改进蚁群算法在P2P网络资源搜索中的应用

针对P2P网络搜索算法中冗余查询消息过多,资源搜索效率低的问题,提出了基于改进蚁群算法的P2P资源搜索算法,算法中在选择邻节点查询时,综合考虑到本地资源情况、邻节点资源情况、邻节点资源相似度等因素,尽量避开了资源搜索中的恶意节点,并改进了基本蚁群算法的状态转移规则,从而避免了查询消息的盲目发送。仿真实验表明,与传统资源搜索算法K-radom-walks和Flooding相比,该算法在搜索命中率和带宽利用率方面有明显提高。     

舰载机多机一体化机务保障调度研究

针对舰载机多机一体化机务保障调度问题,以出树、入树的形式描述实际保障过程中并行工序的约束关系,以最大保障完工时间和资源负载均衡性为目标,构建了舰载机多机一体化机务保障非线性多目标混合流水车间调度模型,并设计了一种结合基于Insert的动态邻域爬山搜索策略和并行工序的同步化修正的Memetic算法求解该模型。最后通过实例仿真验证了模型和所提算法的可行性和有效性。     

使用图像优化方法估计水体调制传递函数

针对水体属性的变化使图像复原困难的问题,提出了一种从退化的水下图像中估计自然水体调制传递函数的方法。该方法首先建立了自然水体的调制传递函数与其固有光学特性参数之间的关系,然后采用图像复原技术对图像进行复原,最后使用粒子群优化算法来优化调制传递函数的相关参数。仿真实验表明:该方法能有效对水下图像进行复原,且不需测量水体的光学参数就能估计出自然水体的调制传递函数。该方法用于水下激光成像系统的图像复原可取得明显效果。     

有限维修能力下多级保障系统装备时变可用度评估及保障方案优化

备件库存和站点维修能力是影响备件维修周转的重要因素,制约着装备的使用效果。针对备件需求随任务阶段动态变化时装备保障方案的评估和优化问题,考虑站点维修能力对备件维修过程的影响,结合METRIC建模方法和动态排队理论,建立了有限维修能力下多级保障系统装备时变可用度评估模型。在评估模型基础之上,以保障费用为优化目标、装备可用度为约束条件,建立任务期内多级保障系统保障方案优化模型。以任务期内的最低可用度所对应的备件短缺数为观测值,分析各项资源的边际效益值,采用边际优化算法对各项资源进行优化计算。算例分析表明,评估模型能够计算多级保障系统任务期内各阶段装备可用度;保障方案优化模型和方法能够得到各项保障资源的优化配置方案。提出的模型和优化方法能够为装备保障人员制订合理的保障方案提供决策支持。     

基于跨层协议模型的机间自组织网络优化研究

节点高速移动、拓扑动态变化、传输质量不稳定是机间自组织网络的基本特征,空中环境的特殊性使得网络适应能力和传输效率成为机间自组织网络面临的最基本挑战。分析机间自组织网络的功能需求、传统的分层协议模型在应用过程中存在的问题,提出机间自组织网络跨层协议模型和跨层优化方法,指出研究中面临的难题和技术方向,为机间自组织网络协议设计提供参考。     

基于多群体改进萤火虫算法的装配序列规划

为了解决机械产品装配序列优化问题,提出了一种基于多群体改进萤火虫优化算法的装配序列规划方法。建立了装配序列规划的数学模型,针对萤火虫算法收敛效率低的不足,借鉴混合蛙跳算法族群划分思想对萤火虫算法进行了改进,引用局部搜索与全局信息交换机制提升了算法性能;根据装配序列规划问题离散型的特点,定义了新的离散编码方式和粒子更新策略。通过实例仿真结果表明,改进后的萤火虫优化算法简单有效、稳定性好、求解精度高,能够稳定快速地给出装配序列最优方案。     

基于改进ACO算法的多UAV协同航路规划

针对无人机(Unmanned Aerial Vehicle,UAV)在执行任务过程中遇到的诸如敌方防空火力、地形障碍及恶略天气等各类威胁源,采用威胁源概率分布的方法进行威胁的量化处理,构建任务空间的威胁概率密度分布图,有效消除了威胁源的差异性。根据UAV在任务飞行过程中的性能约束与时、空协同约束,同时考虑任务过程中UAV的损毁概率最小、任务航程最短,构建了相应的综合任务航路代价最优化目标函数。结合传统蚁群优化算法(Ant Colony Optimization,ACO)在解决此类问题中的不足,给出了相应的改进策略,提出采用协同多种群ACO进化策略来实现多UAV在满足时、空协同约束下的协同航路规划。通过相应的仿真计算表明,改进后的ACO协同多种群进化策略算法更适用于多UAV协同任务航路规划问题,具有一定的实用性。从而为多UAV协同任务航路规划问题的求解提供了科学的决策依据。     

拦截弹中制导最优弹道簇生成

针对临近空间高超声速目标飞行速度快,跟踪预测难的特点,提出在中制导阶段进行最优弹道设计与弹道簇生成用于对目标预测命中区域进行有效覆盖的方法。通过分析临近空间高超声速目标对现有防空体系带来的挑战,阐明了在中制导段进行弹道簇设计与生成的必要性;将中制导段的弹道规划问题视为求解满足多种约束条件下的最优控制问题,应用最优化理论方法得到了基准的最优弹道;应用邻域最优控制理论,针对终端约束条件进行调整,设计了邻域最优弹道簇的生成算法。仿真验证了所提方法的有效性。     

基于蒙特卡洛法的无人机飞行冲突解脱安全评估

冲突解脱技术是无人机与有人机共域飞行的前提保障。针对目前缺少对冲突解脱技术安全评估的方法,提出运用蒙特卡洛法对飞行冲突进行仿真模拟,得出冲突解脱算法的安全效率。提出基于改进蚁群算法的冲突解脱技术,实现无人机的飞行冲突解脱;利用蒙特卡洛法,对飞行冲突过程进行大规模仿真,计算冲突解脱效率,与基本蚁群算法进行对比,并从安全角度对结果进行分析。提出的思路可为未来无人机空域运行安全评估体系的构建提供一种理论参考。     

Single‐commodity stochastic network design under demand and topological uncertainties with insufficient data

Stochastic network design is fundamental to transportation and logistic problems in practice, yet faces new modeling and computational challenges resulted from heterogeneous sources of uncertainties and their unknown distributions given limited data. In this article, we design arcs in a network to optimize the cost of single‐commodity flows under random demand and arc disruptions. We minimize the network design cost plus cost associated with network performance under uncertainty evaluated by two schemes. The first scheme restricts demand and arc capacities in budgeted uncertainty sets and minimizes the worst‐case cost of supply generation and network flows for any possible realizations. The second scheme generates a finite set of samples from statistical information (e.g., moments) of data and minimizes the expected cost of supplies and flows, for which we bound the worst‐case cost using budgeted uncertainty sets. We develop cutting‐plane algorithms for solving the mixed‐integer nonlinear programming reformulations of the problem under the two schemes. We compare the computational efficacy of different approaches and analyze the results by testing diverse instances of random and real‐world networks. © 2017 Wiley Periodicals, Inc. Naval Research Logistics 64: 154–173, 2017