飞向Halo轨道的太阳帆航天器轨迹优化设计

研究了太阳帆航天器从地球同步轨道飞向日-地第2Lagrange(L2)点Halo轨道时其转移并入轨的轨迹优化设计问题。提出了分3阶段优化设计的方法:首先调整航天器逃离地球的飞行轨迹,使其比较接近目标Halo轨道的不变流形;再借助不变流形,用遗传算法求解相应的最优控制,使其转移到目标Halo轨道的不变流形上;最后航天器将沿流形飞行完成入轨。数值仿真结果表明,提出的方法可以得到相当好的转移轨道。由此显示:将转移轨道分为若干阶段,借助不变流形,用遗传算法求解最优控制问题的轨道优化设计方法对于此类小推力变轨问题是切实可行的。     

飞向Halo轨道的太阳帆航天器轨迹优化设计

研究太阳帆航天器从地球同步轨道飞向日-地第2Lagrange(L2)点Halo轨道时其转移并入轨的轨迹优化设计问题。提出了分3阶段优化设计的方法:首先调整航天器逃离地球的飞行轨迹,使其比较接近目标Halo轨道的不变流形;再借助不变流形,用遗传算法求解相应的最优控制,使其转移到目标Halo轨道的不变流形上;最后航天器将沿流形飞行完成入轨。数值仿真结果表明,提出的方法可以得到相当好的转移轨道。由此显示,将转移轨道分为若干阶段,借助不变流形,用遗传算法求解最优控制问题的轨道优化设计方法对于此类小推力变轨问题是切实可行的。     

多变量间接自适应控制算法及全局收敛性分析

提出了可以控制具有任意交互矩阵的随机多变量系统的间接自适应控制算法并进行了稳定性和收敛性分析。首次表明:该算法无论用于开环不稳定或非最小相位系统,系统的输入输出以概率1采样均方有界,广义输出误差的条件均方取得整体最小值;参数估计强相容。     

并行遗传算法收敛性分析及优化

针对并行遗传算法（parallel genetic algorithms，PGA）容易出现收敛过快和陷入局部最优解的问题，综合多种不同进化策略遗传算法之所长，设计了一种混合的粗粒度并行遗传算法。该算法由多个独立的子群体组成，各个子群体并行的、独立的、按照不同的遗传进化策略进化，每隔一定的时间，在子群体之间进行最优个体的迁移，促进群体的共同进化，并抑制群体早熟。在PVM环境下，用该算法实现函数优化问题，仿真实验数据表明了其有效性．     

粒子群优化算法收敛性分析

对粒子群优化算法的收敛性进行了分析,给出了收敛条件,数值试验计算验证了收敛性分析结果。讨论了粒子群优化算法参数选取的基本原则。     

混合优化算法的全局收敛性分析

目前混合优化算法主要是基于实验的经验分析,有关其全局收敛性的理论分析较少.基于单调有界序列的极限定理,从统一性角度提出并证明了混合优化算法全局收敛的多个充分条件,进而得到混合优化算法设计和分析的基本准则:采用独立运行的全局收敛子算法的混合优化算法是全局收敛的;采用周期性重启动或引入随机个体的策略在参与比较和保留精英的条件下可以保证改进型算法的全局收敛性;高效实用的混合优化算法应采用搜索效率较高的算法作为主体而以其他算法作为辅助策略.     

间接原子吸收分析技术

介绍近几年间接原子吸收分析的新进展，包括沉淀法、络合法、杂多酸法、氧化还原法、置换法、增感法、干扰法，并展望了间接原子吸收分析的发展方向。     

一种万有引力优化算法及其收敛性分析

在分析信息共享机制对粒子群算法的影响及万有引力的基础上,针对粒子群早熟收敛和搜索能力差的问题,提出了一种基于万有引力的算法,质点之间的信息共享是由它们之间引力大小决定的,而不是受随机量影响的,并对算法的收敛性进行了分析.函数优化仿真结果显示该算法简单且能够快速寻找到最优点,在与粒子群比较的过程中发现,该算法速度快,也有着不错的寻优能力,适用于工程中的函数优化问题.     

