基于遗传算法的多星调度方法

多星调度是一类约束条件众多且复杂的调度问题,除了要考虑时间窗、过渡时间等约束外,还需要考虑任务的时效性约束和能量消耗约束。为此,文章建立了相应的数学模型,并设计了基于圈次进行交叉、变异的遗传算法;通过STK生成测试数据,并与蚁群算法结果对比,说明该方法能有效解决多星调度问题。     

一种基于定位误差的多星座快速选星算法

对于GPS/SBAS/QZSS/BDS的多星座卫星导航系统,分别分析了几何精度因子(GDOP)与系统时间差以及与定位误差之间的关系,并在此基础上,进一步提出了一种快速选星算法。该算法基于定位误差进行选星,并考虑了系统时间差对GDOP的影响。仿真结果表明,该算法的计算量相对于最佳GDOP选星有了显著降低,选星后的GDOP值非常接近最佳GDOP选星的结果,从而在定位精度损失不大的条件下降低了定位解算的运算量。     

基于遗传算法的多目标优化方法

本文通过建立多目标问题模型,提出了运用改进的遗传算法求解多目标物流网络问题.该算法借鉴AHP方法的思想,采用将其与遗传算法混合的求解策略,并采用分阶段化的实数编码思想以及相应的遗传算子设计,对遗传算法进行适应性改进.     

应用遗传算法的多星座保护级别优化方法

增强型接收机自主完好性监测算法（ARAIM）能够在精密进近段为飞行器提供完好性保护。针对提高ARAIM算法在中国地区可用性的优化问题,提出一种基于遗传算法的垂直方向保护级别（VPL）优化方法。该方法在理论层面对VPL方程进行推导,将最大值函数最小化问题转化为目标规划求最优问题,利用遗传算法的寻优特性避免了优化中奇异点的出现,通过优化分配连续性风险和完好性风险,实现了对VPL值的优化。为了验证该优化方法的有效性,利用跟踪站采集到的GPS、GLONASS和BDS 3个导航系统播报的真实卫星星历数据,对VPL值进行了分析,分析结果表明该方法的平均优化率达到9.9%。      

基于遗传算法的TD-LTE多目标站址选址方法

为了有效地扩大基站无线覆盖范围,吸收更多的用户和话务量,降低建设成本,提高收益,实现科学的基站选址,提出了一种适应于TD-LTE网络的高效的、智能的4G无线网络规划方法,通过综合考虑4G网络的同频干扰、正交频分复用(OFDM)、小区边缘速率、参考信号强度(RSRP)和基站站址密度等,建立一个以建设成本、覆盖率和容量为目标的多目标组合优化规划模型;并采用加入局部搜索的遗传算法进行智能求解。仿真结果表明该模型不但能够求出以最少的成本建设最大覆盖的网络方案,而且能够求出每个建设基站的天线类型、天线挂高和小区类型;同时加入局部搜索后的算法速度得到明显的提高。     

基于多目标遗传算法的云服务部署优化方法

将服务部署优化问题建模为多目标组合优化问题.在多目标遗传算法的基础上,把部署方案转换为基因编码,用轮盘赌选择机制选择个体,用单点交叉算子产生新的子代,并以设定的概率发生变异.对合适个体考虑支配值和稀疏值设计适应度函数;对不合适个体根据支配值和SLA冲突设计适应度函数.最后给出了优化过程.通过仿真实验可以看出:随着迭代次数的增加,适应度值及各个优化指标值逐渐收敛于一个固定且较优值,说明利用设计的优化算法,能使各个优化目标值较快地收敛到一个较优解,能较好地帮助基础设施即服务(SaaS)提供商在部署应用服务时进行有效规划和决策.     

基于多目标遗传算法的无线传感器网络重新部署方法

研究节点动态移动以增强覆盖率,同时考虑节点的最大移动距离最小化.通过引入虚拟合力对基因进行变异,提出一种基于NSGA-II框架的改进的多目标遗传算法,达到网络覆盖率与节点移动距离之间的平衡.实验证明,该结果能得到较分散的前沿占优解.     

基于多目标遗传算法的路径规划

研究三维地形中的路径规划问题.针对三维地形中路径涉及的因素多,将多目标优化的思想引入路径规划.提出一种基于多目标遗传算法的路径规划方法,设计了优化路径的遗传算法实现方案.使用大范围初始化种群的方法,设计了适合于路径规划的遗传算子.实验证明,该算法能综合考虑多种因素,并能同时提供不同特点的多条路径供决策者选择.     

基于Species机制的多目标遗传算法

多目标优化算法设计正在成为当前进化算法领域的一个研究热点.考虑将最初用于多峰优化的Species机制引入到多目标遗传算法中,通过借鉴现有多目标算法的相关思想,设计并提出了一种新的Species方法,包括基于Pareto最优性和拥挤度思想的Species种子确定策略及适应性的Species构造策略.一组标准多目标测试函数的仿真实验结果表明,提出的基于Species机制的多目标遗传算法表现出比经典的非支配排序遗传算法Ⅱ(NSGA Ⅱ)更好的性能.