大面积采动地层水系调整的数学模型

大面积采动地层会诱发地面环境灾害，文中介绍了采动地层水系调整诱发的水资源流失、塌陷区积水，废旧采场积水、形成地下暗湖和水质污染等灾害；将采动地层视为连续介质和符合达西定律的流体，建立了描述采动地层水系流动的数学模型，对数学模型的适用条件进行探讨。     

基于Laguerre图的自优化A-Star无人机航路规划算法

为了降低无人机航路规划的运算量,减少规划时间,确保算法对于任意形状威胁区域和地形的适应性以及所规划航路的准确性,提出了一种新颖的LA-Star算法用于无人机航路规划。首先把威胁区域和禁飞区域简化为圆形,利用Laguerre图算法进行航路预规划,在此基础上简化二次规划空间的范围,之后恢复威胁区域和禁飞区域的真实形状,在简化后的规划空间内使用改进A Star算法实施二次航路规划,最后对生成的航路进行自优化处理。仿真结果证明了LA-Star算法满足航路规划的实时性和准确性要求。     

基于智能因素的比特串生态演化模型

用两个并行的基因串可以描述个体的健康状况和智能水平，基因串的表示形式类似于Penna模型中的Bit-String，对Verhulst因子（通常用来控制由于疾病、达到最大年龄或由于环境压力导致的死亡率）进行了修正，考虑了智能水平对其适应环境能力的影响，利用一个参数S来表示其影响程度。因参数S可能会受外界环境影响而发生变化，所以模拟S变化对种群规模、种群平均年龄以及种群平均智力水平等的影响。得到的结果显示出种群规模与S的关系是Power law，而种群平均年龄以及种群平均智力水平与S的关系是线性的。     

基于DE-DMPC的UAV编队重构防碰撞控制

当战场环境发生变化时,无人驾驶飞机(unmanned aerial vehicle, UAV)编队只有进行编队重构,才能保证编队的生存能力。在重构过程中碰撞问题严重威胁UAV安全应着重考虑。通过对UAV编队重构防碰撞问题进行分析,提出采用分布式模型预测控制(distributed model predictive control, DMPC)的方法,将编队重构问题转化为滚动在线优化问题。结合碰撞约束建立重构代价函数,针对代价函数求解复杂的问题,提出采用改进微分进化(differential evolution, DE)算法求解代价函数,并对算法的收敛性进行了分析。仿真实验表明,所提出的算法能够有效实现编队重构防碰撞控制,同时其代价更小、寻优能力更强。