基于线性二次型高斯（LQG）理论的最优制导规律

以线性二次型高斯（LQG）理论为基础，研究一种最小化末端脱靶量和拦截周期内控制能量消耗的具有可变有效导航比的LQG最优制导规律，分析了这种制导规律的有效导航比及其在战术导弹上的应用，应用伴随方法对这种制导规律进行制导性能仿真计算。结果表明：这种制导规律的控制精度高，机动过载要求小。     

一种基于二阶制导系统的最优导引律研究

基于最优控制理论二次性能最优的条件下推导最优导引律的解析解通常是困难的。该文基于二阶制导系统,利用许瓦兹不等式能很容易地推导出一种用解析形式表示的最优导引律。该导引律通过估算剩余飞行时间、测量导弹速度及其导数,能实现零脱靶拦截,且制导系统所需的机动能量与比例导引相比要小得多。     

一种基于ELMAN神经网络的最优中制导律

对于中远程导弹,为得到最优中制导弹道,提出了一种基于ELMAN神经网络的最优中制导律。研究和仿真分析表明这种基于ELMAN神经网络的最优中制导律与其它末制导律配合,可有效提高导弹拦截机动目标的性能。     

攻击机动目标的最优导引规律

建立了导弹一目标攻击简化数学模型，提出一种随机最优导引规律；运用卡尔曼滤波理论，引进了机动目标加速度和量测系统的不确定性；通过数字仿真，分别和传统比例导引规律、扩展比例导引规律相比较，表明了该规律的最优性。     

利用遗传算法优化线性二次型调节器(LQR)

利用遗传算法对线性二次型调节器（ＬＱＲ）进行优化设计,以寻找最优控制指标中状态变量与输入变量加权矩阵的最优解．仿真结果表明,利用此方法不仅可以得到满足要求的全局最优解,而且该方法的简便易行也是传统设计中依靠人工调节所无法比拟的．     

基于遗传算法的发电机线性最优励磁控制研究

介绍了求解发电机励磁控制器中的增益矩阵K的一种新算法－－遗传算法,它不同于常规算法的特点在于,从多个方面初始点开始,沿多路径搜索实现全局最优或准全局最成,计算过程不需要存储状态或决策变量的离散点,节约计算机内存,不必求导计算,编程简单,是一种有效的自适应随机搜索算法,仿真结果表明,用遗传算法设计的发电机励磁控制器具有良好的控制效果和鲁棒性。     

一种具有时间约束的最优导引律设计方法

针对导弹空中弹道多约束控制的需求,根据最优控制理论的设计思想,设计了一种具有飞行时间约束的导引律设计方法。该方法首先建立了弹目相对运动模型,推导了无量纲化的弹体运动状态方程,将终端约束要求转化为具有末端约束条件的最优控制问题;然后通过在具有弹道倾角约束的最优导引律中引入时变修正项,实现了对导弹飞行时间的准确控制;最后在不同初始条件和约束要求下,通过弹道仿真实验。实验表明,该方法能够满足多约束的指标要求,具有一定了鲁棒性能。     

导引律研究现状及其发展

本文在研究和分析国内外大量关于导引律的研究成果基础上,系统地论述了几种导引律的研究现状,分析了它们的优缺点,介绍了当前相关领域类似问题的研究成果及发展,为导弹制导与控制及相关问题研究提供了参考。     

基于粒子群算法的导弹模糊导引律设计

针对传统模糊制导律的模糊设计随意性,提出采用粒子群优化算法对模糊导引律的参数优化的方法．利用粒子群优化方法调整模糊变量隶属度,比例因子等参数,并通过反复优化使模糊推理规则接近于最优．该方法克服了模糊逻辑设计中的随意性,提高了模糊制导律的精度和鲁棒性．仿真结果表明了这种优化方法得到的模糊比例导引律明显优于传统比例导引律．     

基于线性二次型及内部稳定的最优线性控制

线性二次型内部稳定最优线性控制是一种内部稳定与最优二次型控制相结合的控制算法，该方法考虑了可能引起系统不稳定的外部信号，主要是系统参考输入及干扰信号，并将其建立为系统状态，排除不可镇定部分对系统的影响，产生了一个确保系统稳定的最优控制信号。     

基于遗传算法的动态路径诱导

动态路径诱导（DRGS）是智能运输系统研究的一个重要方面，旨在通过向驾驶员提供基于实时交通信息的最佳行驶路径在来达到诱导出行行为，减少车辆在道路上的逗留时间，进而实现改善城市交通和避免交通拥挤、阻塞的目的。路径牵引算法是DGRS中的重要研究内容，它能计算出给定起讫对之间的的最优或准最优路径，路径牵引算法要考虑一全局准最优和实时性问题，而遗传算法具有全局寻优和潜在的并行性特点，将遗传算法应用于动态路径诱导系统中求解最佳路径，设计了特定的有序选择、交叉和遗传算子，并通过实例验证了算法的有效性。     

