求解不确定型车辆路径问题的弱鲁棒优化方法

为降低鲁棒优化模型最优解的保守性,以最小化违约车辆数和总惩罚成本为目标,建立针对旅行时间不确定的开放式车辆路径问题的弱鲁棒优化模型。对于不确定数据集的每个取值,该模型的最优解可以使其目标函数值始终不超过某数值,进而改善最优解的保守性。为提高启发式算法发现最优解的概率,提出一种自设计遗传算法对模型进行求解,其主要思想是利用粒子群算法搜索出可使遗传算法预期产生最好解的算法要素,并将其进行组合,从而产生新的遗传算法。采用新产生的遗传算法对模型继续求解,输出最好解。计算结果表明:与以往的鲁棒优化方法相比,弱鲁棒优化方法的最优解的保守性显著降低。     

基于强化学习的移动自组织网络分步路由算法*

移动自组织网络是一种无基础设施、由移动通信节点组成的无线网络,具有高度的动态特性。传统的路由协议并不能适应节点移动性带来的频繁拓扑变化,简单的洪泛路由也会因开销过大降低网络的性能。针对如何在移动自组织网络中自适应地进行路由选择,提出了一种基于强化学习的分步路由选择算法。该算法以最小链路总往返时延为目标,基于强化学习进行路由搜寻,在筛选出符合目标需求节点集合的基础上,结合置信度选择路由。在链路变得不可靠时,数据包被广播给筛选出的邻居节点集来提升路由可靠性并降低开销。对提出的算法在分组到达率和路由开销等主要性能指标进行数值仿真分析,仿真结果表明,提出的分步路由算法相比于基于强化学习的智能鲁棒路由,在降低开销的同时,保持着相当的吞吐率。     

Initial alignment of compass based on genetic algorithm-particle swarm optimization

The rapidity and accuracy of the initial alignment influence the performance of the strapdown inertial navigation system (SINS), compass alignment is one of the most important methods for initial alignment. The selection of the parameters of the compass alignment loop directly affects the result of alignment. Nevertheless, the optimal parameters of the compass loop of different SINS are also different. Traditionally, the alignment parameters are determined by experience and trial-and-error, thus it cannot ensure that the parameters are optimal. In this paper, the Genetic Algorithm-Particle Swarm Optimization (GA-PSO) algorithm is proposed to optimize the compass alignment parameters so as to improve the performance of the initial alignment of strapdown gyrocompass. The experiment results showed that the GA-PSO algorithm can find out the optimal parameters of the compass alignment circuit quickly and accurately and proved the effectiveness of the proposed method.     

SpaceWire网络热点通信模式的缓存资源分配算法

基于SpaceWire网络在热点通信模式下的工作特点,研究缓存资源的分配算法。给出均匀通信模式和热点通信模式的释义;推导网络路由节点的满负荷概率和平均延时的解析方法,计算网络中的关键通信节点;再给出SpaceWire网络缓存资源分配算法。利用Opnet网络仿真平台建立SpaceWire通信模型,仿真了不同通信模式中采用缓存优化策略前后的关键性能指标。研究结果表明:在热点通信模式状态下,该缓存资源分配算法在保证总资源一定的前提下,网络系统的平均延时降低,优化了SpaceWire网络性能。     

一种用于SpaceWire网络的混合路由机制设计*

针对星上系统总线多元性导致的星载网络接口和协议不能标准化的发展瓶颈,本文基于SpaceWire总线协议,通过将静态路由(时间触发)与动态路由(事件触发)机制结合,实现了控制数据和载荷数据共用网络。静态路由完全遵循SpaceWire-D协议,在保证确定性传输的同时,通过启发式调度算法首次实现了多时间窗并行调度,并提出利用最大公约数法设计时间窗,以提高网络吞吐量;动态路由通过对随机事件和载荷数据分配优先级,实现传输路径冲突时对紧急任务的优先处理。最后在OPENT中搭建网络系统仿真模型,对所提出的路由机制进行了仿真。实验结果表明,静态路由时段网络吞吐量较现有调度算法有明显提高,动态路由实现了紧急事件优先传输。     

集中控制混合网络中基于流的资源分配算法

集中控制混合网络中,异构化网络内部的流量具有一定的规律和特性,如果使用原有的单一的离散式最大极值和无状态的网络资源调度算法,忽略了异构网络规律,会造成网络利用率较低、易震荡、部分网络流延迟等问题。通过分析由集中控制网络和普通网络组成的混合网络的拓扑结构,对混合网络结构中常见问题如流闪现、不能估计的流、路径堵塞或连接震荡场景进行分析,并提出基于期望和状态的流量评价资源规划算法POS和POS-FME。算法考虑混合网络的运行状态,对系统可用资源进行评估,为系统中各种流匹配对应可用资源,并具有一定的预测作用,从而避免混合网络出现运行效率低下的场景。通过实验,POS算法和POS-FME算法相对传统算法,利用率提高了10%～30%,并降低了震荡和平均延迟。     

基于排挤机制改进的多目标进化算法

进化算法是求解多目标优化问题(MOP)重要而有效的方法。为加快收敛速度,提高收敛精度,在已有算法(NSGA-Ⅱ)的基础上,引进小生境思想,提出了更为合理的排挤机制。通过典型应用函数的计算测试,结果表明:上述改进不仅具有较高的计算效率,而且能够得到分布更为合理的解,且能保持解的多样性分布。     

轮式移动机器人有限时间镇定控制器设计

主要研究了单链链式系统的有限时间镇定问题。通过探讨n维链式系统的潜在线性结构,将其分解成一个标量子系统和一个n-1维线性时变子系统,并证明了该时变子系统在具有时变函数系统矩阵时的能控性。在此基础上,采用分段控制策略,基于终端滑模控制理论设计了不连续反馈镇定控制律,实现了系统的有限时间镇定。最后将该结论应用到非完整轮式移动机器人,仿真结果验证了方法的正确性。     

时域电场积分方程中的奇异提取技术

介绍了一种基于奇异提取技术的时域积分方程中奇异积分的处理方法,在奇异提取过程中,电磁波传播的延迟效应对积分的贡献包含在内。数值实验表明该方法能够大幅提高自作用和近作用阻抗矩阵元素的计算精度。     

自适应交互多模型火控跟踪算法

以舰载近程防空火控系统的跟踪预测为背景,提出一种自适应的交互式多模型跟踪算法,模型集合取为"当前"统计模型和匀速直线模型.该算法采用后验估计的方法在线辩识及自适应调整上述两个模型的噪声方差,并且采用加权系数限定准则,实现机动目标运动模式与模型集合的自适应.仿真计算证明了该模型算法的有效性.