基于精英重组的混合多目标进化算法

针对多目标进化算法搜索效率低和收敛性差的问题,提出了基于精英重组的混合多目标进化算法,将多目标优化问题分解为多个单目标优化问题单独求解,并采用基于遗传算法的精英重组策略将多个相异解重组生成唯一的精英解.提出区域化的种群初始化方法,改进局部搜索及群体选择机制,采用以优化子群为核心的分组交叉策略及自适应多位变异算子,并引入基于混沌优化的重启机制,有效克服了精英保存的固有缺陷,以及现有多目标进化算法存在的目标空间解拥挤、收敛慢、易早熟等问题.多目标测试函数的数值仿真和关键步骤的性能分析证明了本文算法的有效性和优越性.     

低轨卫星星座通信系统星间路径选择

现有的低轨卫星星座路由算法在选择星间路径时,根据算法特征分别选用最短传输延时路径(LDP)和最小跳数路径(LHP),但是对选用LHP的合理性缺乏详细分析。针对低轨卫星星座系统中LDP与LHP的关系问题,该文通过遍历仿真验证,LDP属于LHP集合,且LHP集合中各条路径传输延时差别不大,可以用LHP代替LDP以降低计算复杂度,便于路由算法的分布式实现。此外,基于LHP传输延时的变化特征,提出了星间路径选择的策略,减少了路由切换次数,为进一步优化分布式路由算法奠定了基础。     

基于模糊偏好的多目标进化优化算法

近年来有关多目标优化方法得到了广泛的关注，但大部分多目标优化算法只是给出了一个优化解集，而没有对这个解集进行分析。这就使得决策者（DM）在决策阶段，无法分辨解的优劣，从而给决策带来困难。本文介绍了一种基于模糊偏好和遗传算法相结合的方法，使决策者在优化的初始阶段根据对不同的目标函数的偏好来决定它们的权重，通过与NSGA－Ⅱ算法所得到的Pareto曲线进行对照，可以为决策者提供更大的帮助。     

基于多目标协同优化算法的卫星结构优化设计

针对卫星系统中多目标、多约束、耗时的结构优化问题,建立了卫星结构的多目标协同优化模型.将协同优化方法与全局多目标优化算法相结合,并针对协同优化方法的缺陷采取一些改进措施,提出了协同优化方法与全局多目标优化算法(CO-PE)组合优化方法.以某卫星结构多目标优化问题为例,在iSIGHT优化软件中对卫星结构进行多目标协同优化设计,通过CO-PE组合优化方法获取Pareto最优解集.优化结果表明,多目标协同优化模型能够简化优化问题的复杂度,基于近似模型的CO-PE组合优化方法具有较好的准确性和高效性,对实际工程中类似的复杂结构优化问题具有一定的参考价值.     

基于遗传算法的多目标优化算法

本文先介绍了遗传算法的实现技术,又介绍了多目标优化问题的概念,然后使用遗传算法来求解多目标优化问题。文中使用了均匀设计方法来设计适应度函数,并设计了新的变异算子,算法结果是有效的。     

基于微分进化算法的销齿传动多目标优化设计

为缩短销齿传动的设计周期,降低产品成本,依据弹性流体动力润滑理论和齿轮啮合原理建立销齿传动的冷胶合强度条件。以齿间最小油膜厚度最大(倒数最小)和销齿传动中心距最小作为设计的追求目标,摈弃传统的多目标优化设计方法,利用修正的微分进化多目标优化算法对范例进行分析计算。优化过程及结果表明,修正的微分进化多目标优化算法能够有效地提高产品的综合经济技术指标。     

多目标进化算法研究综述

简要介绍了多目标进化算法(MOEAs)的基本框架、研究历史、总体分类和主要方法,同时讨论了进化算法(EAs)在多目标优化的应用中的几个关键性问题及今后需进一步研究的工作.     

