基于GA-SA的低轨星座传感器资源调度算法

针对基于低轨预警系统的多目标跟踪,提出了兼顾跟踪精度与系统效率的传感器资源调度算法。首先,建立了目标跟踪模型。然后,以调度周期内后验克拉美罗下界(posterior Cramer-Rao lower bound,PCRLB)变化率、卫星切换率为指标,建立了传感器调度的混合整数规划模型,在此基础上,采用遗传(genetic algorithm,GA) 模拟退火(simulated annealing,SA)混合算法对调度模型进行优化求解,提高了对解空间的搜索能力与求解速度。最后,仿真试验表明本文调度模型的正确性与GA-SA混合优化算法的有效性。     

PSO_ACS混合算法求解VRPSPD问题及仿真

构造PSO_ACS混合算法求解同时送取货的车辆路径问题(VRPSPD),通过将ACS算法中的信息启发式因子和期望值启发式因子用解空间中的粒子位置动态表示,将PSO算法和ACS算法有机结合起来;利用PSO算法自适应改进ACS中的启发因子,从而提高蚁群算法的适应性。并用动态改变惯性权重的参数的方法加快PSO收敛速度。最终采用Dethloff的典型算例进行仿真实验,验证了混合算法的可行性和有效性,在求解最优解和收敛性能方面具有一定的优势。     

一类非线性系统在任意初值下的开环D型迭代学习控制

给出了一类非线性时变系统在任意初值条件下采用开环D型迭代学习控制算法时的收敛条件,运用算子理论进行收敛性证明。该算法克服了系统输出信号跟踪期望输出依赖于期望状态和期望输入的缺陷,解决了迭代学习控制中的初始状态问题,而且收敛条件放宽了,给出了仿真研究实例,研究结果说明该算法的有效性。     

基于分群粒子群优化的传感器调度方法

对面向目标跟踪任务的多传感器多任务调度问题进行研究。考虑到探测目标的运动特性,采用扩展卡尔曼滤波法实施目标跟踪,以成功调度任务的综合优先权、目标跟踪精度以及传感器网络的能源消耗为指标,建立了多传感器多任务调度的混合整数规划模型。提出一种基于分群机制的分群粒子群算法对模型进行求解,该方法通过粒子分群,提高对问题域的全局搜索能力,避免算法过快收敛和发生早熟。实验结果表明,该方法用于传感器调度问题,具有较好的求解性能。     

一种求解混合非线性整数规划的支撑超平面方法

给出一种在可行域边界生成支撑超平面(Supporting Hyper Plane, SHP)的方法来求解凸混合整数非线性(Mixed Integer Nonlinear Programming, MINLP)问题.扩展切平面(Extended Cutting Plane, ECP)算法作为求解混合整数非线性规划的一种重要方法 ,在算法结构上简单,鲁棒性强,但是该算法收敛速度慢,特别是当被求解问题非线性程度比较高时.SHP算法在每次迭代过程中对可行域的估计比 ECP算法更准确(更小), 从而加快了算法的收敛速度.和ECP方法相比, SHP算法有效的提高了求解MINLP问题的效率,数值试验显示了该方法的有效性.     

基于模糊辨识的混合鲁棒自适应控制

针对一类多输入多输出不确定非线性系统,提出一种基于模糊辨识的混合鲁棒自适应控制方法。该方法探讨了自适应模糊控制器的参数自适应律由跟踪误差和逼近误差共同进行调节,并从理论分析和仿真角度证明了该方法比参数自适应律仅用跟踪误差进行调节的控制器具有更好的跟踪效果,该方法加快了系统跟踪误差的收敛速度。将该算法用于两连杆机械手轨迹跟踪,仿真结果表明该算法具有跟踪精度高,收敛速度快的优点。     

基于蚁群-遗传混合算法的设备布局优化方法

以生产车间设备布局优化的最小物流费用为目标,建立了车间设备布局优化问题的二次分配模型,并采用蚁群-遗传混合算法来对这一模型进行求解.该混合算法将蚁群算法和遗传算法的优点相融合,以蚁群系统的解作为遗传算法的初始种群,克服了蚁群算法的收敛速度慢,容易陷入局部最优以及遗传算法的容易早熟收敛等缺陷,来实现模型的全局最优.本文以某机械厂制造车间为例,运用MATLAB编程实现算法求解,结果显示:应用蚁群-遗传混合算法设计出来的设备布局新方案比原始方案总物流费用节约了10.6%,同时,混合算法在求解车间设备布局优化问题时比蚁群算法或者遗传算法速度更快,效果更好.     

