一种基于混沌映射的粒子群优化算法及性能仿真

粒子群算法收敛速度快,规则简单,但易陷入局部极值.在粒子群算法中引入混沌序列,提出一种优化策略,以分阶段的思想进行寻优,使其在搜索初期更具遍历性,在搜索中后期,通过人为改变个别粒子的速度和位置,使算法具有更快的收敛速度与更好的全局搜索能力.在此基础上,提出一种改进Tent映射的策略,并将优化策略分别应用于基于Logistic映射的粒子群和改进的Tent映射的粒子群,同标准粒子群算法在寻优速度、精度、成功率等方面进行仿真与比较.     

组合优化问题的混沌搜索策略

针对组合优化问题,提出了一种混沌优化策略。首先定义了两种解矩阵的变换操作:交换操作和移位操作。然后在寻优过程中,对解矩阵不断执行这两种操作,并利用混沌搜索方法确定所进行操作的矩阵位置,从而完成组合优化问题的求解。对于规模较大的组合优化问题,可结合模拟退火思想来进一步改善算法的寻优性能。仿真结果表明,该方法的搜索效率要明显高于其他优化方法,并可用于解决多种实际工程问题。     

基于Tent映射的混沌混合粒子群优化算法

为改善基本粒子群优化算法的寻优性能,通过算法混合,在粒子群优化算法中逐步引入优进策略和混沌搜索机制,以加强粒子群的局部寻优效率和全局寻优性能。并将粒子分为两类,分别执行不同的进化机制,实现协同寻优,从而构建为一种新的混沌混合粒子群优化算法。标准测试函数的仿真优化结果表明,该混合算法对较大规模的复杂问题具有较强的求解能力。算法寻优效率高、全局性能好、优化结果稳定,性能明显优于标准粒子群优化算法以及遗传算法等单一的随机搜索方法。     

基于动态影响网的任务联盟演化过程行动策略优选

优化选择一定的行动策略能促使任务联盟向期望的目标效果演化。考虑部分事件/行动在不同时段下影响强度不相一致,使用考虑影响值时变的动态影响网对联盟演化过程行动策略优选问题进行建模,给出因果强度逻辑下概率传播参数设计的一致性条件,并基于因果强度逻辑进行影响值计算。基于物种进化中存在基因漂流的特性,设计一种学习型遗传算法(learnable genetic algorithm, LGA)对行动策略优选模型进行优化求解,通过染色体种群对优秀染色体优势基因位学习,结合有效的遗传和选择算子,加快算法收敛寻优速度。结合空中进攻作战想定案例进行仿真验证,计算结果表明,在部分事件/行动节点影响值变化下进行策略优选,提高了对因果关系的建模能力,所提的学习型遗传算法具有良好的收敛性和较好的寻优能力。     

应用混合进化策略辨识Wiener-Hammerstein模型

提出了一种基于进化策略的多输入单输出Wiener-Hammerstein模型辨识新方法。该方法的基本思想是将模型辨识问题转化为非线性不可微函数优化问题,然后采用进化策略获得该优化问题的解。为了进一步增强进化策略辨识的性能,提出一种混合进化策略方法。混合进化策略采用如下方法以提高算法的全局寻优能力:基本排序的高斯-柯西自适应混合变异算子;策略参数的中间重组和均匀扰动;混合选择方案。仿真结果验证了上述混合进化策略辨识方法的有效性。     

具有混沌搜索策略的萤火虫优化算法

萤火虫算法是一种新颖的仿生群智能优化算法,分析了算法的仿生原理和局限,提出一种改进萤火虫局部搜索能力的优化算法。通过逻辑自映射函数产生混沌序列,引入到萤火虫算法中对精英个体进行混沌优化,同时动态收缩搜索空间以加快收敛速度。改进算法有效结合了基本萤火虫算法的局部搜索能力和混沌算法全局优化能力,对典型函数的仿真测试表明,改进算法显著提高了优化性能,在收敛速度和寻优精度方面优于基本萤火虫算法,适合复杂函数优化问题。     

基于遗传算法的ATM网络中VCC路由选择方法

针对遗传算法强大的全局寻优和并行处理能力 ,提出了一种改进的遗传算法调度ATM网络动态路由的新算法。综述了使用遗传算法进行通信网络节点选择的问题 ,指出了原有算法进行遗传算法优化时存在的不足 ,并提出一种新的基于动态惩罚的解决策略 ,其思想是在进化的过程中 ,逐渐减小对可行解惩罚的力度 ,使网络向可行解逼近。通过简单模型的仿真 ,验证了动态惩罚策略的可行性和有效性。     