多目标优化的进化优化算法

进化优化算法具有全局优化能力,可以一次性求解多个非劣解。近年来,此类方法已经成为求解多目标优化问题一个重要的研究方向。本文分析了进化优化算法的关键步骤,介绍了几种代表性的多目标进化优化算法,并指出了值得进一步研究的相关问题。     

海绵城市低影响开发设施多目标优化设计

低影响开发技术设计中,为了能够有效地降低经济成本并使得低影响开发技术的效果最大化,以低影响开发方案的总费用作为经济性判断的目标函数,以年径流总量控制率作为控制目标函数,以低影响开发雨水设施的面积作为约束条件,建立低影响开发设计的多目标优化数学模型,并采用第二代非支配排序遗传算法(NSGA-Ⅱ)对该多目标数学模型进行求解分析.最后以一个实际区域的低影响开发项目作为案例加以分析,得出总费用和年径流总量控制率的帕累托最优曲线,可为设计决策者提供多套不同的优化方案.不同低影响开发技术的组合方案,更加科学,使决策更加清晰合理.     

基于决策空间划分模型的多目标进化算法

为有效利用决定空间中的信息、提高收敛速度与准确度,提出了基于决策空间划分模型的多目标进化算法.该算法将决策空间划分成多个子决策空间并在每个子决策空间内映射出一个超球体,运用某一多目标进化算法完成超球体内个体的1轮次进化,基于粒子群优化算法的粒子移动机制实现超球体间的信息共享、引导超球体质心向最优解集方向移动.对8个测试问题的实验结果表明:基于决策空间划分模型的多目标进化算法在收敛精度和收敛稳定性方面比FastPGA,MOCell,NSGA-Ⅱ和SPEA2算法表现出更好的性能.     

考虑波束限制的改进导航星座星间链路方案

导航卫星星座系统由于卫星间的相对运动使卫星的相互可见关系不断变化,这给链路选择带来了挑战.本文研究具有同轨及异轨星间链路的导航星座网络,综合考虑星间链路状态,通过比较最短路径方案和K短路径方案,提出了一种考虑波束限制的适用于导航卫星星座的星间链路优化方案,并进行仿真研究,最后得出了有用的结果.     

基于CART算法的卫星星座原始构型选择策略

针对现有的3种最具代表性的卫星星座设计方法的缺点,提出了层次递进的卫星星座设计方法.该方法采用基于CART算法的卫星星座原始构型选择策略,可将星座构型的求解空间缩小至少53.3%.利用CART6.0软件构建了选择卫星星座原始构型子集的CART树,运行速度达到7.9s,分类精度达到97.15%,10阶交叉验证的相对成本为0.033.结果表明:采用这种策略选择卫星星座原始构型还具有可扩展性强、准确性高和易于实现的优点,为卫星星座构型模块化设计建立了良好的基础.     

保证用户公平性的低成本卫星星座设计

针对用户分布和地理环境的差异性对保证卫星星座服务下的用户公平性提出的挑战,综合考虑不同区域的用户需求、通信发展水平和自然灾害水平,提出了一种用户公平性保证的低成本卫星星座设计方案。建立LEO卫星网络模型,分析单颗卫星的覆盖性能;定义用户公平性因子,在满足用户公平性的同时,将LEO卫星星座设计问题建模为最小化星座投入成本和最大化覆盖率;在星座容量和星座盈利的约束下,采用非支配排序遗传算法(non-dominated sorting genetic algorithm, NSGA-Ⅱ)求解卫星星座设计问题。仿真结果表明,所设计的卫星星座能够以较低的卫星星座投入成本满足不同区域的用户公平性要求,同时满足目标区域的覆盖率。     

