作战模式及需求不确定条件下备件供应优化

高度不确定性是战时备件保障面临的难题之一,主要体现在作战任务想定的多样性以及备件需求的波动性.针对以上问题,分别将作战模式的不确定性和需求的不确定性转化为离散和连续型不确定参数,采用鲁棒优化方法进行建模.以战时备件供应延迟时间最短为目标,以备件满足率和供应成本为硬约束,构建了战时备件供应的鲁棒优化模型.利用元启发式算法对模型进行求解.算例结果表明,鲁棒优化模型的最优解对应最短的延迟时间,同时可以保证战时备件供应"最差情况下"的可行性,即具有很好的鲁棒性.     

基于云遗传算法的防空导弹目标分配问题

针对传统遗传算法在防空导弹目标优化分配中存在的缺陷，提出了一种更为有效的云遗传算法。通过该算法对防空导弹目标分配模型进行仿真求解，得出防空导弹射击目标的最优目标分配方案。通过算例分析，云遗传算法相比传统遗传算法收敛速度快，搜索效率高出一倍左右，对产生局部最优解情况进行了合理有效的控制，可操作性、优越性更强。     

基于改进SLP的军事物流基地设施平面布局研究

由于传统SLP方法的不足,在解决设施较多的军事物流基地布局问题上面临较大困难。为解决此问题,提出了改进SLP方法,以军事物流基地设施间综合相互关系为基础,构建平面布局模型,并确定目标函数和主要约束条件。随后对模型的求解进行遗传算法设计,并运用Matlab编程实现模型的求解,从而得出平面布局的最优解。最后以最优解为基础,结合限制条件进行修正,完成军事物流基地设施平面布局设计。     

基于多资源点的装备应急器材调度决策模型

针对装备应急器材调度决策问题,从调度路径优化和调度计划分配2个方面,研究了其多目标优化模型的构建。将资源点划分为若干级别来确定资源点选取的优先次序,通过先求解资源点与需求点之间的最优路径,后求解器材资源分配量的思路,建立了装备应急器材调度决策的广义最优路径模型和运输模型,采用改进的Dijkstra算法对模型进行求解,仿真结果表明:所构建的决策模型及算法是有效的。     

遗传算法的泛函极值求解与应用

路径规划可以描述为泛函极值模型.针对传统的变分法、最大值原理等求解泛函目标函数类型有限的局限性,考虑遗传算法在解空间中进行随机优化搜索的特点,引入遗传算法对泛函极值问题进行求解,给出了求解过程.该方法具有广泛适应性,数值仿真结果表明了该算法的有效性和合理性.最后得到了飞行器飞行的最优控制规律和最优路径.     

基于MOEO的电子侦察卫星多目标规划方法

分析了电子侦察卫星任务规划问题的内涵,基于合理假设建立了问题的多目标规划模型;设计了一种基于MOEO(Multi-objective Extremal Optimization)的多目标极值优化算法对模型进行求解,提出了一种针对电子侦察卫星规划问题的随机交换变异算子对解空间进行搜索;同时,为防止Pareto近似最优解的...     

基于干扰管理思想的应急装备器材供应扰动恢复模型

为解决应急条件下装备器材供应过程中由于运力受扰而产生的干扰问题,基于干扰管理思想,提出了应急装备器材供应扰动恢复问题的转化策略,构建了基于虚拟需求点的运力受扰扰动恢复模型;为寻求最优解,设计了基于遗传算法的人工鱼群优化算法。通过算例对模型和算法的有效性进行了验证。     

联合防空目标分配方案优化研究

目标分配是联合防空作战指挥决策的核心内容,是各级联合防空指挥中心的重要工作,其模型的合理性与可信性会对作战结局产生重大影响。为提高目标分配的合理性与可信性,对联合防空作战混合部署下的目标优化分配问题进行了详细分析,建立了相应的数学规划决策模型。为了有效获得问题的全局最优解,将改进遗传算法(GA)应用于数学规划决策模型的求解过程中,并给出了模型求解的方法和步骤,经实例应用,取得了满意的结果。     

滑翔飞行器多目标弹道优化的进化-配点混合求解策略

针对高超声速滑翔飞行器弹道多目标优化问题,综合考虑计算效率和精度,结合分解进化算法与配点法提出一种混合求解策略。根据滑翔飞行器动力学模型和弹道设计中需要考虑的约束条件,建立飞行器多目标弹道优化模型。利用控制量离散化方法将多目标弹道优化问题转化为带约束的多目标参数优化问题,并采用罚函数法处理约束条件,随后利用分解多目标进化算法进行求解。为了提高弹道优化的精度,将椭球聚合法与配点法相结合,以多目标进化算法得到的Pareto解作为初始解进行迭代求解。通过典型的复杂约束多目标弹道优化的算例表明,所提出的混合求解策略能够获得满足复杂约束要求的Pareto最优解集,实现有效的多目标弹道优化。     

基于响应面与遗传算法的柴油机喷射参数优化

为解决燃油喷射系统参数优化中高效寻求全局最优解问题,综合响应面设计和遗传算法的优点和不足,采用多项式响应面模型代替原始遗传算法中计算量庞大的目标特性分析模型,建立了多项式响应面模型和遗传算法相结合的参数优化方法。结合非线性规划的凸性分析证明了遗传算法在预定优化区间内全局最优解的唯一性。对优化匹配后的喷射参数进行了模拟计算,结果表明:优化后柴油机油耗降低了1.96g/(kW·h),功率上升了0.99%,排气温度降低了21.86℃。表明该方法具有简单可靠、优化效率高等特点。     

