一种多约束条件下的三脉冲交会优化设计方法

针对空间快速接近定点观测任务, 研究了具有交会时间和转移路径约束的多约束条件下的共面圆轨道间远距离三脉冲最优交会问题, 将Hill制导方法与粒子群算法相结合求解转移路径点以及转移时机的最优解。在求解过程中, 提出一种等价变换的方法, 将原始待求量转化为一组新的相互独立的待求变量, 将原始的各约束项转化为易描述和处理的搜索空间边界条件, 为完成算法的初始化过程带来了便利, 使得算法设计过程更为简洁。最后, 给出了两组三脉冲最优交会仿真实验, 仿真结果不仅验证了所提算法的有效性, 而且表明, 相对于常规的设置惩罚项处理约束的方法, 采用本文所提出的等价变换方法处理约束项后, 算法表现出更强大的搜索能力及更好的稳定性。     

地球静止轨道-低轨道最优异面转移方法

研究了轨道转移飞行器（orbital transfer vehicle, OTV）从地球静止轨道向低轨道的最优异面转移过程,提出了解析法和智能优化算法。在解析法中,完整地推导了最优转移轨道的求解方法,提出了最优转移轨道应满足的条件,并采用牛顿迭代法求解第1次速度脉冲应改变的轨道倾角。以离轨点位置、入轨点位置和转移时间为优化变量,采用遗传算法对最优转移过程进行求解,给出了遗传算法求解该优化问题的设计步骤,并将变轨过程在卫星工具包（satellite tool kit, STK）场景中进行了演示。仿真结果表明两种方法均能满足Lawden一阶最优必要条件。     

MINLP问题全局优化算法的研究

提出了一种求解混合整数非线性规划MINLP问题的混合优化算法GASimplex，由遗传算法模块GAsolver和单纯形算法模块SimplexSolver两部分组成。该算法首先确定MINLP模型的整数变量和复杂变量，使得固定这些变量后可以将原问题转化为一线性规划子问题，在此基础上应用GASolver实现对整数变量和复杂变量的优化，而其适应函数则可以通过求解编码对应的线性规划子问题SimplexSolver来得到。这样，一方面由于在遗传算法中引入了局部搜索过程，极大增加了GASimplex整体收敛速度，而且对于非凸的MINLP问题，可以在理论上保证得到解的全局最优性；另一方面，模型约束条件是通过SimplexSolver求解得到，故约束条件的存在—般不会增加遗传算法处理的复杂度，可有效的处理约束的MINLP问题。通过对一MINLP模型仿真分析，证明该算法不仅具有很决的收敛速度，而且能得到全局的次最优解，更适合处理一类复杂的MINLP问题。     

针对机动目标的三维实时滚动优化制导策略

为解决目标机动策略未知条件下的飞行器拦截问题, 提出一种基于神经网络的三维滚动优化制导策略。首先, 针对全局最优导引律终端时刻难以确定的问题, 在滚动时域优化框架下, 引入零效脱靶量设计局部最优导引律, 并使用粒子群优化算法进行求解。其次, 为了提高制导律在线求解效率, 构建神经网络, 对优化算法滚动求解得到的若干组制导训练数据进行离线学习, 并将经过训练的网络用于制导指令在线滚动优化。仿真结果表明, 神经网络-滚动优化制导策略对采取各类机动方式的目标均具有较好的制导性能, 有效提高了制导指令在线优化效率, 可以为飞行器制导律实时滚动求解提供参考。     

摄动情况下有限推力轨道转移与交会联合优化

远程轨道转移与近程交会是空间交会任务的两个重要阶段,前后衔接,但研究模型不同,任务约束要求差异很大,经常只能分别优化设计。研究摄动情况下的有限推力轨道转移与交会联合优化设计问题,建立了精确的有限推力轨道转移和空间交会模型,推力幅值恒定,优化性能指标均为时间最短。采用Gauss伪谱法将两个最优控制问题分别转化为非线性规划(nonlinear programming,NLP)问题,再建立其联系,构建成一个NLP问题,获得整体优化。最后,通过一个仿真算例,验证了有限推力异面轨道转移与空间交会联合优化,求解过程和结果表明,该方法对初值敏感度小、鲁棒性强、收敛快,满足各类约束条件,能为相关的多阶段整体优化问题求解提供参考。     

