基于分解的多目标布谷鸟搜索算法求解多无人机协同任务分配问题

多无人机协同任务分配问题是一个多目标优化问题,将多目标优化问题转化为单目标优化问题的传统方法易造成决策的主观性和片面性.为帮助决策者做出科学决策,提出了一种基于分解的多目标布谷鸟搜索算法用于求解多无人机协同任务分配问题.通过对多无人机协同任务分配问题分析,建立了多无人机协同任务分配模型.将布谷鸟搜索算法的两个关键组件转化为多目标优化算法的繁殖算子,并结合一种自适应算子选择策略,构成了多目标布谷鸟搜索算法.设计了一种新的编码方案,将带约束的多目标优化问题转为无约束的多目标优化问题.仿真实验表明,多目标布谷鸟搜索算法能有效求解多无人机协同任务分配问题.     

高精度程控电阻网络生成算法设计

为了提高高精度程控电阻的设计效率,建立高精度电阻网络的物理模型和数学模型,提出一种高精度程控电阻网络生成算法。该算法根据给定的量程和精度,基于主电阻网络、补偿电阻网络和偏移电阻的组合方式,自动生成高精度程控电阻网络。以量程90~250 Ω、精度5 mΩ的需求为例,在MATLAB平台上对算法进行仿真验证,仿真结果验证了算法的可行性。结果表明生成的程控电阻网络满足目标量程和精度的需求,算法解算时间仅为18.128 s。相比于人工设计的方式,该算法大大提高了设计效率。     

基于变分模态分解的非稳态备件需求预测方法

备件需求量的预测是备件配置的重要内容,针对当前装备备件需求非稳态的特点,提出一种基于变分模态分解的备件需求预测方法.运用变分模态分解将非稳态备件需求序列分解为若干模态分量,引入模糊熵的概念,将周期性、随机性和长期性特征明显的模态分量进行有效聚合,提高计算效率,进而运用预测效果较好的径向基神经网络预测法对聚合后的模态分量分别进行预测,将各分量预测结果进行整合形成最终的备件需求预测值.通过案例分析与实验对比,结果表明提出的方法能够有效挖掘非稳态备件需求序列的深层次信息,实现非稳态备件需求序列的较好拟合,并与其他非稳态时间序列预测方法对比具有较高的预测精度,为适应新时代实战实训背景下备件需求的特点提供了有效的方法支撑.     

WSNs中基于鸡群优化算法选择簇头的簇路由

能量是无线传感网络(Wireless Sensor Networks,WSNs)的重要资源.有效地利用节点能量可延长网络寿命.簇技术是提高资源分配、缓解网络能耗的有效策略.提出基于鸡群优化算法选择簇头的簇路由(Chicken Swarm Optimization-based Cluster Head Selecting Clustering Routing,CSO-CHS).CSO-CHS路由先从能量角度构建目标函数,再利用鸡群优化算法产生最优鸡群,进而形成最优的簇.通过最优的簇,平衡节点间能耗,进而实现延长网络寿命的目的 .仿真结果表明,相比于同类算法,CSO-CHS路由缓解了节点能耗速度,延长了网络寿命.