基于优化蚁群算法的装备调拨决策系统研究与设计

将蚁群算法和遗传算法应用于装备调拨决策系统,实现了装备调拨决策信息的生成.同时利用遗传算法对蚁群算法的参数进行了优化,实验证明优化后的蚁群算法在平均路径长度、算法平均执行时间和总执行时间上较传统蚁群算法都有一定程度的改进.     

基于蚁群算法的火力分配寻优方法研究

火力分配的优化是最大限度的发挥火力单位效能,达到最大毁伤效果的基础和前提,将蚁群算法应用于火力分配的优化.研究了蚁群算法用于火力分配寻优的相关条件,给出了火力分配寻优的模型和算法.最后,结合一个应用实例,说明了蚁群算法用于解决火力分配问题有很好的应用价值.     

基于粒子群优化的蚁群算法在战场电磁频率分配中的应用

为对战场电磁频率进行有效分配以减少用频设备间的相互干扰，提出了将一种基于粒子群优化的蚁群算法应用于频率分配的方法。首先介绍了战场频率管控流程的相关内容，并以干扰度最低为目标函数，使用基于粒子群算法优化的蚁群算法进行频率分配管理。粒子群算法优化蚁群算法中启发信息的权重及信息素挥发系数，作为粒子群位置和速度参数进行初始化，将粒子群算法生成的分配结果作为蚁群算法的初始信息素，利用蚁群算法较强的寻优能力寻找最佳分配方案。实验结果验证了该算法和模型的可行性。     

混合蚁群遗传算法的树枝型铁路取送车问题优化

针对树枝型部队后勤货运铁路专用线的特点,建立了树枝型专用线取送车模型,提出了一种混合蚁群遗传算法,对取送车作业进行优化。该算法融合了蚁群算法和遗传算法的特点,对蚁群算法进行改进,提高了蚁群算法的收敛速度。同时在遗传算法的交叉操作前,参考蚁群算法产生的种群,提高了遗传算法的求解精度。实验仿真结果证明,该方法能有效地优化铁路取送车作业问题。     

战术MANET中基于多态转移策略的蚁群优化QoS路由算法

战术MANET的QoS路由计算是一个NP完全问题,可以采用蚁群优化算法来求解.为了提高蚁群优化QoS路由算法的效率,降低时延和网络开销,提出了基于多态转移策略的蚁群优化QoS路由算法(MTS-AQRA).MTS-AQRA将链路稳定性和路由拥塞度与常规的QoS路由约束条件结合起来,利用多态转移策略产生的多样化路由搜索蚁群和并行路由搜索处理,能够在MANET网络中快速地建立满足业务QoS要求的稳定路由.仿真实验结果表明,MTS-AQRA在分组到达率、端到端时延、网络吞吐量等指标上综合性能优于AODV、AntHocNet、QoS-Aware ACO等路由算法.     

遥感数据处理任务调度的Petri网模型及求解算法

为了对多源遥感数据的处理任务进行有效的调度和管理,提高处理资源的利用率,根据遥感数据处理任务调度问题的特点,采用Petri网对该问题进行形式化描述,建立了遥感数据处理任务调度的数学模型,根据该问题的多目标特性,采用蚁群算法进行求解.给出仿真实例,将蚁群算法的求解结果与启发式算法和模拟退火算法的求解结果进行比较,验证算法...     

一种改进的连续域蚁群算法

简要介绍了蚁群算法,并从解决连续域问题的角度分析了段海滨等提出的基于网格划分策略的连续域蚁群算法的基本原理,针对该算法的特点和存在的缺陷,提出了改进的办法:在前期用遗传算法快速生成初始信息素,再利用蚁群算法寻求精确解。最后通过对一个二维连续域函数优化仿真实验,证明了改进后蚁群算法的有效性。仿真实验结果证明:改进后的蚁群算法无论是时间性能还是优化性能都明显优于改进前的蚁群算法,克服了蚁群算法的缺陷,大大提高了算法的速度和求解效率,达到了时间性能和优化性能的双赢。     

联合势场与蚁群算法的机器人路径规划

针对全局静态环境下传统蚁群算路径规划时,易陷入局部最优、前期路径有效性差等问题,提出了基于改进人工势场局部搜索和改进蚁群算法全局搜索的机器人路径规划算法.在地图环境栅格化基础上,算法首先利用有效障碍物检测和临时中间目标点改进人工势场算法,以优化其死锁和欠优问题,通过改进人工势场优化蚁群算法的初始路径搜索,避免其早期的交叉等问题,同时构建与收敛相关的负反馈通道,调节全局与局部信息素的自适应更新,以平衡算法的收敛速度与全局搜索能力.简单环境与复杂环境的仿真实验结果表明,所提算法具有较好的全局搜索能力,收敛速度和搜索能力优于已有改进蚁群算法,验证了算法的有效性.     

