航空网络航路点布局的多目标优化设计

航路网络中航路点布局问题（CWLP）是航路网络规划的核心。基于此,从航路网络经济性和安全性出发,考虑航路运行成本和潜在冲突系数两个因素,建立航路点布局多目标优化模型,求解时采用动态递变权重系数的蝙蝠算法以保证运行成本和潜在冲突系数能同时获得较优解。最后对北京飞行情报区进行仿真实验,将蝙蝠算法（BA）与其他多目标算法对比,得到4种算法的非支配解,证明多目标蝙蝠算法在求解航路点布局的大规模优化问题上,能够获得更优解。同时,考虑偏好经济性和偏好安全性两种情况选择两组权重,数据显示,与初始网络相比,这两种情况下网络运行成本和冲突系数减少比例分别为9.99%、15.64%以及-3.97%、65.81%。实验结果表明,该方法能够在航路点布局规划上给决策者以多种优化方案。     

固定航路飞行条件下的无冲突航迹规划

随着民航运输业的发展,高速增长的交通量与有限的空域资源之间的矛盾日趋严重,空域拥堵、航班延误现象频发,严重影响航班运行的安全性与效率.为实现在固定航路飞行条件下空中交通安全、高效与公平的运行,在无冲突的前提下以最小化飞行成本和最大化公平性为目标函数,建立战略阶段的多目标航迹规划模型.为了加快问题求解效率,采用基于固定航路的冲突探测方法,并提出一种结合模拟退火和局部搜索算法的混合元启发式算法求解该大规模多目标优化问题.利用实际飞行计划和空域数据验证所提算法的有效性.结果表明,与传统的模拟退火算法相比,混合元启发式算法能够有效解决多目标的无冲突航迹规模问题.     

基于弹道下降方式的无人机风险评估与航路规划

针对无人机系统失效后对地面人员及财产安全的威胁,提出了一种基于弹道下降方式下的无人机风险评估及航路规划方法。分析了无人机失效后的下降特点及规律,采用栅格法划分空域环境,以地面不同属性构建低空空域环境风险评估模型。结合无人机飞行的风险值、路径长度和空域情况,建立了多目标、多约束的无人机飞行航路规划模型。利用改进蚁群算法进行求解：优化转移概率,避免蚂蚁陷入死区间和减少盲目搜索;对信息素的更新进行改进,调整自适应系数增强最优路径的信息素浓度,提高算法收敛速度与稳定性。相比传统蚁群算法的路径规划,运行时间缩短6.7%、最优路径风险值降低41.45%、整体性能提高18.0%。仿真结果表明：本文模型及改进算法可以在提高路径安全性的前提下,缩短规划路径生成时间且保障运行的经济性。     

基于双层优化模型的航路交叉角度设计

航路交叉角度是影响交叉点运行安全和效率的重要因素。针对多条航路交叉于一点的航路交叉结构,同时考虑多个高度层的运行以及航空器速度的变化,依据悲观决策原则,建立了航路交叉角度设计的双层优化模型。根据下层规划特点,证明了下层规划的最优解在速度区间的边界处取得,设计遗传算法求解上层规划。最后,根据实际运行中的航空器速度区间和航空器类型比例,设计3条航路交叉的算例验证模型方法的可行性和有效性,并分析了航路流量比例和速度区间对最优交叉角度的影响。     

采用自适应原始对偶迭代的无人机编队协同航路规划方法

针对目标通过机动进入无人机雷达探测盲区、导致雷达跟踪不稳定的问题，提出一种无人机编队协同航路规划方法。首先，根据雷达多普勒速度盲区、雷达探测视角、距离边界区等建立协同航路规划约束条件；然后，以机动目标稳健跟踪为目的建立优化目标函数，并结合约束条件构建协同航路优化模型；最后，设计了一种自适应原始-对偶迭代算法，对建立的航路优化模型进行快速求解，得到无人机飞行实时航路。对比仿真结果表明：所提方法能够实现无人机编队协同航路快速规划，达到对机动目标持续稳定跟踪的目的；与传统的高斯伪谱法和模型预测控制算法相比，所提方法求解速度提升了10%,算法复杂度相对较低；所提方法求解的无人机航路平滑性较好，可减少无人机飞行油耗，便于长时留空探测。     

基于Voronoi图和量子粒子群算法的无人机航路规划

 无人机(UCAV)是自主控制执行任务的无人驾驶飞机,其航路规划是一类复杂优化问题,因此难以在多项式时间内获取精确解,为此提出了一种基于Voronoi图和量子粒子群(QPSO)算法的UCAV航路规划方法。首先,在综合考虑航路的雷达威胁和燃油耗费的基础上定义了航路规划的代价模型;然后,根据已知的威胁源生成Voronoi图,通过连接起点、Voronoi图中顶点以及终点获得初始规划解集;最后,通过引入柯西变异随机数和扰动对QPSO算法进行改进,以增强其全局寻优能力和收敛速度,并定义了采用此改进的QPSO算法对UCAV进行最终航路规划的具体算法。仿真实验表明,该方法能求解出UCAV航路规划的最优解,且与经典的PSO算法和QPSO算法相比,具有全局寻优能力强和收敛速度快的优点。     