应用改进遗传算法的电力变压器优化设计

为了提高遗传算法在电力变压器优化设计中获得全局最优解的能力，对传统遗传算法的编码方案、遗传算子以及约束条件、适应值函数等方面进行改进研究，提出了一种改进遗传算法，并应用经典数学函数进行验证，结果表明改进遗传算法具有较高的寻优效率。在此基础上提出了适应于求解多目标优化的改进遗传算法，并将改进遗传算法首次应用于S9系列电力变压器的单目标和双目标的优化设计中。应用实例表明，文中提出的改进遗传算法（IGA）具有更强的全局寻优能力和更高的求解精度，对电力变压器的优化设计效果明显。     

基于小生境遗传算法的制导雷达误差估计

制导雷达误差估计是多雷达站之间信息资源共享的前提和基础。针对无基准数据条件下的误差估计难题,建立了制导雷达误差估计模型,采用小生境遗传算法,给出了误差评估模型的求解方法,并进行了实验验证。仿真实验表明：比较传统遗传算法,小生境遗传算法克服了早熟收敛和后期收敛速度慢的弱点，表明算法是可行的,对多雷达站实现网络化作战有重要的作用和价值。     

采用重复交叉操作及最优保留策略的遗传算法

基于有限次重复交叉操作和将父代的最好个体代替子代的最差个体的思想，提出了一种新的遗传算法（REGA）。该方法克服了基本遗传算法容易出现的早熟现象，并利用马尔可夫极限定理获得全局收敛性，求得基于有限次重复交叉操作的基本遗传算法（记为RSGA）的渐近性质，以及提供关于这两种算法吸收时间的数学期望的计算方法，仿真事例表明，它不仅克服了局部最优的缺点，而且适用于有多个最优解问题，同时群体的平均适应度增加较快，运行效率更高，因而，该方法对于优化问题具有一定的应用价值。     

基于自适应遗传算法的单层球面网壳优化分析

采用改进的自适应遗传算法来解决单层球面网壳结构构件截面优化问题,并采用VC 语言编写了相应的自适应遗传算法和有限元计算程序,可以实现单层球面网壳结构的自动优化设计。设计了不同类型、跨度和矢跨比的网壳优化算例,以检验基于自适应遗传算法的单层球面网壳的优化效果,结果表明基于自适应遗传算法思想而编制的优化程序原理简单,容易收敛,结果可靠,优化效果良好。     

Parameter Optimization of Linear Quadratic Controller Based on Genetic Algorithm

The selection of weighting matrix in design of the linear quadratic optimal controller is an important topic in the control theory. In this paper, an approach based on genetic algorithm is presented for selecting the weighting matrix for the optimal controller. Genetic algorithm is adaptive heuristic search algorithm premised on the evolutionary ideas of natural selection and genetic. In this algorithm, the fitness function is used to evaluate individuals and reproductive success varies with fitness. In the design of the linear quadratic optimal controller, the fitness function has relation to the anticipated step response of the system. Not only can the controller designed by this approach meet the demand of the performance indexes of linear quadratic controller, but also satisfy the anticipated step response of close-loop system. The method possesses a higher calculating efficiency and provides technical support for the optimal controller in engineering application. The simulation of a three-order single-input single-output (SISO) system has demonstrated the feasibility and validity of the approach.     

基于混合遗传算法的建筑结构优化设计

提出一种离散变量结构优化设计的单向搜索算法并与标准遗传算法结合成混合遗传算法,即发挥了单向搜索算法省时、高效、局部搜索能力强的特点,又发挥了遗传算法全局性好的特点·算例结果表明,该方法能直接计算具有应力约束和截面尺寸约束的离散变量结构优化设计问题,也能处理同时具有稳定约束和位移约束的多工况、多约束、多变量的离散变量结构优化设计问题·这种混合遗传算法优于标准遗传算法和单向搜索算法,是兼二者之长,弃二者之短的高效的理想优化设计方法·     

基于遗传算法多目标非重叠路径诱导算法

依据遗传算法基本原理,提出一种多目标路径诱导算法. 染色体编码采用可变长度节点序列方法表示,以减少染色体编码长度. 设计了相应的多目标适应度函数. 该算法在给定多个目标约束条件下,能够解出多个近优路径. 实验结果证明,该算法能有效解决多目标非重叠路径选择问题,和目前已有其它方法相比,路径相似度更小.