具有混沌搜索策略的蝙蝠优化算法及性能仿真

蝙蝠算法是受自然界中的蝙蝠通过回声定位进行搜寻、捕食行为的启发演变而来的一种新颖的仿生群智能优化算法.在分析基本算法仿生原理和局限性的基础上,提出一种改进蝙蝠局部搜索能力的优化算法,通过逻辑自映射函数产生混沌序列,引入到蝙蝠算法中对精英个体进行混沌优化,同时动态收缩搜索空间以加快收敛速度.改进算法有效结合了基本蝙蝠算法的全局优化能力和混沌算法的局部搜索能力,对经典函数的仿真测试表明,改进算法显著提高了优化性能,在寻优精度和全局收敛能力方面优于基本蝙蝠算法,是解决工程应用中复杂函数优化问题的一种有效方法.     

改进二进制编码变异策略研究

由于是一种随机优化方法，标准遗传算法存在着一些不足之处，如局部搜索能力差，寻优精度不高，存在早熟收敛等。为了解决这些问题，提出了一种基于二进制编码基因住的变异策略，对编码串中的各个基因住赋予不同的变异率：在进化初期，赋予个体的高位基因以较大的杂交率，这样可以搜索到更大的解空间，提高算法的全局搜索能力；在进化后期已逼近最优解时，降低高住基因的变异率，减小较优个体被破坏的概率，同时提高低位基因的变异率，增强算法在局部范围的搜索能力。优化实例仿真结果表明，同标准遗传算法相比，改进算法具有寻优精度高，稳定性好，收敛性强等优点。     

—基于遗传算法的铁路客车地板结构优化设计与仿真

本文提出了基于遗传算法对工程结构进行截面尺寸优化设计和仿真的新方法。利用遗传算法在寻优过程中不要求梯度计算这一优良的特性，将它与结构有限元分析和ＣＡＤ技术有机地结合在一起，实现了在ＣＡＤ环境下对铁路客车一种地板结构截面尺寸设计计算、优化及结果仿真。本文所提出的方法不仅简单易行而且容易推广到更复杂的工程结构截面尺寸优化问题。     

基于强化学习的全电推进卫星变轨优化方法

采用电推力器实现自主轨道转移是全电推进卫星领域的关键技术之一。针对地球同步轨道(geostationary orbit, GEO)全电推进卫星的轨道提升问题, 将广义优势估计(generalized advantage estimator, GAE)和近端策略优化(proximal policy optimization, PPO)方法相结合, 在考虑多种轨道摄动影响以及地球阴影约束的情况下, 提出了基于强化学习的时间最优小推力变轨策略优化方法。针对状态空间过大、奖励稀疏导致训练困难这一关键问题, 提出了动作输出映射和分层奖励等训练加速方法, 有效提升了训练效率, 加快了收敛速度。数值仿真和结果对比表明, 所提方法更加简单、灵活、高效, 与传统的直接法、间接法以及反馈控制法相比，能够保证轨道转移时间的最优性。     

General Method of Building a Real-Time Optimization Policy for Dynamic Vehicle Routing Problem

Currently, most of the policies for the dynamic demand vehicle routing problem are based on the traditional method for static problems as there is no general method for constructing a real-time optimization policy for the case of dynamic demand. Here, a new approach based on a combination of the rules from the static sub-problem to building real-time optimization policy is proposed. Real-time optimization policy is dividing the dynamic problem into a series of static sub-problems along the time axis and then solving the static ones. The static sub-problems' transformation and solution rules include: Division rule, batch rule, objective rule, action rule and algorithm rule, and so on. Different combinations of these rules may constitute a variety of real-time optimization policy. According to this general method, two new policies called flexible G/G/m and flexible D/G/m were developed. The competitive analysis and the simulation results of these two policies proved that both are improvements upon the best existing policy.     

航空兵场站油料库存控制仿真模型

围绕航空兵场站油料库存控制策略（补充时机、补充数量），做了如下工作：依据库存控制理论中的近似方法求得最优库存控制策略的初始值；给出了评价库存控制策略的评价指标及计算方法；建立了航空兵场站油料库存控制仿真模型和仿真方法；依据仿真模型和评价指标，通过仿真可以在最优库存控制策略初始值附近的一定范围内，搜索获取利于组织运输、操作方便实用的较优库存控制策略。算例表明，文中所建的仿真模型和方法具有重要的理论和实际价值。     

