基于EA-SA的卫星初始轨道确定算法

卫星初始轨道的精度将直接影响到最终轨道的精度,因此为了提高卫星初始轨道计算精度,提出了一种基于进化算法(EA)和模拟退火算法(SA)的卫星初始轨道确定算法.介绍了该算法的Lambert定理形式,阐述了该算法的实现步骤,并结合某次卫星定轨实际情况验证了该算法的可行性和有效性.实践证明,该算法具有较强的局部和全局搜索能力,其定轨精度比目前常用的定轨算法高,具有较好的工程适用性.     

混沌差分进化算法在复杂优化问题中的应用研究

差分进化算法求解复杂优化问题时,由于进化后期种群多样性降低,算法极易陷入局部最优值无法跳出.论文针对该问题,将差分进化算法和混沌优化方法耦合,构建了混沌差分进化算法.算法利用混沌序列的遍历性和内部迭代的随机性,弥补差分进化算法容易陷入局部最优的缺陷,从而提高算法的搜索性能.对几种典型函数的测试结果表明:混沌差分进化算法的全局搜索性能有了显著提高,能有效避免算法陷入局部最优.因此,与标准差分进化算法和混沌优化算法相比,该算法在求解复杂优化问题时更加可行、有效.     

函数优化问题求解的自适应差分进化算法

针对函数优化问题求解算法存在速度慢、精度低等问题,提出一种函数优化问题求解的自适应差分进化算法.该算法对变异算子和交叉算子进行改进,增强了其寻优能力.对经典的函数优化问题进行仿真测试,结果表明,自适应差分进化算法全局搜索能力强,收敛速度快,可以获得更高精度的函数优化问题解.     

差分进化算法研究及其应用

针对一种新兴的进化算法--差分进化算法,介绍了该算法的基本原理、算法流程和控制参数选择, 然后利用差分进化算法求解了多元函数的极值问题.差分进化算法具有随机选取初始值的优点,数值实验结果表明了该方法的正确性和有效性.     

三维水平井轨道设计最优控制模型改进的进化规划方法

针对三维水平井井眼轨道设计问题 ,建立了一个非线性最优控制模型。该模型以设计轨道总长度最短为性能指标 ,以非线性动力系统为约束条件 ,通过对非线性动力系统积分 ,将最优控制模型转化为一个非线性规划问题求解。为了求非线性规划问题的全局最优解 ,在附加一个目标函数小于当前目标函数值的约束条件下 ,用改进的进化规划方法寻找新的可行点策略 ,提出了一种新算法。将非线性最优控制模型及算法应用到实际水平井轨道设计中 ,数值结果证明了该模型及算法的正确性和有效性     

基于NSGA-Ⅱ算法的编队卫星重构策略

针对编队卫星在遭遇空间碎片威胁时的规避决策问题,改进并采用非支配排序遗传算法(NSGA-Ⅱ)对卫星进行编码,以改进的差分进化算法作为轨道生成模型,以Pareto支配筛选出最优解集,通过引入编队卫星的机动消耗、碰撞概率、工作效率等指标,对卫星的规避轨道进行筛选,保证编队卫星的各项指标得到兼顾.最后以三星编队的海洋侦察卫星为例,引入相位调整、概率计算、水平方向精度因子(HDOP)计算等模型,通过多目标优化算法获得规避轨道的最优解.仿真结果表明,在不同任务目标下,该方法可以更有针对性地制定编队卫星规避策略.     