基于单车场多车型车辆路径问题的混合求解算法

为降低华北石油局大牛地气田采气过程中的车辆运输成本和车辆碳排放量,建立了单车场多车型车辆路径问题(SHVRP)数学模型,将扫描法、插入法、邻近法、两阶段法、遗传算法和蚁群算法等启发式算法作为求解SHVRP模型的基本算法,在分析算法原理、性能和适用环境等差异的基础上,提出了3种混合算法:混合启发式算法HHA(两阶段法+最远插入法+2-OPT)、混合遗传算法HGA(最邻近法+2-OPT+遗传算法)以及混合蚁群算法HACO(遗传算法+蚁群算法)。进而,列出了HA、HHA、GA、HGA、ACO、HACO等6种算法求解同一算例的10次运行结果的平均值,混合后算法的运行结果对比混合前算法的优势说明了混合算法的优越性。综合总配送成本、总碳排放量、配送车辆数和首次搜索到最优解的迭代数及计算时间等对3种混合算法进行比较,得出HACO最优,HGA次之,HHA最差。最后,将基于混合算法的智能运输方案与大牛地气田现有的基于经验法则的运输模式作对比,进一步说明了所提混合算法的可行性和有效性。     

基于进化粒子滤波的数据域直接跟踪方法

传统目标跟踪算法首先通过采样信号估计时延或多普勒等参数,然后利用这些参数构成的跟踪方程获得目标运动轨迹,这种两步跟踪模式存在位置信息损失、误差累积等问题,跟踪精度仍有待提高。针对此问题,提出一种利用数据域采样信号,基于时延和多普勒信息的直接跟踪算法。该算法利用多个观测站的接收信号,首先建立一个基于连续时间和多普勒信息的直接跟踪模型;然后基于进化粒子滤波算法,对所提跟踪模型进行迭代求解,提高算法计算效率,实现对运动目标的快速高精度跟踪;最后,针对所提模型,推导了目标直接跟踪的克拉美罗下界(Cramer-Rao lower bound,CRLB)递归求解方法,给出了算法的跟踪误差下限。仿真实验表明,与现有跟踪算法相比,所提算法跟踪精度更高,收敛速度更快,尤其在低信噪比条件下更能逼近CRLB。     

防空C3I目标分配问题的ACO-SA混合优化策略研究

防空C3I系统的目标分配已成为现代防空作战指挥不可缺少的决策支持,针对这一问题,提出了蚁群-模拟退火(ACO-SA)混合优化策略。在该策略中,蚁群系统的一次周游过程中的最优路线作为模拟退火算法的初始解,在每个退火温度上进行抽样准则检验并产生新解,然后更新新解对应路径上的信息素,蚁群算法(ACO)再根据新的信息素分布进行并行搜索。实验表明,与单一ACO和SA算法相比,这种ACO-SA混合优化策略在解决同一防空C3I系统的目标分配问题上有较强的寻优能力和较快的收敛速度。     

基于并行云变异蛙跳算法的梯级水库优化调度研究

本文针对混合蛙跳算法(shuffled frog leaping algorithm,SFLA)早熟收敛的问题,将云模型算法融合于SFLA算法中,形成一种云变异蛙跳算法(normal cloud mutation SFLA,NCM-SFLA),弥补混合蛙跳算法后期容易陷入局部最优的不足.同时利用算法易于并行的特点,在多核环境下基于.NET4的并行拓展库(parallel extensions)进行算法的并行优化.将其应用于梯级水库优化调度中,实例计算表明,与多维动态规划算法(MDP)相比,NCM-SFLA方法具有更好的全局寻优能力和较快的收敛速度,在现有的计算条件下该并行算法能有效缩短程序运行时间,求解梯级水库优化调度问题是合理、有效的.     

具有自适应非线性增益的开环PD型迭代学习控制

针对同时存在周期性干扰和随机测量噪声的一类非线性系统,提出一种基于误差幅值和误差变化率的开环PD型迭代学习非线性增益自适应算法,分别给出了比例和微分的增益调整规则,并对所提算法进行了严格的理论分析,同时推导出收敛条件。结果表明,与传统学习增益固定的开环PD型迭代学习律相比,当非线性系统同时存在周期性扰动和幅值较大测量噪声时,自适应非线性增益学习律能根据误差幅值和误差变化率在线调整比例和微分学习增益,抑制扰动和噪声,使得在学习收敛速度和收敛精度之间在某种程度上得以折中,在学习初始阶段高增益下保证了迭代学习的收敛速度,学习末了阶段小增益下具有较强的鲁棒性和收敛精度,得到的误差跟踪曲线更加平滑。     

基于邻域搜索JADE的二维Otsu多阈值图像分割

为进一步提高分割精度并加快分割速度,提出了一种基于邻域搜索可选外部存档自适应差分进行算法(简称为JADE-GL)的二维Otsu多阈值图像分割方案。首先,针对原始JADE算法精英突变策略收敛速度慢、容易陷入局部最优等问题,提出了基于邻域半径搜索的改进突变策略,以提升算法的全局探索和开发能力。然后,将所提算法与现有分割方法以及其他JADE变种算法进行二维Otsu多阈值分割对比实验。最后,通过函数收敛曲线、分割距离测度、峰值信噪比(peak signal to noise ratio, PSNR)等指标定量分析算法的性能。实验结果表明,随着阈值数增加,提出的算法无论在收敛速度、分割精度还是分割图像效果上都有显著提升。     