基于改进人工蜂群算法的漏磁缺陷轮廓重构

漏磁缺陷重构是指由检测到的漏磁信号重构缺陷轮廓及参数,是实现漏磁反演的关键。将局部最优解和全局最优解引入到人工蜂群算法(Artificial Bee Colony Algorithm,ABC)中,提出了一种基于改进人工蜂群算法的缺陷重构模型。在该模型中,径向基函数神经网络作为前向模型求解漏磁信号,改进人工蜂群算法用于求解反演问题中的优化问题。将改进人工蜂群算法和基本人工蜂群算法作为反演算法进行了比较,实验结果表明,改进人工蜂群反演算法精度较高,速度较快,同时对实测信号具有鲁棒性,是一种有效可行的漏磁反演新方法。     

采用弹道修正技术的红外干扰弹性能优化

针对弹道修正弹的高维非线性特性导致的性能优化难题,改变概念设计阶段传统的串行设计方式,提出了一种基于实验设计(Design Of Experiments,DOE)和响应面(Response Surface Methodology,RSM)的智能优化算法,定义基本的弹丸结构模型以及相关的设计参数.在DOE的基础上,将设计...     

基于遗传算法的多目标虚拟装配路径规划

针对以往求解路径规划问题中以路径最短为目标的局限性以及随机选取初始路径的缺陷,引入合适的目标函数和遗传算子,提出了一种基于遗传算法的多目标虚拟装配路径规划方法,利用大范围初始化的方式产生具有代表性的初始群体,设计了具有启发作用、适合路径规划的遗传算子,能够同时得到不同特点的多条路径,优化了装配路径.     

结合振动特征优选和GWOA-XGBoost的电机轴承故障诊断

为解决电机轴承故障状态难以识别,从而造成诊断精度不高的情况,提出了一种基于信号特征提取与极限梯度提升算法(extreme gradient boosting, XGBoost)结合的电机轴承故障诊断模型。使用优化的变分模态分解获得振动信号的固有模态函数(intrinsic mode function, IMF)分量,再基于多尺度熵理论计算各IMF分量的多尺度熵值进行特征重构。在鲸鱼优化算法(whale optimization algorithm, WOA)中引入遗传算法的选择、交叉、变异操作对WOA进行改进。用改进的WOA算法对XGBoost的超参数进行寻优,获得了帮助XGBoost取得最优分类效果的超参数组合,将7种不同故障类型的振动信号进行重构后输入优化的XGBoost模型进行故障诊断。实验结果表明,所提GWOA-XGBoost模型的电机轴承故障诊断精度能够达到97.14%,相较于传统诊断方法,性能提升效果显著。     

贪心遗传算法解决一般武器-目标分配问题

一般武器-目标分配问题,是使武器发挥最大效能而使目标遭受最大毁伤的最优化问题.遗传算法广泛用于解决最优化问题.提出一种具有贪心优化机制的局部搜索方法,以提高遗传算法的搜索效率,从而迅速找到全局最优解.应用于炮兵武器-目标分配问题的仿真试验结果表明,此算法比现有的其他搜寻算法具有更好的求解效率.     

基于压缩传感的PSO-OMP重构算法的研究

由于粒子群算法具有解决寻优问题的能力,将其应用于信号处理领域,提出了一种新的基于PSO-OMP的信号重构算法。为了降低计算复杂度,把粒子群算法运用在正交匹配追踪算法的匹配过程,以此来确定最优原子。实验结果表明,所提出的新的基于PSO-OMP的信号重构算法具有计算复杂度低和重构成功概率高等特点。     

小生境粒子群支持向量机的网络故障诊断

针对支持向量机(SVM)在网络故障诊断中应用存在的参数设置和诊断模型复杂的问题,提出一种基于小生境粒子群优化的SVM解决方案。算法在进行参数寻优的同时考虑支持向量个数,实现对诊断模型复杂度的优化,并采用小生境粒子群算法进行求解,提高算法跳出局部最优的能力。在DARPA数据集上的实验表明本文提出的方法能够有效提高诊断模型的泛化性和诊断速度。     

电磁发射系统以太网拓扑结构建模优化

拓扑结构优化模型是网络中的一类重要模型，可以有效地优化系统整体链路性能。针对电磁发射系统以太网拓扑结构中部分节点和链路的负载过大，一旦发生堵塞，将会影响网络中关键链路性能的问题，建立网络拓扑结构优化的多目标规划模型，并提出一套基于基因环操作的遗传算法对其进行求解，通过仿真得出最优的网络拓扑结构。根据仿真结果修改实际网络节点默认配置参数，结果显示该模型和算法能有效均衡负载，降低网络冲突率，且不需要改变电磁发射系统以太网的物理链路，不会增加额外成本，对电磁发射类系统具有普适性的意义。     

混合遗传算法及其在运载火箭最优上升轨道设计中的应用

运载火箭最优上升轨道设计问题是一类终端时刻未定、终端约束苛刻的最优控制问题,经典算法求解这类问题时收敛性差、局部收敛等问题表现得比较突出。针对上述问题,将具有良好全局收敛性的遗传算法应用到运载火箭最优上升段设计问题求解中,为了提高遗传算法的收敛速度和克服早熟问题,结合遗传算法和单纯型算法的优点,设计了两种混合遗传算法。计算结果表明,所设计的混合遗传算法是求解复杂问题的有效全局优化方法,可以成功地解决一类终端时刻可变飞行器最优控制问题。