地面运动目标的多UAV协同搜索方法

对地面运动目标的搜索是无人机(unmanned aerial vehicle, UAV)航路规划的重要研究内容之一,受目标运动的影响,传统的垂线扫描搜索方法对速度较大的运动目标搜索能力不足。为了提升对运动目标的搜索效率,提出多无人机(multi-unmanned aerial vehicle, multi-UAV)并排回寻式搜索方法,以回寻速度与推进距离为参数构建了协同搜索数学模型,搜索效率须在搜索速率和发现概率2个指标之间权衡,通过对模型参数进行优化,得出不同应用场景下的最优搜索方案。仿真结果表明:与垂线扫描搜索法相比,在相同的发现概率下,该方法允许目标的运动速度更快;在目标运动速度相同时,目标发现概率更高。在算例的飞行条件下,目标发现概率比垂线扫描法提高约15个百分点。     

高超声速伸缩式变形飞行器再入轨迹快速优化

针对高超声速变形飞行器再入轨迹优化问题, 研究了一种基于改进高斯伪谱法(Gauss pseudospectral method, GPM)的快速优化方法。首先，针对一种采用伸缩式机翼的高超声速变形飞行器, 建立了将展长变形量扩展成为控制变量的再入轨迹优化模型。其次, 采用GPM将轨迹优化问题转化为非线性规划(nonlinear programming, NLP)问题, 并基于NLP偏导数的稀疏性推导目标函数梯度和约束Jacobian矩阵的高效计算方法。最后, 优化求解了变形飞行器的最大横向航程、再入可达区、最大终端速度和最小飞行时间。仿真结果表明, 推导的梯度计算方法可有效提高优化求解效率, 变形飞行器相对于固定外形飞行器的性能更加优越, 最大横向航程、可达区覆盖范围、最大终端速度和最小飞行时间等指标均有显著提升。     

城市仿真中地形的快速构建方法

给出了一种基于MultiGenCreator的城市仿真中地形的快速构建方法,分析了虚拟城市中地形的特点,阐述了快速构建方法的原理,对方法实现过程中的纹理映射、模型优化等几个具体问题进行了分析并给出了解决办法,文章最后则给出了实验结果和进一步的研究方向。实践表明,该方法可以大大提高城市仿真中的建模速度,从而减少城市仿真产品的生产成本。     

大系统的快速寻优设计和计算机仿真

本文提出的快速寻优设计法可应用在变频变速的大系统。快速寻优设计和计算机仿真应用的研究。通过上机实践表明本方法能大幅度缩短优化设计的时间。本文还对六阶变频调速系统进行优化设计和仿真，系统动态实验表明，结果令人满意。     

基于新最速下降算法的自适应波束形成

针对阵列信号处理中自适应波束形成技术的抗干扰问题, 提出一种基于新的最速下降法的波束形成算法。新的最速下降法将多元二次凸优化问题转换为一元二次问题, 通过循环迭代的方式使求出的极值点向高维凸优化问题的极值点逼近, 最终使结果收敛到最优解。将这种算法应用于自适应波束形成, 提高自适应波束形成的收敛速度、抗干扰能力和低快拍下工作的能力。经过仿真验证, 与基于最小均方算法以及改进最小均方算法的波束形成方法进行比较, 所提出的波束形成算法具有抗强干扰、收敛速度快、能在低快拍条件下工作的优点。     

MPSO-RBF优化策略在锅炉过热系统辨识中的仿真研究

提出了基于改进PSO算法的RBF神经网络混合优化（MPSO-RBF）方法，并将其应用到非线性系统的辨识中。该方法将改进PSO算法的全局搜索能力和RBF神经网络局部优化的高效性相融合，克服了普通PSO算法收敛的不稳定性和RBF网络易陷入局部极小值的缺点。经典型非线性系统仿真试验，并与GA-RBF和RBF辨识效果进行了对比，结果表明基于MPSO-RBF的混合优化方法较GA-RBF和RBF优化速度快、逼近性能好，可以达到更优的辨识精度。最后，通过对火电厂的过热汽温动态特性的辨识实例，同样证明了MPSO-RBF方法具有更好的性能指标。     

定期保障模式下舰船编队携行备件配置优化

舰船编队海上任务期间,需要制定合理的携行备件方案以提高装备的战备完好性.针对海上定期保障模式下,将多层级复杂装备结构等效为单层级,提出一种备件需求分析与配置优化的近似方法,根据系统可靠性理论,建立了多阶段任务下的装备可用度评估模型,采用基于补给周期的分段求解方法.通过算例,采用边际优化算法得到携行备件优化方案,对模型结果进行了仿真验证,结果表明:模型计算结果与仿真结果吻合,两种取整方式下的方案费效比相当,采用定期保障模式能够提高备件供应效率,进一步增强备件方案的鲁棒性.