时间最优的飞机追踪导引律研究

阐述了现代战机导引系统的功能、结构与工作方式。对追踪导引建模之后,假设目标机动轨迹可知,应用最优控制理论,通过巧妙的数学推导和数值计算,研究了追踪时间最优的导引律。针对具体工程实现时理论设计求解中数值计算误差的客观存在,又应用预测控制分段计算、滚动优化的思想,对最优导引律作了进一步改进,获得了更为可行实用的优化导引律。仿真研究表明,所设计的优化导引律较各种比例导引律性能更优,捕获目标的时间更短,消耗的能量更少,并能成功应用于载机导引,为新一代战机导引系统的研制与引进飞机的国产化提供了理论参考。     

基于遗传算法的水电站优化调度新方法

提出求解水电站优化调度问题的新方法——遗传算法，它不同于经典优化算法的特点是，从多个初值点开始寻优，沿多路径搜索实现全局或准全局最优，计算过程中不需要存储状态或决策变量离散点，大大减少计算机内存，不必求导运算，编程简单，是一种有效的自适应随机搜索算法.     

基于遗传算法的空中加油航路规划

通过对空中加油航路规划进行建模,利用遗传算法进行优化计算,解决了关于包括总耗油量和受油机飞行航程在内的航路规划问题.针对模型中的非线性约束条件,引入自适应可变惩罚以及对部分变量采用过滤法,另外在选择、交叉、变异环节采用适应度选择法、启发式交叉法、非一致变异法,充分利用遗传算法的全局优化特性,解决了局部过早收敛等问题.实际算例中,分别针对基于航线和基于区域2种加油模式进行计算,比较2种模式的优缺点,得出了空中加油的最优策略,并验证了针对此类问题遗传优化算法的有效性.     

一种优化计算确定神经网络结构的方法

对于一个具体的多层前向神经网络设计问题,网络的输入输出以及标准样本数为已知,网络的隐层结构,即隐层层数和每个隐层神经元个数如何选择是神经网络设计中的关键.根据代数方程理论,通过权值和阈值与隐层结构的关系,建立了以权值和阈值为设计变量的目标函数表达式,通过分析,提出了多层前向神经网络合理的隐层层数和每个隐层神经元个数的一般确定方法,给出了确定多层前向神经网络合理结构的优化目标函数及其约束条件.仿真研究结果表明所提出方法确定的多层前向神经网络结构是合理的.     

基于hp自适应伪谱法的N脉冲轨道优化设计

在实效性要求高的空间操控任务中,脉冲轨道的优化设计必不可少。针对脉冲轨道转移和交会的优化设计问题,基于hp自适应伪谱法设计一种通用方法,以直接法计算为主,综合使用间接法主矢量理论交互式规划出最优N脉冲轨道的机动方案。该方法以hp自适应伪谱法直接求解首末端双脉冲机动,依据间接法最优脉冲机动满足的主矢量必要条件进行检验,通过增加脉冲或者首末端漂移进行交互式规划,逐步确定出最优脉冲数目N的值,再采用hp自适应伪谱法求解出各脉冲速度增量的矢量与施加时刻,获得脉冲轨道的优化设计。提供2个仿真场景算例,求解过程和结果表明,该方法对初值敏感度小、鲁棒性强、收敛快、实用有效,可以便捷处理脉冲轨道的优化设计问题。     

基于改进边际优化的离散变量优化设计算法

针对传统离散变量优化方法存在的目标函数测算次数多、收敛性不佳等问题,借鉴边际优化理论和模式搜索算法,设计了一种基于改进边际优化的离散变量优化设计算法。借鉴边际效用优化原理,通过引入周围单位步长空间的概念,在初始点选择、边际增量设计、禁忌搜索策略等方面进行了改进,并设计了变异操作以跳出局部最优。实例分析表明,所提算法能够快速准确地收敛到局部最优解,实现以尽可能少的目标函数测算得到问题的满意解或最优解,适合于求解高维离散变量优化问题和仿真优化问题。     

采用优先权解码的多阶段供应链网络设计方法

建立基于物流成本最小的多级供应链网络模型。该模型综合考虑了运输成本,设施的建设开办成本以及生产装配成本,本质上属于混合整数非线性规划模型。由于非线性约束及供应链网络庞大的变量和约束条件,常规的分支定界法难以精确求解。为此,本文设计了基于优先权编码的遗传算法进行求解,并将求解结果与Lingo软件的算法结果进行比较,算例结果显示了这种算法的有效性。     

