基于强化学习与遗传算法的机器人并行拆解序列规划方法

在拆解序列规划问题中,为了提高拆解效率、降低拆解能耗,引入了机器人并行拆解模式,构建了机器人并行拆解序列规划模型,并设计了基于强化学习的遗传算法。为了验证模型的正确性,构造了混合整数线性规划模型。算法构造了基于目标导向的编解码策略,以提高初始解的质量;采用Q学习来选择算法迭代过程中的最佳交叉策略和变异策略,以增强算法的自适应能力。在一个34项任务的发动机拆解案例中,通过与四种经典多目标算法对比,验证了所提算法的优越性;分析所得拆解方案,结果表明机器人并行拆解模式可以有效缩短完工时间,并降低拆解能耗。     

基于改进遗传算法的异构多无人机任务分配

针对异构多无人机协同任务分配问题,提出了一种基于改进的遗传算法的多UAV任务分配方法。根据多UAV协同任务分配问题的特点,设计了新的遗传算子,并且对适应度值做了标定,有效避免了算法在最优解附近摆动现象的发生,从而提高了任务分配的效率。充分利用改进遗传算法的全局搜索能力,有效地解决多约束条件下多UAV协同目标分配问题。仿真结果表明,改进的遗传算法能够稳定快速地找到较优分配方案,并且算法简单有效。     

基于集中一体化遗传算法的协同航迹规划方法

针对线目标的多无人机协同侦察航迹时间代价较大、算法收敛较慢等问题,提出了一种基于集中一体化遗传算法的协同航迹规划方法。在考虑目标属性及任务要求的基础上,建立了基于时间代价的航迹模型。引入集中一体化方法,对标准遗传算法的编码方式进行了优化,保证了所有目标均被侦察一次,且无重复侦察。在种群迭代中对交叉操作和变异操作进行了改进,有效提高了算法的收敛速度。仿真结果表明,该方法可求解得到具有最小时间代价的任务航迹,且收敛速度较快。     

基于改进遗传算法的多无人机航路规划方法

在分析多无人侦察机任务需求、限制以及特性等要素基础上,建立了多无人机航路规划优化模型。以航程作为性能指标,将多无人机侦察多目标航路规划转化为多旅行商问题。通过对多旅行商问题特点分析,采用遗传算法基本思想,对编码和适应度函数以及操作算子进行合理设计,并改进了交叉和变异操作算子以取得更好优化结果。仿真结果表明所提算法的合理性和有效性。     

基于进化算法的多无人机协同航路规划

以突防航路时域协同指数、空域协同指数、突防时长指数和受威胁指数为规划目标,以最小直线航路段长度、可飞空域、续航能力和进入任务航路方向为约束,构建了多无人机协同突防航路规划模型。结合模型特点,利用合作型协同进化遗传算法对该模型进行求解。     

基于粒子群遗传算法的多无人机协同路径搜索

为解决不确定环境中多无人机路径搜索针对性不强、效率低问题,提出一种基于粒子群遗传算法的多无人机协同路径搜索方法。建立区域栅格图环境和搜索概率图模型,采取滚动预测的方式,提出使用协同粒子群遗传算法生成预测路径,通过适应度函数确定最优搜索路径,该路径满足无人机最小转弯半径限制,并能实现威胁区域规避和重点区域加强搜索。仿真结果验证了所提算法的有效性。     

基于改进遗传算法的协同发射控制软件设计

根据火箭炮武器系统多弹种协同发射的需求,分析了现有发控软件的不足和设计多弹种协同控制软件过程中存在的问题。采用设定禁忌搜索表的改进遗传算法,通过对基因编码、交叉等过程最终实现对多型火箭弹时序协同问题的求解。在此基础上设计的火箭弹协同控制模块的软件架构,为后续实现多种火箭弹协同发射的方式提供了有力支撑。     

基于改进遗传算法的反舰导弹航路规划模型研究

针对传统遗传算法在进行复杂的大范围优化问题时容易陷入局部最优和收敛速度慢的局限,提出采用基于混沌的遗传算法进行反舰导弹航路优化问题的求解。在遗传算法操作时加入混沌操作,扩大了搜索范围,提高了优化速度,有效地解决了解空间巨大带来遗传算法的上述局限性。     

改进遗传算法在强边界路径规划中的应用

根据陆军武器系统对地图行军导航的特殊需求,提出了一种基于改进遗传算法的强边界路径规划算法。对强边界路径规划问题进行了分类,建立了强边界路径优化问题的数学模型,以分类必经点保序路径最优问题为例,从染色体的编码、种群的初始化和遗传算子等方面,加入了必经点保序的条件,设计了改进遗传算法,仿真结果证明了算法的有效性。     