用并行遗传/Powell/蚁群混合算法求解卫星舱布局问题

卫星舱布局优化设计问题数学上属NP-hard问题．较有效的求解途径之一是研究混合算法,为此构造了并行混合PGA-Powell-蚁群算法（简称PGPAHA）．该算法以并行遗传算法为基本框架,根据各子群体收敛速率的快慢来决定它们之间迁移的时机,在收敛后期加入Powell法作为并行遗传算法的算子来加快收敛速度,并利用蚁群优化算法提高计算的精度．最后应用该算法求解了简化的三维带性能约束的国际商用通讯卫星的卫星舱布局设计问题,数值实验结果表明,该算法与并行遗传算法（PGA）相比,在计算精度、计算效率及计算稳定性方面较优。     

基于遗传算法混合有源滤波器参数的多目标优化

为了解决混合有源滤波器(hybrid active pow erfilter,HAPF)参数匹配以及无源部分和有源部分容量的合理分配,提出一种基于小生境遗传算法的多目标满意优化设计方法,较为全面地考虑HAPF的容量、滤波效果、无功补偿等因素,使得多目标参数求解达到协调满意的效果。优化结果表明:有源部分容量仅为滤波器容量的6.4%,电流总畸变率降低到0.8%,同时满足系统无功功率需要,降低了HAPF系统的投资,提高性能价格比,达到HAPF实用化及谐波抑制的目的。     

一种新型多层卫星星座组网设计

随着空间技术需求的不断增多,传统的单层卫星星座组网模式,由于其结构简单,在未来空间技术的发展中受到限制.近年来,采用多层卫星进行星座组网受到业界的普遍关注.鉴于多层卫星星座模型的优点,设计了一种新的基于GEO/MEO/LEO的三层卫星星座模型.本模型充分结合高、中、低轨道各自的优势,以尽量少的卫星数量实现了对地球的全面覆盖,较之传统单层模型更为立体化.最后,通过STK和MATLAB对所提出的多层卫星星座组网模型进行了数字化仿真,从星间链路的长度、链路通信俯仰角以及方位角等方面进行了对比和分析,验证了本模型的合理性和有效性.     

基于遗传算法的区域性Flower星座设计

分析和确定了Flower星座的优化参数,从参数编码、适应度评价和算法流程设计三个方面进行讨论,给出了Flower星座的遗传算法优化模型.利用自行开发的卫星星座仿真软件SatSim (satellite simulation)和STK (satellite tool kit)工具包,设计了适合中国区域通信的三个Flower星座并进行了性能分析.仿真结果表明,4和5颗星的星座在最小仰角10°的条件下对中国的平均覆盖率分别为97.26 %和99.24 %;6颗星的星座在最小仰角15°的条件下对中国的平均覆盖率为99.88 %,基本实现对中国的连续覆盖,可以满足卫星移动通信的需求.     

LEO卫星IP网络组播路由算法

为了解决低轨(low earth orbit,LEO)卫星网络中需要快速高效组播路由协议的问题,提出一种新型LEO卫星IP网络组播路由算法。在分析建立LEO卫星网络拓扑模型的基础上,该算法利用LEO卫星网络的自身特点,采用分布式迭代的计算模式,生成基于源端的组播路由树,大幅度地降低了算法的计算复杂度。仿真结果表明:与传统的LEO卫星网络组播路由算法相比,该算法具有较低的计算复杂度,生成的组播路由树具有较小的开销。相比于传统MRA算法,该算法生成的组播树中源点到组播成员节点的平均延时大约为前者的90%。     

LEO卫星IP网络组播路由算法

为了解决低轨(lowearthorbit,LEO)卫星网络中需要快速高效组播路由协议的问题,提出了一种新型LEO卫星IP网络组播路由算法。在分析建立LEO卫星网络拓扑模型的基础上,该算法利用了LEO卫星网络的自身特点,采用分布式迭代的计算模式,生成基于源端的组播路由树,大幅度地降低了算法的计算复杂度。仿真结果表明,和传统的LEO卫星网络组播路由算法相比,该算法具有较低的计算复杂度,生成的组播路由树具有较小的开销。相比于传统MRA算法,该算法生成的组播树中源点到组播成员节点的平均延时大约为前者的90%。