     

基于不确定性的末制导初始参数优化设计方法

为量化无动力滑翔飞行器末制导初始参数不确定性的综合影响,提升飞行器落点精度,提出基于不确定性的末制导初始参数优化设计方法。面向飞行器末端高动态打击需求,采用落角约束下的滑模变结构导引律进行实时弹道成型,进而考虑末制导初始参数的不确定性。以落点有效毁伤半径概率和落点圆概率偏差为多优化目标,建立基于不确定性的末制导初始参数及制导律参数优化模型。针对这一不确定性优化模型,研究利用高效全局优化和蒙特卡洛方法,给出末制导初始参数及制导律参数的最优设计方案。仿真结果表明:该方法能显著提升落点精度,为方案设计阶段飞行器末制导交接点的选取提供决策支持。