一种基于多目标微粒群优化的虚拟网络映射方法

针对多个虚拟网络同时映射时资源统一优化分配的问题,提出了一种基于多目标微粒群优化的虚拟网络映射方法(MSC-VNE),提高底层网络资源利用率及全局负载均衡性能。建立了虚拟网络映射的多目标优化模型,将单个虚拟网络映射作为一个子群,并采用多子群协作优化的方法在子群映射时通过相互信息交换进行协同进化,最终达到全局资源的优化分配。仿真结果表明,与典型成果相比,提出的方法有效地提高了底层网络资源利用率和虚拟网络构建成功率。     

基于NSGA-Ⅱ多目标优化的C2组织设计

把NSGA-Ⅱ算法用于求解C2组织设计问题.分析了C2组织设计常见处理算法在优化目标处理和算法流程两方面存在的问题,给出用NSGA-Ⅱ算法求解C2组织设计问题的算法设置.把NSGA-Ⅱ这样一种多目标优化算法引入C2组织设计问题,改变了以往研究此类问题时只能定义单个指标的情况,使领域专家能定义和研究新的优化目标.针对C2组织设计问题的特性做了调整后,实验结果数据表明NSGA-Ⅱ可以迅速地同时得到高质量和富有启发性的一群优化结果.     

地基雷达探测临近空间高超声速目标优化部署方法

为提高地基雷达对临近空间高超声速目标的探测能力,探讨了一种实用高效的地基雷达优化部署方法,对地基雷达探测临近空间高超声速目标的难点和数学模型进行了分析,提出了地基雷达探测临近空间高超声速目标的部署原则和量化指标,建立了地基雷达优化部署模型,并进行了信息素引导性控制的蚁群算法设计。仿真结果表明,该方法可实现多种程式地基雷达的优化部署,提高了地基雷达优化部署效率和可操作性,为地基雷达探测临近空间高超声速目标的优化部署提供了一种新思路。     

电动缸举升机构伺服性能的亚全局并行优化设计

针对电动缸举升伺服机构的非线性环节对武器站伺服性能的影响,基于应用背景开展了伺服性能优化方法的研究。针对可设计非线性环节中的增益波动、间隙宽度、不平衡力矩和摩擦力矩进行了作用机理分析;基于机构布局和控制器参数建立了运动学、动力学和控制策略的数学模型、设计约束和目标优化函数;提出了亚全局并行优化方法,对可设计非线性环节进行了基于内点法的多目标优化,解决了局部串行优化的局部最优问题;对基于PI控制器+DOB观测器的复合控制策略进行了单独设计,解决了机械惯量参数、控制器参数和观测器名义模型不匹配的问题。经验证,亚全局并行优化方法的优化结果在整体上更佳,且更加贴合工程实际。     

小行星探测多脉冲交会轨道多目标优化

现有的小行星探测交会轨道研究多集中于二脉冲最优燃料研究,本文则研究了小行星探测多脉冲交会轨道多目标优化问题.基于Lambert交会算法建立了包含地球逃逸轨道和日心转移轨道的多脉冲交会轨道优化模型,以燃料消耗最小和转移时间最短为两个优化目标函数.采用一类典型的多目标进化算法——NSGA -Ⅱ用于Pareto最优解的确定....     

型号项目工期风险管理决策模型与自适应遗传算法

针对型号项目的过程特点,建立了型号项目工期风险的管理决策模型。模型考虑了型号项目中活动重叠、活动迭代、活动执行时间的不确定性和可更新资源总量等重要的工期风险影响因素。从模型的特点出发,给出了问题求解的基于自适应遗传算法的仿真优化方法。算例显示,该算法能较好地求解本文的工期风险管理决策问题。     

线性分式规划原始单纯形算法有限性问题

本文用一个数值例子说明用[1] 和[2] 中的原始单纯形算法求解退化的线性分式规划(LFP) 可能会出现基循环,从而得不到最优解。于是就此情形引入了Bland规则,并建立了有限性算法。     

星际探测太阳帆行星和太阳借力轨道全局优化

以太阳帆在20年内飞行至距离太阳200 AU以远进行星际探测为目标,研究太阳帆通过行星借力和太阳借力的轨道全局优化问题。建立太阳帆时间最优转移轨道数学模型,分析行星借力和太阳借力的约束条件,并用这些约束条件构造目标函数,从而将轨道优化的四点边值问题转化为求解无约束条件下的多变量优化问题。通过选取合理的约束权重,采用遗传算法获得大范围的粗略解,代入到序列二次规划算法中获得高精度解。仿真结果表明,虽然太阳帆通过太阳借力已获得相当大的加速度,但加上木星借力仍然可以节省相当多的飞行时间。提出的轨道优化思路,可以为太阳系逃逸任务轨道初步设计提供参考。     

高超声速飞行器的弹道优化评估方法

高超声速飞行器弹道优化算法的综合评估对选取最优的弹道优化算法具有重要的参考意义。根据高超声速飞行器的特性,将其弹道分解为上升段、巡航段及俯冲段三个阶段,分别给出了各阶段的性能评价指标和对各阶段性能评价指标赋权的典型方法,并结合灰色关联度分析理论提出了弹道优化算法的综合评估方法。评估实例表明,该方法能定量地对多种弹道优化方法所生成的弹道进行综合性能评估,并能对备选优化方法的优劣进行排序。     

认知无线Mesh网络中资源节约的最小信道冲突值组播路由算法

认知无线Mesh网络中满足服务质量约束的多目标优化组播路由问题比单目标优化组播问题更加复杂,为了快速求解认知无线Mesh网络中满足服务质量约束的、以最小化资源消耗与最小化信道冲突值为目标的多目标优化组播路由问题,提出一种基于粒子群优化算法的问题求解框架,包括问题描述、粒子编码与粒子初始化、适应度函数、粒子飞行、粒子变异、粒子消环。粒子由表示节点之间连接关系的带权邻接矩阵表示,重新定义了用于粒子飞行的3种运算规则以及粒子飞行运算和粒子变异运算。仿真结果表明提出的算法能达到预定目标,资源消耗较低且能获得较低的信道冲突值。