多目标线性规划的交互式线性加权内点算法

将内点算法应用于多目标规划的交互方法中,提出一种基于线性加权评价函数的解决多目标线性规划问题的新算法。在利用内点算法进行迭代计算的过程中,不断根据决策者的当前偏好信息随时修正权重系数,逐步引导迭代过程达到决策者满意的解。     

基于合作协同进化算法的航迹冲突解脱研究

为解决基于航迹运行(Trajectory Based Operation, TBO)模式下大规模航迹战略冲突解脱问题,建立了综合考虑最小化冲突数量和航迹调整成本的双目标优化模型.设计了基于超体积指标的多目标合作协同进化算法(Indicator-based Cooperative Coevolution Multi-objective Evolutionary Algorithm, IBCCMOEA)进行模型求解,采用非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm II,NSGA-II)进行子种群优化.同时,设计了自适应遗传算子加快算法收敛速度.分别采用中国航路网络繁忙时段442架和1 014架航班历史飞行数据进行仿真验证,将所提算法与NSGA-II,基于分解的多目标进化算法(Multi-objective Evolutionary Algorithm Based on Decomposition, MOEA/D)以及多目标合作协同进化算法(Cooperative Coevolution Multi-objective Evolutio...     

采用航路点进化的空袭目标突防航路预测

空袭目标突防航路预测是进行防空兵力部署方案评估的辅助手段之一。在分析突防航路预测问题的基础上建立了空袭目标突防航路预测模型,并针对传统进化算法将航路作为一个整体后导致先前候选航路中高质量航路点利用效果较差的问题,提出了基于航路点进化的空袭目标突防航路预测算法。首先通过改进传统进化算法框架与评价函数使航路点可被分别进化和评价,然后使用自适应差分进化算法(JADE)实现航路点的进化,最后采用多准则决策方法实现航路点的评价与选择,从而提升了高质量航路点的利用效果。为了测试算法的性能,设置了障碍数目分别为15、30、60、120的4个仿真情景,仿真结果表明算法能够有效实现空袭目标突防航路的预测,并且在障碍数目较多的情景中其性能优于遗传算法。     

基于模糊折中规划的稳健多目标优化设计

针对稳健设计目标函数与波动之间的冲突及协调问题,提出了一种基于模糊折中规划的稳健设计多目标优化方法. 该方法在考虑工程稳健设计中大量存在的模糊因素的前提下,建立目标函数以及波动的隶属度函数,利用模糊偏好分配每个目标的权重从而均衡目标函数值和波动之间的平衡. 该方法将决策者的偏好充分体现到决策过程中,从而得到决策者所期望的折中解. 从实例结果可以看出,模糊折中规划适合于求解稳健优化设计问题.     

基于多目标粒子群优化算法的输电网规划

输电网规划是一个离散型、非线性、多目标的混合整数规划问题,难于求解.提出一种多目标粒子群优化算法用来求解输电网规划问题.在输电网规划模型中考虑了建设投资费用、运行费用及网损费用等3方面的因素.多目标粒子群优化算法基于Pareto支配关系来更新粒子的个体极值,并采用了精英归档技术,粒子的全局极值由档案库中的非劣解提供.使用Matlab7.1对Garver-6节点系统进行仿真计算,结果表明:与传统的单目标遗传算法相比,多目标粒子群优化算法获得的规划方案总费用更低,该方法可以提高输电网规划的经济性水平.     

知识引导的智能优化算法在航路规划中的应用

为了提高智能优化算法对航路规划问题的求解质量和效率,提出了一种知识引导型智能优化算法的航路规划求解框架.与传统引导进化不同的是,考虑到以往所用知识的局限性,该框架并不是采用从前期优化过程中挖掘出来的知识,而是采用航路规划特定领域知识.为了描述引导方式,将智能优化算法形式化定义为3个引导对象的集合,从而将引导方式划分为7类单独或组合形式.根据航路规划特定领域知识的各自特点选择对应的引导方式,并将其结构化为能够改进算法性能的元策略,以粒子群优化算法为例对求解框架进行验证,仿真实验结果表明,特定领域知识的引导能够非常显著地提高算法的全局搜索性能和收敛速度.     

大规模零担物流轴辐式网络决策优化

经济的发展和公路运输的畅通,使零担物流得到迅猛发展.本文针对大规模零担物流网络优化问题,构建了基于双层规划的大规模零担物流轴辐式网络模型,并基于进化博弈和多目标优化思想,设计分层遗传算法来求解模型,最后以算例进行模型及算法验证,得出大规模零担物流网络的枢纽选址、流量分配等决策.灵敏度分析表明节点间流量、单位运输成本等参数会对零担物流网络产生不同程度的影响,增量优化表明当货流量变化时,对建设成本权重较小的情景,决策者宜优先采取改变枢纽点数量来满足需求,而权重系数较大时则应当考虑改变原有枢纽点能级来应对变化.     