三维水平井轨道设计最优控制模型改进的进化规划方法

针对三维水平井井眼轨道设计问题，建立了一个非线性最优控制模型。该模型以设计轨道总长度最短为性能指标，以非线性动力系统为约束条件，通过对非线性动力系统积分，将最优控制模型转化为一个非线性规划问题求解。为了求非线性规划问题的全局最优解，在附加一个目标函数小于当前目标函数值的约束条件下，用改进的进化规划方法寻找新的可行点策略，提出了一种新算法。将非线性最优控制模型及算法应用到实际水平井轨道设计中，数值结果证明了该模型及算法的正确性和有效性。     

随机期望值模型的适应值预测差分进化算法

随机期望值模型是一类有着广泛应用背景的随机规划问题．针对此问题，提出了一种基于适应值预测的差分进化算法，该算法主要是把适应值预测技术、随机模拟技术与差分进化算法结合．最后，通过实例仿真，数值结果表明所提出的算法是有效的和可行的．     

一种改进的混沌粒子群优化混合算法

提出了一种改进的混沌粒子群优化混合算法.该算法利用信息交换机制将两组种群分别用差分进化算法和粒子群算法进行协同进化,并且将混沌变异操作引入其中,加强算法的局部搜索能力.通过对3个标准函数进行测试,仿真结果表明该算法与差分进化粒子群优化（DEPSO）算法相比,全局搜索能力和抗早熟收敛性能大大提高.     

北斗GEO卫星广播星历的直接拟合算法研究

针对因北斗地球静止轨道(GEO)卫星的小倾角特性,经典全球卫星定位系统(GPS)广播星历拟合算法不能直接应用于北斗GEO卫星这一问题,提出了一种基于无奇点变换的北斗GEO卫星广播星历直接拟合算法.该算法采用一组无奇点轨道根数代替经典轨道根数,解决了由GEO轨道的小倾角特性引起的经典广播星历拟合过程中法化矩阵奇异的问题;同时,避免了接收机GEO广播星历参数用户算法中坐标旋转的过程,减少了GEO用户算法的计算步骤.经仿真验证:该算法可很好地适用于北斗GEO卫星广播星历拟合,且拟合精度高,完全满足接收机导航定位的精度.但对于圆地球轨道(MEO)和倾斜地球同步轨道(IGSO)卫星,该算法实用性较差,仍须进一步研究和改进.     

岩体弹性模量反分析的进化差分方法

考虑到岩体弹性模量反分析本质上是一个复杂的非线性函数优化问题,采用全局优化算法是解决这个问题的理想途径.本文将具有收敛速度快、易于实现和全局寻优能力强大等优点的差分进化算法(Differential Evolution,DE)融入到岩土工程数值计算程序(FLAC3D)中,提出了基于DE算法的岩体弹性模量反分析方法,并通过一个简单算例验证了该方法的正确性,结果也表明该方法是科学可行的,具有较高的精度.     

基于改进差分进化算法的无人机在线低空突防航迹规划

为了解决无人机在部分未知敌对环境中的低空突防航迹规划问题,提出了一种改进的差分进化算法.该算法的进化模型采用冯.诺伊曼拓扑结构,并对其进行拓展,使种群在进化初期保持多样性,避免进化早期陷入局部最优,而进化后期加快收敛速度.该算法改进了差分进化算子中的变异操作,从而加快算法的收敛速度,快速找到多目标优化问题的最优解;同时,采用将绝对笛卡儿坐标和相对极坐标相结合的编码方式以提高搜索效率.将该算法用于无人机在线航迹规划仿真实验,并和未改进的算法结果作比较,验证了该算法的有效性.     

基于Memetic算法的两级车辆路径优化

针对传统两级车辆路径优化过程,存在的精度不高,收敛时间过长的问题,提出一种基于Q学习理论和差分进化的Memetic算法。首先,对两级车辆路径优化问题进行研究,利用最优分割法获得第一级配送方案,以此确定中转站配送数量,然后求解第二级多配送中心车辆路径问题配送方案,获得两级优化问题的总里程及总配送车辆数量;其次,针对第二级MDVRP配送方案求解,利用Q学习理论和差分进化算法,设计新的Memetic算法,来实现对多配送中心车辆路径问题配送方案的全局优化;最后,通过仿真验证了所提算法的有效性。     

