Algorithm to solve a chance‐constrained network capacity design problem with stochastic demands and finite support

We consider the problem of determining the capacity to assign to each arc in a given network, subject to uncertainty in the supply and/or demand of each node. This design problem underlies many real‐world applications, such as the design of power transmission and telecommunications networks. We first consider the case where a set of supply/demand scenarios are provided, and we must determine the minimum‐cost set of arc capacities such that a feasible flow exists for each scenario. We briefly review existing theoretical approaches to solving this problem and explore implementation strategies to reduce run times. With this as a foundation, our primary focus is on a chance‐constrained version of the problem in which α% of the scenarios must be feasible under the chosen capacity, where α is a user‐defined parameter and the specific scenarios to be satisfied are not predetermined. We describe an algorithm which utilizes a separation routine for identifying violated cut‐sets which can solve the problem to optimality, and we present computational results. We also present a novel greedy algorithm, our primary contribution, which can be used to solve for a high quality heuristic solution. We present computational analysis to evaluate the performance of our proposed approaches. © 2016 Wiley Periodicals, Inc. Naval Research Logistics 63: 236–246, 2016     

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。     

高空气球地面充氦气量计算方法分析与试验评估

作为高空气球研究中的一个重要问题,气球在地面发放前充入的氦气量会直接影响其上升速度和驻空高度,进而影响平台的可靠性和稳定性。因此研究充氦气量的准确计算方法十分必要。建立了高空气球上升过程动力学模型,计算了气球初始升速的理论值,用于与实际初始升速对比,为评估充氦气量计算方法提供依据。归纳了三种较为典型的高空气球地面充氦气量计算方法,根据实际开展的飞行试验,分析对比了三种方法的准确性和误差范围。提出了浮力补偿规律,完成了对三种方法的评估。通过研究可以对现有充氦气量计算方法进行有效修正,进而为高空气球的实际飞行提供指导。     

基于复杂网络理论的岸防作战体系骨干网络研究

随着信息技术在战争中的大量应用,现代战争越来越呈现出网络化和体系对抗性,研究其拓扑特性已十分必要。基于复杂网络理论,首先建立了岸防作战体系网络模型,然后提出一种基于贪心思想的骨干网挖掘算法,最后对模型的骨干网络进行了研究。结果表明该方法能够快速、准确地挖掘出岸防作战体系的网络骨干,并能为军事对抗体系的复杂网络应用研究提供借鉴和参考。     

武器-目标分配问题的贪心模拟退火算法

针对已有算法解决WTA问题时存在的缺点,提出将贪心机制应用于模拟退火算法解决该问题的思路,即贪心模拟退火算法;通过合理设置模拟退火算法中冷却进度表的各项参数,提高最优解的质量和求解效率。通过在计算机上仿真运行多个战例取得了良好的分配效果,结果表明该算法运算速度较快,结果精度较高,可为作战指挥自动化决策提供科学、有效的支持。     

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.