一阶常微分方程组边值问题的随机搜索法

本文给出了求具有非线性边界条件的非线性常微方程组边值问题数值解的方法:通过最小二乘原理把边值问题的求解转化为初值问题求解,再利用具有迭代过程的随机搜索方法解对应的优化问题.     

非线性最小二乘定位问题的全局收敛解法

将全局收敛策略与牛顿法相结合,得到了对初值不敏感的迭代算法.将该算法应用于非线性最小二乘目标定位中,在初值受测量误差影响而估计不准的情况下,可以通过迭代得到精度更高的解.推导了应用于双基地二维目标定位情况下的全局收敛牛顿法.     

一种基于正交迭代的无人直升机着舰相对位姿估计方法

针对基于视觉的舰载无人直升机自主着舰过程中的相对位姿估计问题,选取着舰标志图像的角点特征进行求解,提出了一种基于正交迭代的位姿估计算法。该算法为满足位姿估计结果精确、鲁棒和高效的要求,采用目标空间误差作为误差函数,并基于透视投影模型给出迭代初值,相对于随机给定初始值而言,使得迭代次数减少,收敛速度提升;在迭代过程中,通过绝对定向方式来求解空间共线性误差最优值问题。仿真结果表明:该方法实时性好、精度较高,具有全局收敛性。     

索的UL列式分析方法

通过求解索的微分方程边值问题 ,提出了分析索的收敛迭代公式。利用迭代解可顺利地确定索端位置坐标差、索力及索重之间的关系。算例表明 :本文计算索的方法 ,理论上可达到任意高的精度 ,可十分方便地用于含有索或索网混合复杂结构物的大变形分析 ,用这种方法能解决斜拉桥缆索应力松驰的计算问题。     

基于神经网络的广义两点边值问题

在航天领域中 ,多数制导问题均可以抽象为广义两点边值问题。本文探讨了神经网络在广义两点边值问题求解中的应用。首先讨论了离线制导这一类静态两点边值问题的求解 ,在此基础上 ,对在线制导这一类动态两点边值问题进行了分析 ,并给出了有效的解决方法     

求解整数规划问题的一个搜索方法

本文整数规划问题给出一种搜索方法,它类似于求解连续变量优化问题的迭代方法,从一个好的初始可行解出发,寻找一个搜索方向,沿着这个方向求出改进的可行解,然后又开始下一次迭代。此方法简单易行,可以求出问题的最优解或近似最优解,对于整数线性规划问题和整数非线性规划问题的求解都适用,并且容易推广到求解大规校整数线性规划问题。文中附有计算例子,说明方法是有效的。     

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。     

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。     

弹道导弹基本诸元的快速装订算法研究

应用牛顿迭代法实现了弹道导弹基本诸元的快速装订。推导了根据落点偏差求飞行程序角和发射方位角的牛顿迭代公式，设计了迭代算法，并给出了实际算例。考虑到迭代算法收敛速度与所给的迭代初值有一定的关系，提出了预先准备简易射表采用反插值算法为牛顿迭代法准备初值的方法，经计算表明可以大大减少迭代次数，从而实现标准弹道的快速设计。     

基于改进QPSO-NN的冗余机械臂逆运动学算法

针对某种冗余机械臂逆运动学求解的问题,提出了一种基于改进量子粒子群神经网络的求解算法。以冗余机械臂末端位姿为输入,经神经网络求得其逆解;针对神经网络输出结果误差较大的问题,把神经网络求初值加入初始化的粒子群中,通过基于Metropolis准则改进量子粒子群算法,避免了量子粒子群算法的早熟现象;以关节坐标经正向运动学求得的末端位姿和期望位姿的误差为适应度函数,对机械臂关节坐标迭代寻优。仿真结果表明该方法结合了神经网络算法的快速性和改进量子粒子群算法的精确性,满足求冗余机械臂逆运动学问题的速度和精度要求。     

一种关于~pc(0≤c<1)的快精算法

求pc(p>1,正整数)的值时,若c较小,通常会存在收敛速度较慢以及数值字长有限所致精度变差的问题。提出了一种关于pc(0≤c<1)的快精算法,该方法按照定点二进制数特点,通过适当扩大c值,利用牛顿迭代法求取近似值,在采用选值法确定初值时,将对应值域分为若干等间隔子区间,初值精度取决于间隔h的大小,而h的大小则根据迭代精度和预定迭代次数确定,由此可获得高精度初值,从而在理论上使pc的迭代计算达到快速、高精度的目的。     

改进群智能算法多目标干扰决策

如何运用有限的干扰资源获得最大的干扰效益是电子对抗研究的重点技术之一,针对协同电子对抗,提出一种最优干扰决策方法,解决对抗资源和雷达目标数量不等的干扰资源分配问题。围绕组网雷达检测概率和定位精度2个评估指标,建立基于多目标优化的协同干扰决策任务模型。针对传统人工蜂群和蚁群算法流程寻优缓慢的问题,在候选解的搜索中自适应地增加与当次迭代最优解的交叉运算,给出两改进算法对模型的通用求解步骤,通过仿真验证算法提高了收敛速度。     

