复杂海战场环境下AUV全局路径规划方法

针对无人自主水下航行器(Autonomous Underwater Vehicle, AUV)在复杂海战场环境中路径规划时环境模型复杂、约束条件多的情况,建立了包括战场地形、敌方威胁、障碍物和海流场等在内的比较完善的海战场环境模型。以AUV航行时间、威胁时间最短为优化目标,给出了一种基于振荡型入侵野草优化(Invasive Weeds Optimization, IWO)算法的AUV全局路径规划方法,并分别与标准IWO算法、全振荡型IWO算法以及粒子群算法等三种路径规划算法比较。仿真结果表明,所提方法具有较强的寻优能力和鲁棒性,可在复杂海战场环境下为AUV高效地规划出满足性能要求的航行路径。     

基于气动-弹道一体化模型的飞行器外形优化设计

为提升飞行器气动外形优化设计效果,研究了新型飞行器在大空域、宽速域范围的气动适应性问题,提出一种基于气动-弹道一体化模型的外形优化设计方法。通过考虑气动和弹道的耦合作用,综合利用类型函数/形状函数转换技术、气动工程估算方法和Radau伪谱法,建立飞行器气动-弹道一体化模型。基于该模型,通过明确优化目标和约束条件,给出基于Kriging的气动外形优化方法,实现在多参数约束条件下的飞行器气动外形高效全局优化。以升力体构型飞行器为例,开展气动外形优化设计,结果表明该方法能较好地描述大空域、宽速域的气动和弹道特征,有效提升飞行器气动外形设计精度和水平,可为新型飞行器总体设计提供技术支撑。     

Using stochastic programming to solve an outpatient appointment scheduling problem with random service and arrival times

We study a stochastic outpatient appointment scheduling problem (SOASP) in which we need to design a schedule and an adaptive rescheduling (i.e., resequencing or declining) policy for a set of patients. Each patient has a known type and associated probability distributions of random service duration and random arrival time. Finding a provably optimal solution to this problem requires solving a multistage stochastic mixed‐integer program (MSMIP) with a schedule optimization problem solved at each stage, determining the optimal rescheduling policy over the various random service durations and arrival times. In recognition that this MSMIP is intractable, we first consider a two‐stage model (TSM) that relaxes the nonanticipativity constraints of MSMIP and so yields a lower bound. Second, we derive a set of valid inequalities to strengthen and improve the solvability of the TSM formulation. Third, we obtain an upper bound for the MSMIP by solving the TSM under the feasible (and easily implementable) appointment order (AO) policy, which requires that patients are served in the order of their scheduled appointments, independent of their actual arrival times. Fourth, we propose a Monte Carlo approach to evaluate the relative gap between the MSMIP upper and lower bounds. Finally, in a series of numerical experiments, we show that these two bounds are very close in a wide range of SOASP instances, demonstrating the near‐optimality of the AO policy. We also identify parameter settings that result in a large gap in between these two bounds. Accordingly, we propose an alternative policy based on neighbor‐swapping. We demonstrate that this alternative policy leads to a much tighter upper bound and significantly shrinks the gap.     

基于最优化模型的太阳影子定位方法

针对利用太阳影子实现目标的定位问题,分析得到影响影子长度的参数,确立了影长与太阳高度角、目标物长度、经纬度等的函数关系,并结合最小二乘法思想,建立了以理论影长与实际影长之差的平方和最小为目标的优化模型。以直杆为例,运用粒子群优化算法快速求解得到目标的可能位置,并与实际地点进行了比较。     

飞机飞行控制律多目标优化设计研究

针对传统飞行控制律参数单目标优化设计不能同时满足多控制指标要求,且与飞行品质要求缺乏相关性,物理意义不明确等缺点,提出了一种基于改进NSGA-II算法的飞行控制律多目标优化设计方法。在该算法中提出了一种分化进化策略,使得进化搜索过程中染色体群可以自适应分化为数量和构成动态调整的子群,避免了多染色体子群对局部最优区域的重复搜索,维持染色体的多样性,有效抑制了早熟收敛现象发生。最后,使用改进的NSGA-II算法对某型飞机横航向控制律设计进行数值仿真,结果显示提出算法有效提高控制律优化调参效率,结果满足期望的飞行品质要求。     

气控软体驱动器结构分析与优化设计

气控软体驱动器的结构特性对其运动和力学特性影响显著,目前气控软体驱动器支反力和倾角性能亟须提升.基于ABAQUS提供的脚本接口,采用Python语言开发脚本建立气控软体驱动器参数化仿真模型,将尺寸因子作为优化变量,联立Isight和ABAQUS,采用单因子试验方法确定倾角和支反力两个目标量的高敏感性影响因子.运用归一化...     

混合不确定条件下的飞行器级间分离可靠性分析

为量化飞行器级间分离过程随机不确定性和认知不确定性的综合影响,结合概率和区间理论混合模型特点,提出了一种基于随机和区间理论混合模型的飞行器级间分离可靠性分析方法。面向高超声速飞行器分离任务需求,建立分离动力学仿真模型,针对级间分离结构的几何特点,设计了一种快速碰撞检测方法,进而构建了分离任务的可靠性分析混合模型。通 过将该模型转化为随机可靠性分析的无约束优化问题,考虑分离过程中复杂外力及力矩导致功能函数高度非线性的特点,利用高效全局优化和主动学习Kriging方法实现无约束优化问题高效求解。结合实例表明,该方法能够准确描述混合不确定性因素对飞行器分离过程的影响,给出了飞行器分离任务可靠性区间,可为飞行器分离方案的精细化设计提供决策支持。     

基于进化搜索策略的并行子空间设计算法

并行子空间设计是一种有效的多学科设计优化算法,但其搜索策略存在两点不足:一是寻找全局最优解能力有限,二是计算复杂。为弥补上述不足,将遗传算法应用到CSD算法中,提出了一种基于进化搜索策略的CSD算法。介绍了该算法的设计流程,应用该算法对一测试问题进行了优化,取得了满意结果。     

基于蚁群算法的防空C3I系统火力分配模型研究

针对当前火力分配问题实现难度大的特点,分析各种火力分配优化方法的优缺点,运用新型蚁群算法尝试解决WTA问题。建立了基于蚁群算法的火力分配优化模型,描述了解火力分配问题的一般步骤,通过实例给出了算法,解决了WTA问题。并与匈牙利法相比较,结果表明该方法的合理性和有效性,特别是在武器—目标数较大时,其效率要高于常用的匈牙利法。     

联合战役油料输送系统模拟模型及优化研究

油料输送是联合战役油料保障中的重要环节,其本质是一个受多种随机因素影响的复杂过程。以运筹学的排队论为建模指导思想,将联合战役油料输送视为一个由多个子系统组成的排队系统,在这一系统中有活动实体(油料)在其中流动。对此动态过程进行模拟分析,结合优化技术,定量分析各种输送方案的军事经济效益,为组织计划联合战役油料输送提供有效的决策支持。