类爬山快速搜索算法在轨道攻击中的应用

遗传算法是目前应用最广泛的优化算法,其最根本的优点是对非线性的适应性,特别适合于对非线性系统寻优,但是目前的各种遗传算法都存在速度慢的问题,对于实时性要求不高或者离线寻优是适用的,但是用于实时飞行器控制参数寻优,实时火控结算等任务,由于实时性要求高,因此目前的遗传算法就很难胜任.为了提高寻优算法的实时性,又要保持算法对非线性优化的适应性,提出一种类爬山快速搜索算法.并进行了理论证明和实例计算.理论分析和实践证明,该算法具有和遗传算法相似的收敛性,执行时间只有3s左右,而同样条件下普通遗传算法的执行时间则要50s左右.另外如果普通遗传算法的种群规模为n,则该算法的空间复杂性小于普通遗传算法空间复杂性的1/n,算法简单,易于编程实现.     

基于小生境遗传算法的相控阵雷达任务调度

针对密集目标环境下相控阵雷达任务调度问题,分析了相控阵雷达工作任务特点、调度流程以及资源约束,建立了资源约束条件下的相控阵雷达调度模型。研究了传统遗传算法在相控阵雷达任务调度中收敛速度慢和早熟问题,提出了基于共享机制的自适应小生境技术的改进方法。仿真结果表明,基于小生境遗传算法的相控阵雷达任务调度方法能够有效地提高任务调度成功率,降低截止期错失率。     

改进遗传算法的相控阵雷达自适应调度算法及仿真

多功能相控阵雷达因其阵列天线的波束捷变能力,可执行对多个目标交替搜索、验证、跟踪等任务,而如何在时间约束下分配任务,对雷达性能有着决定性的影响。使用一种有效的调度算法能够使雷达资源合理分配,能够让雷达整体性能优化。在分析自适应调度算法的设计原则基础上,给出了具体的性能评估指标。针对多功能相控阵雷达,改进了传统的遗传算法作为调度算法。算法能够在雷达调度间隔约束下,选择综合效能最好的方案安排一个调度间隔内的雷达事件序列,并通过仿真结果验证了算法的有效性。     

天基预警系统资源调度方法

对面向导弹预警任务的天基预警系统中的低轨卫星资源调度问题进行了研究.对预警任务的特性进行分析,提出了一种预警任务规划与分解方法以减少任务对资源占用时间的需求;在此基础上建立了该问题的约束满足CSP调度模型;针对该模型变量多、解空间规模庞大的特点以及对求解算法时效性的要求,设计了一种基于局部解空间跳出机制的改进型遗传算法MGA.仿真表明该模型与算法在给定时间内能够得到满意的调度方案.     

电子侦察卫星联合侦察的混合调度算法

针对电子侦察卫星的使用约束,及不同任务的调度需求,建立了电子侦察卫星联合侦察的多目标混合整数规划模型.利用进化算法的全局搜索能力和变邻域搜索的局部优化能力,提出了一种多目标进化算法和变邻域搜索相结合两阶段混合调度算法MOEA VNS.针对问题多时间窗组合优化特点,设计了进化算子与邻域移动算子,在确保解多样性的同时使算法...     

采用改进遗传算法的舰载机保障调度方法

舰载机保障作业过程受到多种资源约束,同时可能存在突发事件的干扰。针对此特点,分析并制定干扰情况下的模型修正策略。在遗传算法中引入禁忌搜索算子改进传统遗传算法的变异操作,并通过具体实例进行仿真验证,其结果证明改进后的遗传算法在优化含干扰事件的多机保障问题时效率更高,并通过甘特图直观地反映重调度方案,为真实情况下有效处理舰载机保障过程中的干扰事件奠定理论基础。     

修复状态不确定的巡回修理任务多目标动态调度

针对战时装备巡回修理任务重、修理时间有限,而现有战时装备维修任务调度研究存在调度目标单一、约束简单的问题,开展了装备巡回修理任务多目标动态调度研究。提出了复杂约束条件下的装备巡回修理任务调度军事问题,考虑待修装备修复状态的不确定性,在修理能力和修理时间限制的基础上引入了修理时间窗、非遍历、巡回修理组修理能力变化等约束,构建了以修竣装备总数、修竣装备重要度总和、获得的二次作战总时间最大为调度目标的多目标动态调度模型。设计了基于改进非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm Ⅱ,NSGA-Ⅱ)进行模型求解,并通过示例仿真与分析,验证了模型和算法的合理性及有效性。     

基于改进遗传算法的舰载机保障调度方法

舰载机保障作业过程受到多资源约束，同时可能存在着突发事件的干扰；针对此特点，分析并制定干扰情况下的模型修正策略。在遗传算法中引入禁忌搜索算子改进传统遗传算法的变异操作，并通过具体实例进行仿真验证，其结果证明改进后的遗传算法在优化含干扰事件的多机保障问题时效率更高，并通过甘特图直观地反映重调度方案。为真实情况下有效处理舰载机保障过程中的干扰事件奠定理论基础。     

任务分配与调度中遗传算子的设计

应用遗传算法等进化方法进行任务分配与调度为越来越多的计算机学者们所关注。基于任务排列的知识表示 ,常规的标准遗传操作算子并不总是有效的。好的遗传算子对算法收敛性及收敛到好点是非常重要的。在列表编码的知识表示基础上 ,设计了三个有针对性的遗传算子 ,即改进的交配算子、内部交配算子和一种作为变异的迁移算子。模拟实验结果与分析表明这些算子对任务分配与调度是有效的。     

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。     

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.     

