协同反潜指控决策建模及优化研究

介绍了多目标优化模型.建立了协同反潜作战中目标威胁度和射击有利度模型,将遗传算法引入到指控决策优化过程中.设计了基于遗传算法的指控决策优化算法,并对算法作了适应度值乘幂变换和保存最优个体策略方面的改进.以编队协同防御为例,得到了未改进的遗传算法和改进的遗传算法的优化结果,并对两种方法的优化效果进行了比较,比较结果表明:无论是从算法的收敛速度还是寻优率方面,做过改进的算法都较未改进的算法优越.通过选择不同的初始种群进行多次试验的方法,验证了优化结果的正确性.     

一种基于混合算法的火力规划方法

针对战场上火力单元与目标数量较多的具有多约束的火力规划问题,提出一种采用贪心策略和改进遗传算法的混合算法求解不同复杂程度的火力规划方法。贪心策略用于优化初始种群以加快遗传算法收敛及在短时间内求解较复杂的火力规划问题。采用改进编码方式、杂交与变异算子的遗传算法处理约束条件,提高搜索效率,加快算法运行速度。仿真实验结果表明,混合算法可以在平衡求解时间与结果满意度的情况下求解不同复杂程度的火力规划问题。     

永磁磁通控制型混合励磁开关磁阻优化设计

针对开关磁阻电机低功率密度和低材料利用率的问题,为了进一步优化电机的转矩特性,将永磁体应用在开关磁阻电机之中,设计了一台三相12/10极永磁磁通控制型混合励磁开关磁阻电机。在分析该电机结构和工作原理的基础上,采用电机设计理论对该电机进行结构设计,并且采用有限元软件进行仿真。在瞬态场条件下验证了该模型的正确性,在稳态场条件下仿真得到电感特性曲线、磁链特性曲线和转矩特性曲线,建立了精确的非线性模型。仿真结果表明该电机的转矩特性得到了明显提高。最后,采用遗传算法对电机主要结构参数进行了多目标优化设计,进一步提高了该电机的平均转矩并降低其转矩脉动。     

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。     

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。     

基于改进遗传算法的测试性优化分配方法

测试性优化分配是在测试性分配中合理配置各项测试资源,以满足测试性分配要求和资源约束条件。一般的遗传算法存在最优解不易求解、初始参数值不易设置等缺陷,因此,为了更加高效合理地进行测试性优化分配,在传统遗传算法中引入迁移技术来优化遗传迭代过程,并运用AHP法对算法初始参数进行调整,从而提出了基于改进的遗传算法的测试性优化分配方法。算例分析表明该方法可快速有效地求得测试性优化分配问题的最优解。     

多边形障碍环境中避障路径的遗传算法

研究了平面障碍环境中避障的遗传算法,重点介绍了障碍环境的模型构造和用遗传算法求解该模型的方法设计.采用了与已有遗传算法不同的染色体编码方式和不同的遗传算子设计,在初始群体产生时尽量避免了引入无效基因,提高了染色体进化的效率,使得该算法具有很好的寻优能力,实验结果也表明了该算法的有效性.     

基于混合遗传算法的拦截弹道优化方法

传统的遗传算法中,交叉和变异样本的选择直接影响算法的收敛.通常根据工程实际需求调整交叉和变异样本的选择概率来提高遗传算法运行的有效性和防止早熟现象的发生.将传统的单纯形搜索算法与遗传算法相结合,提出了一种混合遗传算法,并在算法中增加了加速循环操作,提高遗传算法在求解优化问题特别是工程应用中的有效性,以便优化拦截弹道.数学仿真结果表明该方法能够有效地解决迎面拦截弹道问题.     