火力分配多目标优化的IBACO算法

应用蚁群优化算法(Ant Colony Optimization)求解多目标优化问题已经引起广泛关注,多目标火力分配问题的目标是求出一个合适的武器目标分配方案,使满足决策需要。建立了多目标火力分配的数学模型,提出一种基于指标的蚁群优化算法Indicator-Based Ant Colony Optimization),给出了算法的具体步骤。IBACO的核心思想是利用二元性能指标来引导人工蚂蚁进行搜索,由于该算法中的信息素是根据指标的值来更新的,通过奖励信息素可以强化最优解。仿真实验证明了该算法的有效性,在解决火力分配问题上,所提算法和蚁群优化算法相比具有较好的收敛性。     

面向故障预测与健康管理的传感器优化配置

传感器优化配置是保证装备故障预测与健康管理(Prognostics and Health Management,PHM)系统有效实现的基础.针对目前陆军装备保障中缺乏有效的传感器配置方法的现状,以某型防空导弹调平起竖系统为研究对象,建立了考虑传感器失效的PHM系统传感器优化配置模型.对导弹发射车调平起竖系统控制回路进行了分析,在此基础上形成系统的故障-传感器相关性矩阵;根据系统的指标要求建立传感器优化配置模型,采用蚁群算法求解;将结果与粒子群算法进行比较,表明利用蚁群算法取得了更优的配置方案,能够为PHM系统中装备的传感器优化配置提供有效指导.     

基于改进蚁群算法的云计算任务调度研究

把改进的蚁群算法应用到云计算任务调度中,通过将任务在虚拟机上的一次分配作为蚂蚁的一次成功搜索,实现了虚拟机的负载均衡和调度时间的优化,提高云计算资源分配的效率。通过在Cloud Sim平台下进行仿真测试,结果显示,改进蚁群算法在负载均衡性能和总的任务调度时间方面均优于基本的蚁群算法。     

Transit vessel scheduling

A transit vessel traffic scheduling algorithm has been developed to limit the negative effects on cargo volume throughput in two‐way waterways where separation distances between transiting vessels must be maintained and passage restrictions may hold. It runs in time that is polynomial in the number of ships involved in the computation and finds schedules which increase the utilization of waterways. Three examples illustrate its use. The first example is situated in the Sunda Strait where the algorithm is used to enhance the safety of merchant shipping against a terrorist threat. It illustrates important features of the algorithm and demonstrates how it can be used with cross traffic. The second example is situated in the Strait of Istanbul and offers a comparison between the developed algorithm and the transit vessel scheduling algorithm of Ulusçu et al., J Navig 62 (2009), 59–77. This was done using a plausible model of the Strait of Istanbul. The third and last example shows how the algorithm can be used to schedule transit vessel traffic in two‐way waterways with junctions. This feature is especially useful in congested waters with a high risk of collisions like the Inland Sea of Japan. An extreme test case proves that the developed algorithm is a practical algorithm ready for such use. © 2017 Wiley Periodicals, Inc. Naval Research Logistics 64: 225–248, 2017     

卫星数传调度模型研究

卫星数传调度问题是一个具有多时间窗口、多资源约束的优化问题。针对该问题,建立了卫星数传需求模型、任务模型和调度模型。在建模过程中,采用了框架模型形式,把问题中的主要约束封闭于每个数传任务中,这在降低调度模型复杂度的同时,也降低了调度算法设计难度。还提出了调度算法设计思想,并设计了一基于灵活度的调度算法。仿真表明,所建立的模型及算法对解决卫星数传调度问题是可行的。     