水平集方法中曲线跟踪算法的改进

水平集算法是一种解决曲线演化问题的有效方法，它能够解决一般方法难以处理的拓扑结构变化问题。在水平集算法中，跟踪曲线经过一步演化后的当前位置是一个很重要的步骤，它直接关系到下一次演化计算的精确程度，以往采用的跟踪算法一般是步进方格（Marching Square）算法，这种算法中存在计算重复问题。本文根据图像中曲线跟踪的特点，改进了步进方格算法，减少了其中的重复计算。实验表明，这种改进的算法具有简单实用的特点。     

最优化问题的蚁群混合差分进化算法研究

 在最优化问题求解中,针对采用混合差分进化算法中突变运算的不同选择产生结果存在较大差异,同时提高算法收敛速度与避免早熟,提出在混合差分进化法中,使用蚁群算法进行选择适当的突变运算,加速搜寻全局解,并通过中国旅行商问题的求解表明其有效性。     

求解约束优化问题的元胞混洗蛙跳算法及应用

为解决混合蛙跳算法在求解连续函数优化问题中出现的收敛速度慢、求解精度低的问题,提出一种求解约束优化问题的元胞混洗蛙跳算法.算法利用元胞的邻域结构代替基本蛙跳算法的分组方法,进而克服经典混洗蛙跳算法分组的缺点.通过元胞自动机的邻域结构和演化规则降低算法的选择压力和保持种群多样性,利用改进的螺旋进化方式和混沌变异方式平衡局部搜索和全局寻优的关系,进而提高算法寻优速度和寻优精度.经仿真实验将所提算法与5个改进蛙跳算法进行对比可知,无论是典型基准函数优化问题,还是油田措施规划方案求解产出投入比,该算法都能获得很好的求解结果.     

差分进化优化参数的LSSVM中长期径流预测

针对LSSVM预测模型参数难以确定的问题,利用差分进化(DE)算法的收敛速度快和全局优化能力,优化LSSVM模型的惩罚因子和核函数参数,避免了人为选择参数的盲目性。将优化后的LSSVM模型应用于中长期径流预测问题。选取黄河三门峡站1919年至1992年径流量实测数据进行分析和训练,对1993年至2002年的年径流量进行预测,并与BP神经网络和SVM模型进行比较。研究结果表明,该模型具有较高的预测精度。     

一种解决群进化算法参数设置问题的最优向量法

群进化算法是智能计算领域研究的核心内容,而算法中数值型参数的设置是影响算法搜索效率的重要因素,因此设计解决参数设置问题的方法也是群进化算法研究的重要内容.目前解决参数设置问题的常规统计方法是根据算法搜索的部分结果组成有限样本数据,依据统计最好值个数大小的判定结果来确定最优参数预设值.常规统计方法在有些测试样本数据中很难确定唯一的最优参数预设值.为了解决常规统计方法的缺点,提出了一种最优向量法,该方法可以将任意形式有限样本数据转换为向量,依据向量计算的判定规则进行最优参数预设值的确定.实验结果表明,依据获取的有限样本数据通过最优向量法找到最优参数值,采用该参数值的群进化算法搜索效率相对最优,从而验证了最优向量法的有效性.     

遗传算法求解最大团问题研究

最大团问题是NP难解的,用遗传算法求解的关键是如何设计有效的评估函数.首先从理论上分析编码规则及适应函数对个体进化的影响,提出个体基因适应函数和个体适应函数多重评估方法,并设计求解算法.数值实验表明,算法具有较好的通用性和较高的性能.     

基于增强拓扑神经演化强化学习的水面无人艇局部路径规划

针对水面无人艇(unmanned surface vessel, USV)在复杂环境下的局部路径规划问题,对USV路径规划问题进行了数学建模,提出了基于增强拓扑神经演化(neuroevolution of augmenting topologies, NEAT)算法的局部路径规划方法;设计了神经网络初始结构和演化参数,对初始神经网络结构进行演化实现避障及到达指定目标的路径规划任务;通过设计适应度函数,实现路径点数目的优化。仿真结果表明:利用NEAT算法演化神经网络的方法能够使USV在复杂的环境中准确避开障碍物并到达目标点,且在路径点数目和鲁棒性方面优于传统的模糊逻辑算法与人工势场算法。