基于改进粒子群算法的海洋钻机系统布局优化

为提高海洋钻机的工作效率和平台的空间利用率,应用改进的粒子群算法对海洋钻机系统进行布局优化研究。针对多目标、多约束的钻机系统布局优化问题,建立钻机系统布局优化数学模型,应用多目标粒子群算法直接求解,得出相应的最优解集。利用线性加权法将多目标转变为单目标进行求解分析,针对单目标粒子群算法的缺点,基于约束条件、惯性权重以及遗传算法的选择和杂交对粒子群算法进行改进,完成不同改进算法的测试实验。结果表明,在应用粒子群算法求解布局问题时将约束条件作为目标函数、单独引入遗传算法的杂交思想求解速度和精度更好。提出的基于杂交的动态惯性权重粒子群算法的布局优化问题求解性能更优,得到的优化方案符合海洋钻井作业要求且占用甲板面积较小。     

飞机空中加油航路规划的最优化研究

航路规划是空中加油的重要课题,通过对空中加油问题进行系统性分析,针对受油机往返各加一次油的情况,建立了空中加油航路规划的数学模型.该数学模型考虑了任务总耗油问题,即加油机和受油机的耗油总量;同时还考虑了将受油机前往执行任务的飞行距离列入优化对象(不含返程).并提出了基于遗传算法求解空中加油航路的规划模型.运用所提出的方法,实际计算表明,所建模型具有良好的适应性,能够适合不同的作战环境和不同作战要求;采用遗传优化算法研究空中加油问题,优化效率高、具有全局性,并易于计算机实现;所得的加油方案是合理的.     

考虑网络韧性的三级轴辐式物流网络模型及算法研究

为了实现城市物流运作的集约化，并尽可能降低因突发事件导致的物流供需中断，以物流节点定位和通道布局为落脚点，研究了三级轴辐式物流网络的多目标规划。考虑轴辐式网络的结构约束、多级节点间的连通关系限制，以多级轴辐点选址、轴辐点间的连通关系及强度为决策变量，以网络建设成本最小和网络韧性度最大为目标函数，构建三级轴辐式物流网络模型。结合模型的特点设计了具有双层结构的遗传算法，其中外层为三段编码结构的小生境Pareto遗传算法，用于求解多目标规划，内层为0-1编码的遗传算法，用于求解网络韧性度。以某区域14个节点城市作为案例，验证模型及算法的有效性，并将优化结果与两类传统的单目标物流网络进行了比较。研究结果表明：双层遗传算法能够有效求解三级轴辐式物流网络规划模型；选取案例计算得到的Pareto最优解参与比较分析，优化结果与传统三级轴辐式物流网络相比，网络韧性度提高了6倍，但网络建设成本也随之增加；与单纯以韧性度最大化为优化目标的物流网络相比，网络建设成本降低了7倍，网络韧性度也随之降低。可见提出的双目标三级轴辐式物流网络模型实现了网络建设成本和网络韧性度间的均衡，对于追求具备一定抗毁性能的轴辐式物流网络规划人员，具有参考和应用价值。     

基于容量的交叉航路高度层指派模型辋

探讨航路交叉点处的最优高度层配备条件,根据航卒器在航路上运行的成本指数,建立基于航路容量的0-1整数规划模型。模型在保证卒中交通安全的基础上实现成本的最小化．通过LINGO求解,验证模型的可行性。     

基于改进PSO算法的含分布式电源的配电网优化

为了对含分布式电源的配电网进行规划,提出了考虑配网实际运行约束下以配电网网络损耗、电压偏移及DG投资运行成本为目标函数的多目标优化模型.采用基于Levy Flights的粒子群优化算法对所构造模型进行优化,并对33节点配网系统进行仿真.结果表明所建模型是合理的,改进的PSO算法对求解含DG的配电网多目标优化问题是有效可行的.     

基于蝙蝠算法的车间设施布局研究

为了实现降低车间作业单元间物料搬运费用,将蝙蝠算法应用于车间设施布局问题中,求解以最小化搬运成本为目标的车间布局问题。该文通过仿真数据的实验和与遗传算法运行结果的对比,证明基本蝙蝠算法在处理这类问题的可行性。     

无线局域网频宽分配与用户关联联合优化问题

分析了可变频宽无线局域网中无线接入点频宽分配与用户关联的选择之间的相互影响,以最大化系统吞吐量与网络公平性为性能优化目标,将此联合优化问题建模成带约束的整型非线性规划问题.引入权重系数反映系统设计的优化偏好,并通过设计惩罚函数对约束条件进行松弛,提出一种基于离散粒子群优化的算法来求解联合优化问题.仿真结果表明:提出的算法能够快速收敛,与不考虑联合优化的频宽分配机制相比,在多数场景下性能提升20％以上.