带有活动收益不确定特征的成像侦察卫星调度问题

根据区域目标的侦察需求,研究了面向区域目标的多星调度问题。分析了调度问题中活动收益不确定特征,讨论了活动收益的上下界。针对收益不确定的特点,设计了影响力指标用于评估活动对调度方案的影响。基于活动影响力与执行时间设计了一种带局部诱导的禁忌搜索算法,采用分层次的、变评价函数机制引导求解过程趋向多目标优化,在优先提高覆盖率的同时兼顾减少资源消耗。最后,以算例验证了算法的有效性,并通过方案比较说明算法具有较好的寻优能力。     

Two‐agent scheduling on a single sequential and compatible batching machine

We study two‐agent scheduling on a single sequential and compatible batching machine in which jobs in each batch are processed sequentially and compatibility means that jobs of distinct agents can be processed in a common batch. A fixed setup time is required before each batch is started. Each agent seeks to optimize some scheduling criterion that depends on the completion times of its own jobs only. We consider several scheduling problems arising from different combinations of some regular scheduling criteria, including the maximum cost (embracing lateness and makespan as its special cases), the total completion time, and the (weighted) number of tardy jobs. Our goal is to find an optimal schedule that minimizes the objective value of one agent, subject to an upper bound on the objective value of the other agent. For each problem under consideration, we provide either a polynomial‐time or a pseudo‐polynomial‐time algorithm to solve it. We also devise a fully polynomial‐time approximation scheme when both agents’ scheduling criteria are the weighted number of tardy jobs.     

基于动态罚函数遗传算法的电磁探测卫星多星规划方法

针对电磁探测卫星的特点,考虑其主要约束条件,建立了多星联合规划数学模型,提出了基于遗传算法的电磁探测卫星多星规划算法.为处理遗传算法迭代过程中产生的不可行解,引入了基于罚函数法的约束处理方法.针对罚函数法中惩罚系数难以确定的特点,设计了惩罚系数自适应调整的动态罚函数机制.根据模拟的数据进行实验及分析,表明该方法能有效解决电磁探测卫星多星规划问题.     

一种应用于数据通道综合的定向搜索流水调度算法

流水调度是专用数字信号处理器高层综合中一个困难而急待解决的问题。给出了一种定向搜索流水调度算法 ,目标是使全面考虑了运算单元、寄存器和互连的硬件代价最小化。它作为一种利用启发信息的迭代算法 ,一方面克服了确定性算法爬峰能力差、易于陷于局部极值的缺点 ,另一方面启发信息的利用加快了搜索过程。典型设计实例显示算法性能达到或超过了目前流水调度文献报道的最好性能     

考虑随机回放的卫星数传调度问题的一种求解方法

针对考虑随机回放的卫星数传调度问题,从置换空间到调度解空间的映射方法和置换空间的搜索算法两方面进行了研究.提出了一种时间窗优先的置换序列映射算法,并证明该映射算法可以将置换序列映射到调度解空间上的最优解.提出了一种遗传随机搜索算法,基于有记忆功能的随机邻域搜索,在置换空间上搜索产生优化调度的置换序列.仿真计算表明,遗传随机搜索算法可以增强遗传算法的局部搜索能力,在搜索结果上平均获得了2.72%的改进.     

基于目标威胁度的相控阵雷达自适应调度方法

对时间资源的合理安排是相控阵雷达发挥自身优势的关键。将目标威胁度引入调度算法中,与工作方式和任务截止期共同进行综合优先级规划。通过构建目标威胁度的量化模型,使雷达在调度跟踪任务时依目标威胁度大小分配时间。提出了修正价值率和执行威胁率的概念,完善了性能评估指标。通过仿真,全面评价了新算法性能,验证了引入目标威胁度的合理性。结果表明,新算法可以有效提升相控阵雷达对高威胁度目标的处理能力。     

基于免疫粒子群算法的自抗扰飞行控制器设计

提出了一种基于免疫粒子群优化算法的自抗扰大包线飞行控制器设计方法.针对传统的增益调参设计方法存在的工作量巨大与设计效率低的问题,利用自抗扰控制器进行大包线飞行控制器设计,并推导了适用于该方法的飞机非线性方程.由于自抗扰控制能够动态补偿对象模型的内扰和外扰,因此在很大的飞行区域内仅需一套控制器便可,从而避免了烦琐复杂的增益调参设计过程,并用免疫粒子群优化算法对自抗扰控制器参数进行了优化研究.仿真结果表明,所设计的自抗扰控制器具有优良的控制性能,并且控制器参数在较大的包线范围内不需要改变,从而简化了大包线飞行控制器设计.