网格环境下基于任务的虚拟物流资源匹配策略

网格环境下的虚拟物流资源调度问题，实质就是资源与任务如何匹配的问题。以首先满足任务需求为前提，综合考虑任务以及资源两方面的匹配要求，建立了资源任务一对一匹配模型，通过量化任务（资源）各条件因素基准值及其所占权重比率，结合循环匹配算法，提出了一种基于任务的资源任务匹配策略，有效避免多任务对资源的争抢，实现了资源任务匹配的准确性和有效性。     

SpaceFibre网络服务质量时隙资源分配算法

为保证SpaceFibre星载数据网络大量实时数据流的超高速确定性传输,提出一种包含两个子算法的SpaceFibre网络服务质量时隙资源分配算法。形式化描述网络服务质量机制,给出调度矩阵相关定义;创建网络服务质量排队模型,定量分析时隙资源分配对网络时延性能的影响;考虑网络兼容性和算法鲁棒性,给出改进二进制序列调度子算法;采用提高初始种群进化程度和增加遗传算子等方法,给出改进混合单亲遗传调度子算法;利用Opnet网络仿真平台建立网络服务质量仿真模型,对比不同算法下网络时延性能。仿真结果表明,该时隙资源分配算法与其他算法相比,网络平均延时降低,网络性能得到显著改善,对构建低延时SpaceFibre网络具有参考意义。     

A competitive genetic algorithm for resource-constrained project scheduling

In this paper we consider the resource-constrained project scheduling problem (RCPSP) with makespan minimization as objective. We propose a new genetic algorithm approach to solve this problem. Subsequently, we compare it to two genetic algorithm concepts from the literature. While our approach makes use of a permutation based genetic encoding that contains problem-specific knowledge, the other two procedures employ a priority value based and a priority rule based representation, respectively. Then we present the results of our thorough computational study for which standard sets of project instances have been used. The outcome reveals that our procedure is the most promising genetic algorithm to solve the RCPSP. Finally, we show that our genetic algorithm yields better results than several heuristic procedures presented in the literature. © 1998 John Wiley & Sons, Inc. Naval Research Logistics 45: 733–750, 1998     

基于改进匈牙利算法的多技能人员调度方法

人员的优化配置对于提高装备制造效率具有重要意义。针对经典匈牙利算法不能解决具有并联环节的人员指派问题的不足,提出利用虚拟工作代替并联环节,将问题转化为典型的指派问题;通过判断虚拟工作的可实现性,迭代搜索得到最优解。以某多技能人员任务指派系统为例,详细介绍了该优化方法的步骤。优化结果很好地验证了改进算法的有效性。     

抢险救灾非战争军事行动中应急资源调度网络的优化方法

抢险救灾非战争军事行动包括道路抢修和物资运输等任务,而这两类任务在灾后应急资源调度中存在关联性的影响,且面临路网结构可变及需求随机模糊等挑战,对此,提出了一种非确定性应急资源调度网络双层规划模型,设计了基于蒙特卡洛方法与遗传算法耦合的智能启发式求解策略.通过对典型情境下应急资源调度案例进行分析建模和数值求解,说明了该模型和算法的合理性和有效性.     

A self‐adapting genetic algorithm for project scheduling under resource constraints

This papers deals with the classical resource‐constrained project scheduling problem (RCPSP). There, the activities of a project have to be scheduled subject to precedence and resource constraints. The objective is to minimize the makespan of the project. We propose a new heuristic called self‐adapting genetic algorithm to solve the RCPSP. The heuristic employs the well‐known activity list representation and considers two different decoding procedures. An additional gene in the representation determines which of the two decoding procedures is actually used to compute a schedule for an individual. This allows the genetic algorithm to adapt itself to the problem instance actually solved. That is, the genetic algorithm learns which of the alternative decoding procedures is the more successful one for this instance. In other words, not only the solution for the problem, but also the algorithm itself is subject to genetic optimization. Computational experiments show that the mechanism of self‐adaptation is capable to exploit the benefits of both decoding procedures. Moreover, the tests show that the proposed heuristic is among the best ones currently available for the RCPSP. © 2002 Wiley Periodicals, Inc. Naval Research Logistics 49: 433–448, 2002; Published online in Wiley InterScience (www.interscience.wiley.com). DOI 10.1002/nav.10029     

Scheduling patients in an ambulatory surgical center

This paper presents a deterministic approach to schedule patients in an ambulatory surgical center (ASC) such that the number of postanesthesia care unit nurses at the center is minimized. We formulate the patient scheduling problem as new variants of the no‐wait, two‐stage process shop scheduling problem and present computational complexity results for the new scheduling models. Also, we develop a tabu search‐based heuristic algorithm to solve the patient scheduling problem. Our algorithm is shown to be very effective in finding near optimal schedules on a set of real data from a university hospital's ASC. © 2003 Wiley Periodicals, Inc. Naval Research Logistics, 2003