针对KMC局部最优问题的飞蛾捕焰优化方法

针对传统飞蛾捕焰(MFO)算法求解复杂函数时后期收敛速度慢与求解精度较低等问题,提出了一种基于快速收敛的飞蛾捕焰(RMFO)算法.采用最大最小距离积的方法来初始化飞蛾群,能够提高算法全局收敛速度并且优化解的质量,同时构造出MFO算法的适应度函数作为寻优函数.将RMFO算法和有K均值聚类算法(KMC)进行交叉迭代,构建基于RMFO优化的KMC算法,求解聚类中心时能够改善聚类性能,可以解决现有KMC算法选取初始聚类中心不确定陷入结果局部最优的问题.实验结果表明,通过用UCI国际通用测试数据库的Iris、Wine和Glass 3种数据集,对RMFO算法和优化KMC算法进行性能测试,提出的RMFO算法更加精准,收敛速度快,不易陷入局部最优解,同时,优化KMC算法的聚类性能更好.     

神经网络最小二乘估计器

Hopfield和Tank证明几种最优化问题能用Hopfield网络快速求解,而Hopfield网络是简单的类似神经元模拟处理机的递推网络。使用Hopfield网络时,目标函数的自变量收敛于超立方体的顶点。因此,它们的应用严格地限于决策最优化问题。在本文中,我们将研究目标函数自变量是实数的问题。基于Hopfield网络的概念,推导了求解最小二乘估计问题的神经网络。用这个网络,目标函数可能收敛于超立方体内的任何点,给出一个具有极大速度的实值解。由于所选择的能量函数的凸状性质,不会出现收敛到局部最小值的问题。我们还介绍了空间迭代搜索方法,以便找到可能存在于空间内任意点的最优解。最后,给出了求解线性系统和参数估计问题的模拟结果。     

一种关于p√c(0≤c《1)的快精算法

求p√c(p＞1,正整数)的值时,若c较小,通常会存在收敛速度较慢以及数值字长有限所致精度变差的问题.提出了一种关于p√c(0≤c＜1)的快精算法,该方法按照定点二进制数特点,通过适当扩大c值,利用牛顿迭代法求取近似值,在采用选值法确定初值时,将对应值域分为若干等间隔子区间,初值精度取决于间隔h的大小,而h的大小则根据迭代精度和预定迭代次数确定,由此可获得高精度初值,从而在理论上使p√c的迭代计算达到快速、高精度的目的.     

PH分布参数估计的确定性退火加速EM算法

针对连续PH分布参数估计标准EM算法迭代速度慢和初值敏感易陷入局部最优化的问题,首先引入逆温因子和加速因子两参数改进算法,提出了确定性退火加速EM算法;然后,进行了详细的理论推导,给出了PH分布参数估计的具体步骤;最后,利用算例对两类典型分布和一组某装备维修时间的实际数据进行拟合,验证了改进算法的全局最优性和较快的收敛速度,拟合效果和迭代加速情况也验证了该算法的有效性和通用性。     

关于收缩算子的异步迭代收敛性

论证了Ｆ为收缩算子时,求解Ｘ＝Ｆ（Ｘ）的异步迭代方法初值选取范围,提出了异步迭代的大范围收敛方法。     

基于量子免疫遗传算法的火力分配优化问题

针对传统方法在解决火力分配优化问题时存在迭代次数多、收敛速度慢、易陷入局部极值等不足,将免疫遗传算法中的免疫克隆、免疫记忆、免疫平衡机制引入到量子遗传算法中,利用求解问题的先验知识和局部最优解信息来改善和优化量子遗传算法的性能,提高了算法的收敛精度、收敛速度和稳定性。在分析问题背景和算法实现过程的基础上,通过实例仿真,模拟了不同容量的抗体记忆库对算法性能的影响,对比了普通遗传算法、量子遗传算法、免疫遗传算法以及文中所提及的量子免疫遗传算法在解决火力分配优化问题上的不同优化效果,结果表明:该方法在解决火力分配问题时,可以有效克服早熟现象,具有收敛速度较快、稳定性较好的特性。     

一种基于满意滤波的纯方位目标跟踪算法

针对潜艇纯方位目标跟踪算法存在算法初始化困难、收敛速度慢、稳定性差等问题,借鉴交互式多模型算法(IMM)的思想,将EKF实时解算出的滤波增益和满意滤波解算出的稳态增益实时融合并行工作,以求克服滤波初值对滤波器的影响,尽可能地消除线性化误差,最终输出具有更高精度的估计结果。仿真实验表明,提出的单站纯方位算法对滤波初值的设置有较大的领域范围,较好地克服了算法对滤波初值的敏感性问题,同时增加了算法的稳定性。     

一娄非线性抛物方程组解的爆破现象新证明

利用能量方法给出了一类非线性抛物方程组解的有限时刻爆破现象的新证明,此方法将初值的条件从正的初值减弱到某些非负的情形。