垂发超近程导弹弹道优化设计

垂发超近程导弹弹道优化设计是通过设计飞行攻角和发动机推力参数使得导弹性能指标达到最优或次优。针对超近程导弹垂直发射的特点给出发动机推力的分段准则,设计导弹初始飞行状态、飞行过程状态和终端弹道状态参数等约束条件,建立导弹运动学模型和多约束条件下弹道优化模型。基于hp-伪谱法将弹道优化问题转变成非线性规划问题。最后将优化方案所得的结果和遗传算法的优化结果进行对比分析验证优化方案的合理性。仿真结果表明可为垂发超近程导弹弹道设计提供参考。     

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。     

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。     

A New Chaotic Genetic Hybrid Algorithm and Its Applications in Mechanical Optimization Design

A new chaotic genetic hybrid algorithm(CGHA) based on float point coding was put forward in this paper.Firstly,it used chaos optimization to search coarsely and produced a better initial population.Then,a power function carrier was adopted to improve the ergodicity and the sufficiency of the chaos optimization.Secondly,the genetic algorithm(GA) was used to search finely and guaranteed the population's evolution.To avoid the search being trapped in local minimum,a chaos degenerate mutation operator was designed to make the search converge to a global optimum quickly.Finally,CGHA was used to solve a typical mechanical optimization problem of shear stress checking for a cylinder helix spring.Compared with traditional penalty function method,chaos-Powell hybrid algorithm and standard GA,CGHA shows better performance in solution precision and convergence speed than those of the algorithms.Therefore,CGHA is a new effective way to solve the problems in mechanical optimization design.     

多核数字信号处理卷积算法并行优化

针对国防科技大学自主研发的异构多核数字信号处理(digital signal processing, DSP)芯片的特征以及卷积算法自身特点,提出了一种面向多核DSP架构的高性能多核并行卷积实现方案。针对1×1卷积提出了特征图级多核并行方案;针对卷积核大于1的卷积提出了窗口级多核并行优化设计,同时提出了逐元素向量化计算的核内并行优化实现。实验结果表明,所提并行优化方法实现单核计算效率最高能达到64.95%,在带宽受限情况下,多核并行扩展效率可达到48.36%～88.52%,在典型网络ResNet50上的执行性能与E5-2640 CPU相比,获得了5.39倍性能加速。     

无人直升机辨识的一种新方法

针对无人直升机的辨识建模问题,提出了把频率响应辨识法和遗传算法相结合的一种新的辨识方法.该方法充分结合了频率响应辨识法抗噪声能力强、对输入信号通用性强、以及遗传算法的全局寻优特性的优点,极大地提高了辨识的准确性.与最小二乘法、Levy方法的对比仿真结果表明,这种方法辨识精度更高,具有重要的工程使用价值.     

求解不确定型车辆路径问题的弱鲁棒优化方法

为降低鲁棒优化模型最优解的保守性,以最小化违约车辆数和总惩罚成本为目标,建立针对旅行时间不确定的开放式车辆路径问题的弱鲁棒优化模型。对于不确定数据集的每个取值,该模型的最优解可以使其目标函数值始终不超过某数值,进而改善最优解的保守性。为提高启发式算法发现最优解的概率,提出一种自设计遗传算法对模型进行求解,其主要思想是利用粒子群算法搜索出可使遗传算法预期产生最好解的算法要素,并将其进行组合,从而产生新的遗传算法。采用新产生的遗传算法对模型继续求解,输出最好解。计算结果表明:与以往的鲁棒优化方法相比,弱鲁棒优化方法的最优解的保守性显著降低。     

大型捆绑助推器总体/动力/轨道一体化设计与优化

在综合考虑固体火箭发动机设计、轨道设计和总体特性相互作用、相互影响的情况下,建立了捆绑助推器总体/动力/轨道一体化设计优化模型和系统分析模型,并应用遗传算法完成了某大型捆绑助推器6个设计参数的优选。结果表明:本文方法优化设计效果明显,优化所得助推器质量比原方案减轻了17.7%。     

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。     

基于Gauss伪谱法和直接打靶法结合的月球定点着陆轨道优化

将一种求解最优控制问题的新方法—高斯伪谱法( Gauss Pseudospectral Method-GPM)和传统的直接打靶法有效结合,对月球着陆器定点软着陆轨道快速优化问题做出了研究.推导了高精度模型下着陆动力学方程.针对优化方法各自的特点和多约束条件下最优月球软着陆轨道设计的难点,提出了问题求解的串行优化策略:将控制变量和终端时间一同作为优化变量,同时离散控制变量与状态变量,取较少的Gauss节点,利用GPM求解初值,初值的求解采用从可行解到最优解的串行优化策略;在Gauss节点上离散控制变量,利用直接打靶法求解精确最优解.仿真结果表明,本文提出的轨道优化方法具有较强的鲁棒性和快速收敛性.     

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。     

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.