一种改进的粒子群优化算法

针对基本粒子群算法存在着收敛速度慢、效率低、易陷入局部最优等缺陷,为了更好地平衡全局和局部搜索能力,在粒子群算法中引入收缩因子,使算法中粒子不仅向种群最优的粒子进行学习,而且向种群中比自己优秀的所有粒子学习,增加了粒子的多样性。实验结果证明,与基本蚁群算法相比,改进的粒子群算法提高了收敛速度和效率,能一定程度地避免局部最优解的产生。     

基于卡尔曼滤波的单矢量水听器水中多目标方位跟踪

对单矢量水听器接收的声压和质点振速信息进行联合处理,采用量子粒子群求解声压和质点振速组成的非线性相关方程组,从而实现多目标声源方位的估计。对于低信噪比的情况,难免会引入较大的方位估计误差。采用最小二乘法对目标方位轨迹进行拟合并建立预测模型,然后通过卡尔曼滤波对单矢量水听器估计的目标方位轨迹进行优化。结果表明：单矢量水听器能够同时分辨多个目标方位,解算结果应用统计特性表示;信噪比越高,分辨率和精度越高,偏差越小;对于水中目标而言,1阶多项式足以进行方位轨迹拟合,再采用卡尔曼滤波能够有效提高目标方位跟踪精度。     

基于改进粒子群优化算法的微电网孤岛选址定容

分析了在重要孤立系统中采用微电网供电的必要性,在此基础上提出了采用由非支配排序法和拥挤距离排序法改进的粒子群算法进行微电网选址定容,其目的是改进多目标微电网规划问题的优化结果。通过改进算法与基本算法算例结果的对比分析,验证了改进算法在求解孤岛选址定容问题上具有较强的寻优能力、较高的收敛精度和较稳定的最优解,为进一步研究微电网孤岛选址定容问题提供了思路。     

基于保障时间窗的油料调拨运输模型

通过引入保障时间窗,同时考虑油料保障的时间约束和运力约束,建立了基于保障开始时间最早,并尽可能满足保障需求量的调度模型。针对问题的多目标性,基于理想点法将初始模型转化为单目标优化模型。采用粒子群算法对模型进行求解,并设计了算法编码和求解步骤。通过算例验证了模型和算法的可行性及有效性。     

驱护舰编队防空火力分配决策模型研究

驱护舰编队防空火力分配的确定和优化是最大限度地发挥驱护舰编队的整体作战能力的关键。为了高效地发挥驱护舰编队火力优势,用运筹学理论建立了驱护舰编队防空火力分配决策问题的优化模型,分析了各种解决此模型的方法的优缺点,并尝试运用粒子群优化理论(PSO)求解该模型。实例计算分析表明,所提出的方法较好地解决了驱护舰防空火力分配决策问题,为舰艇编队指挥员进行防空火力分配决策提供了一种有效的参考处理方法。     

多阶段任务系统可靠性并联冗余优化模型

多阶段任务系统是一类普遍存在的复杂系统,研究其可靠性冗余优化对于该类系统设计具有重要的参考价值。针对多阶段任务系统的可靠性并联冗余优化问题,提出了采用冗余故障树和冗余BDD来描述系统冗余结构的方法。给出了冗余模块在多阶段任务系统中的可靠度计算方法,建立了整个冗余多阶段任务系统可靠度计算模型。在此基础上以费用最小为目标,构建多阶段任务系统可靠性冗余优化模型,并应用微粒群算法对模型进行求解。算例验证了模型的合理性及算法的有效性。     

创造性思维粒子群优化的武器目标分配

现代战争特点为防空作战中武器目标分配(WTA)问题的求解效率和质量提出了新的需求和挑战.建立了WTA问题模型,并选择粒子群优化算法(PSO)求解模型.针对PSO算法在求解WTA模型中出现的早熟收敛特性,从认知心理学角度进行分析,将创造性思维(CT)引入PSO的速度更新公式中,提出了一种基于创造性思维的PSO算法CTPSO.针对WTA模型的离散性特点,设计了编码与解码策略,及位置和速度矢量的离散化运算规则.实验证明了CTPSO算法在WTA问题求解质量和求解效率方面的优越性.     

基于灰色理论的电子系统状态预测方法

电子系统的状态预测是利用其历史信息来实现系统未来状态和趋势的估计,以防止灾难性故障的发生,对于推动视情维修具有重要意义。针对典型模拟滤波电路,通过分析其关键测试信号的特点,研究了基于灰色理论的状态预测方法,并针对该预测模型的不足,设计粒子群算法选择最佳预测维数,设计新陈代谢法使该模型参数在线改变,从而建立符合电子系统信号特点的灰色预测模型。将该模型与ARAM模型比较,实验结果验证了该模型具有较好的状态预测精度和预测性能。     

基于工程设计法的射程优化

射程是弹道导弹的重要性能指标,飞行程序选择对充分发挥导弹运载能力,提高射程具有重要影响。针对此问题,利用工程设计法的实现容易、计算量少的优点,将以飞行程序为设计对象的最优控制泛函问题转化为参数优化问题。在此基础上,建立弹道运动模型和优化模型,并应用粒子群算法进行参数优化,求解最大射程弹道。结果表明,基于工程设计法的射程优化简单可行,利用粒子群算法得到的优化参数对改善射程有显著效果,充分发挥了导弹的运载能力。而运载能力的提高对提高导弹武器的目标覆盖范围起到重要作用。     

基于种群多样性测度的PSO算法及其应用研究

针对基本粒子群算法(particle swarm optimization,PSO)易局部收敛的缺陷,设计了一种根据种群多样性测度动态调整惯性权重的改进粒子群算法,通过仿真测试函数与基本粒子群算法、自适应粒子群算法(adaptive particle swarm optimization,APSO)、带收缩因子的粒子群算法(contractive particle swarm optimization,CPSO)进行比较,改进的PSO算法在提高算法的综合搜索能力方面具有优越性。将改进的PSO算法运用到作战飞行器航迹规划中,并进行了仿真实验,仿真结果验证了改进算法的有效性。