求解CVRP问题的一种改进启发式蚁群算法

针对蚁群算法求解CVRP问题时收敛速度慢、求解质量不高的缺点,提出了一种改进启发式蚁群算法。该算法借鉴蚁群系统和基于排列的蚂蚁系统的优点设计信息素更新策略,既加强了对每次迭代最好解的利用,又避免了陷入局部最优;按一定比例使用基本方法和基于PFIH方法构造路径,扩大了算法的搜索空间;采用一种混合局部搜索算子,增强了算法局部寻优能力。实验结果表明,改进启发式蚁群算法可以大幅度减少车辆运行成本,具有较快的收敛速度。     

一种楔块式单向超越离合器结构参数优化设计

为优化楔块式单向超越离合器的结构参数,根据漂浮式微型波力发电装置对超越离合器的要求,建立楔块式超越离合器结构参数的数学模型。以体积最小为优化目标,建立接触疲劳强度和各个尺寸的约束条件,并利用Matlab软件的优化工具箱求解数学模型。最后将常规设计参数和优化设计参数进行比较,结果表明:优化设计的体积只有常规设计的72.33%;漂浮式发电装置的传动系统结构更加紧凑,质量更轻。     

改进遗传算法求解电力网攻击无人机分队任务分配

遗传算法因其出色的寻优能力,自提出后就被广泛用于工程技术上的最优化问题求解。根据电力网攻击无人机分队任务分配的实际需要,提出基于遗传算法思想的解决方案,并在原算法基础上,采用种群分组进化的策略进行改进。详细介绍算法的基本原理和仿真步骤,再举出实际算例进行仿真,实验结果证明算法的改进取得了良好效果。     

Model parameter estimation and residual life prediction for a partially observable failing system

We consider a partially observable degrading system subject to condition monitoring and random failure. The system's condition is categorized into one of three states: a healthy state, a warning state, and a failure state. Only the failure state is observable. While the system is operational, vector data that is stochastically related to the system state is obtained through condition monitoring at regular sampling epochs. The state process evolution follows a hidden semi‐Markov model (HSMM) and Erlang distribution is used for modeling the system's sojourn time in each of its operational states. The Expectation‐maximization (EM) algorithm is applied to estimate the state and observation parameters of the HSMM. Explicit formulas for several important quantities for the system residual life estimation such as the conditional reliability function and the mean residual life are derived in terms of the posterior probability that the system is in the warning state. Numerical examples are presented to demonstrate the applicability of the estimation procedure and failure prediction method. A comparison results with hidden Markov modeling are provided to illustrate the effectiveness of the proposed model. © 2015 Wiley Periodicals, Inc. Naval Research Logistics 62: 190–205, 2015     

改进人工蜂群算法的无人机航迹规划研究

如何快速地规划出满足约束条件的飞行航迹,是实现无人机自主飞行的关键。将改进的人工蜂群算法应用于求解无人机航迹规划问题,同时在人工蜂群算法的侦察阶段引入差分进化算法的思想。通过仿真实验并与标准人工蜂群算法比较,结果表明此算法能够有效加快收敛速度,提高最优航迹精度,是解决航迹规划和其他高维复杂函数优化的有效方法。     

某自动补弹系统翻转机构的优化设计

根据自动补弹系统中翻转机构的功能和设计要求,设计了一种新型的翻转机构,使用ADAMS软件对其进行优化设计,得到相应的曲线和较为理想的结果参数。结果表明通过对翻转机构的优化设计,为自动补弹系统翻转机构的改进设计起到指导作用,该方法对自动补弹系统中其他机构的优化分析也具有一定参考价值。     

运用粒子群优化算法的平流层飞艇总体设计

平流层飞艇总重最小化能一定程度上反映总费用最低的设计目标,满足有效载荷功率需求是飞艇总体设计的出发点和落脚点。在飞艇参数建模中引入太阳电池曲面铺装模型以及昼夜能源闭环模型;以整艇重量最小为设计目标,以昼夜能源供需平衡、浮重平衡、推阻平衡三大平衡问题为约束条件,运用粒子群优化算法对飞艇的外形尺寸参数进行优化设计;分析了有效载荷功率需求和功率密度对于飞艇总体设计结果的敏感性。分析结果表明:飞艇总重随有效载荷功率线性增加;飞艇总重随有效载荷功率密度增加而迅速减小,但变化率逐渐变小,飞艇总重趋于稳定。能源系统仿真的结果表明了飞艇总体设计方法的有效性和设计结果的临界特性。     

单像自标定的迭代优化方法

针对基于灭点的单像自标定方法精度不高的局限性,利用影像中的灭点和椭圆几何约束信息,提出一种迭代优化的单像自标定方法。根据极点-极线关系及其表示的正交性,由影像中的椭圆曲线及其所在平面的灭线确定一组正交共轭灭点对。利用这些正交共轭灭点对建立关于主距和主点的非线性模型,以主距的方差最小作为优化准则,并选用多个位置作为主点的初始值进行多次迭代优化估计,获得主距和主点的最优结果。仿真影像和真实影像实验结果表明,该方法能够有效地实现单像自标定。与基于灭点的摄像机标定方法相比,该方法能够获得更为满意的标定结果。     

基于遗传神经网络算法后勤指挥决策能力预测

分析了后勤指挥的主要影响因素,运用信息论中的信息压缩原理,建立和优化了后勤机关指挥决策能力预测指标体系。建立了遗传算法优化的BP神经网络后勤机关指挥能力预测模型,消除了BP神经网络存在的初始权值和阈值难以确定的局限性。给出了预测实例,证明了该算法的合理性和有效性。     

舰载机机翼模型的快速建模技术

舰载机机翼结构的优化设计过程中需要建立大量的复杂仿真模型,传统仿真软件不能解决其快速建模问题。基于航空领域中广泛使用的CATIA设计平台,提出了一种针对某型号舰载机机翼模型的快速建模方法。通过对模型种类划分、建模基准及建模标准化流程的封装,建立了机翼中各类组成零件三维模型的快速设计模板,实现了快速自动建模。结果表明,机翼骨架快速建模系统能够建立优质高效的三维模型,为整机的分析及系统的仿真提供了有力的保障。