基于邻域搜索JADE的二维Otsu多阈值图像分割

为进一步提高分割精度并加快分割速度,提出了一种基于邻域搜索可选外部存档自适应差分进行算法(简称为JADE-GL)的二维Otsu多阈值图像分割方案。首先,针对原始JADE算法精英突变策略收敛速度慢、容易陷入局部最优等问题,提出了基于邻域半径搜索的改进突变策略,以提升算法的全局探索和开发能力。然后,将所提算法与现有分割方法以及其他JADE变种算法进行二维Otsu多阈值分割对比实验。最后,通过函数收敛曲线、分割距离测度、峰值信噪比(peak signal to noise ratio, PSNR)等指标定量分析算法的性能。实验结果表明,随着阈值数增加,提出的算法无论在收敛速度、分割精度还是分割图像效果上都有显著提升。     

基于同时扰动的单通道接收阵列天线跟踪方法

针对车载卫星移动通信系统的波束指向跟踪问题,提出一种基于同时扰动的单通道接收阵列天线跟踪方法。由于无法获得目标函数的准确梯度,所提方法对控制变量采用无差别的随机扰动,实现了单通道接收阵列波束指向的精确对准;通过分析移相器对波束指向的影响,提出了改进的同时扰动跟踪方法,加快了跟踪过程的收敛速度,为实现车载相控阵天线的精确、快速跟踪提供了一种新思路。与现有跟踪方法相比,所提方法直接扰动移相器而不是波束指向,减小了移相器参数变化和系统误差对跟踪结果的影响,提高了波束跟踪的稳定性,降低了天线设计的硬件要求。     

Novel multi-objective optimization algorithm

Many multi-objective evolutionary algorithms （MOEAs） can converge to the Pareto optimal front and work well on two or three objectives, but they deteriorate when faced with manyobjective problems. Indicator-based MOEAs, which adopt various indicators to evaluate the fitness values （instead of the Paretodominance relation to select candidate solutions）, have been regarded as promising schemes that yield more satisfactory results than well-known algorithms, such as non-dominated sort- ing genetic algorithm （NSGA-II） and strength Pareto evolutionary algorithm （SPEA2）. However, they can suffer from having a slow convergence speed. This paper proposes a new indicatorbased multi-objective optimization algorithm, namely, the multi- objective shuffled frog leaping algorithm based on the ε indicator （ε-MOSFLA）. This algorithm adopts a memetic meta-heuristic, namely, the SFLA, which is characterized by the powerful capability of global search and quick convergence as an evolutionary strategy and a simple and effective E-indicator as a fitness assignment scheme to conduct the search procedure. Experimental results, in comparison with other representative indicator-based MOEAs and traditional Pareto-based MOEAs on several standard test problems with up to 50 objectives, show that ε-MOSFLA is the best algorithm for solving many-objective optimization problems in terms of the solution quality as well as the speed of convergence.     

多机无源跟踪迭代UKF算法

为利用多机实现对目标的快速高精度无源跟踪,提出了一种新的迭代无味卡尔曼滤波（unscented Kalman filter,UKF）算法。所提算法利用随机变量的概率密度函数变换,求得了直接关于目标状态的似然函数,并据此利用最大似然估计迭代求解当前时刻的目标状态,推导了能达到最大似然面的迭代求解准则,将该准则与UKF算法结合得到新的迭代UKF算法。以多机只测角跟踪为例,对所提算法的性能进行仿真分析,仿真结果表明,相对于已有的迭代UKF算法,所提算法具有更好的跟踪性能,实用性强。     

海流扰动下无人水下航行器的动态面反演轨迹跟踪控制

针对存在未知海流扰动条件下无人水下航行器(unmanned underwater vehicle, UUV)的轨迹跟踪控制问题, 提出一种欠驱动UUV的动态面反演轨迹跟踪控制方法。首先, 设计一种改进型海流扰动观测器来估测航行器动力学模型中存在的未知海流扰动。然后, 采用反演法并结合动态面控制技术设计三维轨迹跟踪控制器, 将控制算法中微分运算转换为简单且易于实现的代数运算, 降低控制算法复杂性的同时避免“微分爆炸”问题, 结合李雅普诺夫理论证明系统闭环稳定性。最后, 对所设计的控制器进行仿真验证, 结果表明所设计观测器能够有效应对时变海流干扰问题, 精确地完成UUV的轨迹跟踪控制任务。     

利用方向角信息辅助雷达目标跟踪

传统雷达仅能提供目标的方位和距离量测,由于可利用的信息相对较少,跟踪精度很难进一步提高。利用现代雷达的高分辨探测能力,提出了一种基于距离像识别信息辅助目标跟踪的模型,并结合求根不敏卡尔曼滤波技术得到了一种高性能跟踪算法。该算法根据距离像识别结果得到目标方向角的测量,进而通过增加观测量的维数来提高目标的跟踪能力。不同条件下的仿真结果表明,利用方向角信息辅助的跟踪算法收敛速度快,跟踪精度高,且复杂度与传统算法相当。