基于均匀自组织映射遗传算法的梯级水库优化调度

针对遗传算法中初始解分布不均以及易早熟等问题,采用均匀设计方法来生成均匀分布的初始解以及自组织映射算法通过高低维空间映射来改变个体基因从而增强局部搜索能力,提出了均匀自组织映射遗传算法,弥补了传统遗传算法中初始解的生成过于随机以及进化过程中易陷入局部解的不足,并将此改进算法在梯级水库的长期优化调度中进行了应用.通过实例计算表明,与遗传算法以及标准粒子群算法相比,此方法拥有更好的全局寻优能力,与动态规划算法结果相近,并且有着较快的计算速度,从而验证了此方法用于处理梯级水库的长期优化调度问题的可行性与合理性.     

基于差分进化邻域自适应的大规模多目标算法

对于大规模决策变量给求解大规模多目标优化问题带来的难以收敛及解集分布不均匀问题, 通过分析变量特征将其分类再分别优化是当前较为有效的求解方法, 但存在变量分类不够准确、变量处理不够有针对性等不足。对此, 提出一种基于差分进化邻域自适应策略的大规模多目标优化算法。首先，通过分析扰动解的支配关系将混合变量分为多样性变量和收敛性变量, 使变量分类更为准确。其次，通过对收敛性变量主成分分析降噪，降低计算成本, 并设计种群的交替进化策略及差分进化的邻域自适应更新操作以提升种群进化过程中的收敛性。实验结果表明, 所提算法在收敛速度和解集的分布均匀性上表现出良好的性能。     

求解带约束函数优化的两级自适应遗传算法

针对带约束的非线性函数优化问题 ,提出一个两级自适应遗传算法。根据待优化函数和约束构造拉格朗日对偶函数 ,在下级对给定的拉格朗日乘子 ,用遗传算法搜索变量的最优解 ;在上级针对拉格朗日对偶函数 ,用遗传算法搜索拉格朗日乘子的最优解。采用自适应的方法 ,根据个体的适配值和种群的适配值统计特性确定交叉概率和变异概率。计算结果表明 ,该算法是有效的。     

一种改进的连续变量全局优化模拟退火算法

在连续变量的全局优化问题求解中,提出了一种改进的模拟退火算法.该算法提出了一种自适应的函数变换方法,解决了模拟退火算法中较难处理的初始温度问题,使初始温度与具体应用问题无关;结合成功-失败法和变尺度方法,提出了有效偏移量的概念,改进了解的产生方式;提出了一种以相对精度为基础的结束准则,较好地解决了计算效率和计算精度的平衡,提高了算法的效率和通用性.数值测试算例验证了本文的改进模拟退火算法的可行性和高效性.     

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.     

人工记忆优化算法

为了求解复杂函数优化问题,根据人类记忆原理构造出了具有全局收敛性的人工记忆优化算法. 在该算法中,每个记忆元对应着一个试探解; 将记忆原理的记忆和遗忘规律用于控制每个记忆元的状态转移; 记忆元的状态由与试探解相关的状态描述量以及记忆残留值构成,该值分为瞬时记忆、短时记忆和长时记忆三种状态类型,并依据记忆元接受刺激的强度被加强或衰减; 处在瞬时记忆、 短时记忆和长时记忆状态的记忆残留值衰减速度由快到慢,记忆残留值低于某个阈值的记忆元要被遗忘,不再被处理. 在记忆元状态转变过程中,记忆元从一个状态转移到另一个状态实现了对优化问题最优解的搜索. 该算法将试探解与记忆关联,使得试探解依据其质量好坏被自动分类; 处于长时记忆状态的试探解因其质量好,其部分变量的状态值将被传给其它质量差的试探解对应的变量,使其质量得到改善; 处于不同记忆状态的试探解交换信息时,只有很少部分变量进行状态信息交换,这样既可以使试探解的大部分变量的状态保持不变,又能使其质量得到改善,且可大幅减少变量处理个数,对于高维优化问题此举可大幅提高算法收敛速度; 随着演化的进行,质量差的试探解会不断被遗忘,被处理的试探解的数量会不断减少,因此,随着时间的推移,本算法的收敛速度将越来越快. 应用可归约随机矩阵的稳定性条件证明了本算法具有全局收敛性. 测试结果表明本算法的性能与现有的群智能优化算法相比,具有收敛速度快,求解精度高的优势.