基于GAPSO-TS的多基地无人机航路-时间协同规划

针对多基地无人机协同规划航迹计算复杂、容易陷入局部最优的问题,在遗传粒子群算法(GAPSO)的基础上,引入禁忌搜索算法(Tabu-Search)混合为GAPSO-TS算法,通过与PSO、GAPSO算法对比,表明GAPSO-TS算法能够提高全局寻优性能,同时相对于GAPSO算法,加快了收敛速度。在多无人机时间协同三维航路规划里应用GAPSO-TS算法可以更快的收敛,同时设计以时间协同为约束的适应度函数,函数具有简单易行的特点,保证了不同基地的无人机都可以在同一时间内最快到达目的地,实验结果验证了算法的可行性。     

延迟时间模型参数的极大似然估计

介绍了基于客观数据的延迟时间模型参数极大似然估计方法,提出了应用优化理论中的单纯形法求解似然函数的算法,为延迟时间模型的参数估计问题提供了可行的解决方法。通过计算机模拟数据的验证,此方法切实可行,结果可以满足需要。     

引入变异算子的SAA求解数据关联问题

将遗传算法中的变异算子引入模拟退火算法,来求解雷达数据处理过程中的数据关联问题。与传统的遗传算法和传统的模拟退火算法相比,新算法在解的质量,寻优速度和CPU占用时间等方面有较大的优势,更贴近实际应用的要求。     

改进的遗传算法在图像边缘提取中的应用

提出了一种改进的遗传算法,采取了确定性采样选择算子对选择算子进行了改进;明确了非等概率融合单阈值单点交叉算子,对交叉算子进行了改进;同时还提出了一种新的变异算子,它依据一种新的判断群体\"集中\"与否的准则,根据群体的进化程度自适应地调整变异概率pm的值。将改进的遗传算法用于图像的边缘提取问题中,试验结果表明,与穷尽法和普通遗传算法相比,提出的算法在保证有效地提取出边缘的基础上,节省了运算时间。     

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.     

基于二层遗传算法的导弹航路选优问题研究

在多批次多数量的反舰导弹从多个方向对敌舰艇进行饱和攻击的决策过程中,如何选择出最优的航路组合是提高反舰导弹作战效能的关键问题。在综合分析反舰导弹航路选优问题的基础上,建立了导弹航路选择的优化模型,并针对导弹航路选优问题,对基本遗传算法进行了改进,提出了二层遗传算法。仿真分析了多火力单元多目标导弹攻击的航路组合优化问题,得出了有效的导弹攻击航路。通过验证,说明了二层遗传算法在导弹航路规划中的有效性。     

振动遗传算法在无人机三维航路规划的算法研究

针对代价函数权重需要根据环境变化而变化的问题,结合飞行约束条件提出归一化的代价函数,当环境发生变化时,不用再修改代价函数,增强了算法的鲁棒性。为了弥补传统定步长寻径算法耗时长的缺陷,设计了一种基于B样条曲线与遗传算法的高时效寻径算法。利用遗传算法在地图中所寻合适的控制点,再结合B样条曲线生成航路。为了增强遗传算法的全局搜索能力,遗传算法中加入振动法则,使得种群在进化中后期依旧保持一定的多样性。仿真结果表明该算法与精英蚁群算法相比,规划时间大幅缩短;与振动遗传算法相比,航路代价明显降低。     

权值编码遗传算法在单机任务规划中的应用

任务规划是在任务有不同威胁程度,资源消耗和战术价值条件下,寻找总战术价值最高,而又不超出约束的任务链,这对飞机完成任务中具有重要作用,针对机载资源有限、任务有不同威胁程度和战术价值,提出了基于权值编码遗传算法的任务规划方法,该算法通过对原始问题的偏离和启发式解码来得到最优的可完成任务子集。仿真结果验证了算法的有效性。     

复杂约束下的导弹作战任务规划模型和算法研究

导弹作战任务规划是一个涉及时间、资源、质量和其他关系约束的复杂问题。首先通过定义约束满足效用对基本约束满足模型进行了扩展,建立了导弹任务规划的约束满足优化模型。在此基础上,研究了任务规划模型求解的时间和效用传播算法,提出了基于综合效用的优化求解框架。该模型和求解框架易于解决具有多种约束因素的复杂问题,具有较好的通用性。通过定义软、硬约束效用,使得实际任务规划问题求解具有更好的灵活性。     

威胁联网下低空突防航路规划研究

分析了威胁联网下信息交流和资源共享对飞行航路规划的影响;针对威胁联网,制定相关的威胁体相互支援表,采用遗传算法进行低空突防航路规划.通过仿真计算证明,此方法规划出的飞行航路能有效提高威胁联网下的战斗机低空突防安全性,为航路规划提供了一种新思路.