粗粒度并行遗传算法收敛性分析及优化运算

提出了一种新型的粗粒度并行遗传算法(CGGA)，该算法利用多个子种群基于不同的编码方式进行进化计算．首先各子群体独立进行交叉、变异和选择遗传操作，每代进化后迁移算子被引入用来进行种群问的信息交流，迁移算子将各个子种群的最优个体替换相邻种群最差个体后继续进化．基于时齐遍历马尔可夫链理论，给出了CGGA各个子种群的概率转移矩阵与其进化概率转移矩阵，证明了以概率1全局收敛．对典型的测试函数CGGA进行了求解．仿真结果表明，本算法的收敛性能优于经典遗传算法(CGA)，可以有效解决CGA的过早收敛问题．     

压缩系数的微粒群优化算法的收敛性分析

该文利用矩阵理论对具有随机数的压缩系数的微粒群优化算法进行了收敛性分析,给出了c=d=1和c=1两种收敛性结果,同时图形化给出了参数选择准则.     

标准的微粒群优化算法的收敛性分析

利用矩阵理论对具有随机数的标准微粒群优化算法进行了收敛性分析,给出了c=d=1和c=1两个收敛性结果.     

标准的微粒群优化算法的收敛性分析

本文利用矩阵理论对具有随机数的标准微粒群优化算法进行了收敛性分析，给出了c=d=1 和c=1 两个收敛性结果。     

模糊神经Petri网算法优化及其收敛性分析

针对模糊神经Petri网(fuzzy neural Petri net,FNPN)学习算法计算精度低、收敛性差及训练过程中网络震荡较大的问题,提出一种优化的FNPN算法.本算法采用两种S型连续函数分别表示变迁使能及变迁点燃后的新标记值,并在传统参数修正公式的基础上考虑修正前的数值进而增加新型的动量项,从而改善网络的收敛性.本文证明了优化后的参数修正算法可以保证FNPN网络的收敛性.     

遗传算法收敛性分析

分析了遗传算法马尔可夫链的性质,并进一步证明了在基于保留最佳个体策略时遗传算法依概率收敛到全局最优解,特别利用鞅收敛定理给出非保留最佳个体策略遗传算法强收敛的充分条件．     

一种基于基因置换技术的优化算法及其收敛性

针对实际工程应用中的定精度优化问题,基于基因置换育种技术提出一种局部优化算法.该算法以二进制编码个体作为育种目标,采用基因置换技术完成目标个体进化而实现精确局部搜索.通过对算法的收敛特性进行分析证明,获得优化计算代价的理论上限和经验估计,建立实现定精度优化的算法参数与计算代价的关系.实验结果表明,该算法能够在预定的计算...     

动态交互作用下的粒子群优化算法收敛性分析

针对粒子群优化(particle swarm optimization,PSO)算法的收敛性分析忽略了最优粒子间的动态交互更新过程的不足,提出运用z变换域方法分析动态交互作用下粒子群优化算法的收敛性,得出了算法的收敛区域,扩展了参数的收敛范围,弱化了参数的收敛条件。测试函数的实验仿真验证了分析结论的正确性,为PSO算法参数选择提供了依据。     

工业稳态优化ISOPE算法的收敛性与鲁棒性分析

本文对工业过程稳态优化控制中的各种算法进行了统一数学描述，对算法的鲁棒性给出了严格定义，并就一般情况讨论了稳态优化控制算法的收敛性，鲁棒性及算法解集的性质，给实际稳态控制以理论指导。     

间接法求解具有最大横程的再入轨迹

针对运用间接法进行弹道优化时存在共轭变量初值高度敏感难以估计而无法获得全局最优解的缺点,引入混合遗传算法对弹道优化时的共轭变量初值进行搜索,并求解获得具有最大横程的再入轨迹. 求解时考虑了热流约束、过载约束和动压约束,约束的处理采用惩罚函数方法,通过对不可行解的惩罚转换为无约束问题. 数值仿真验证了该算法实用性.      

水平定向钻进的轨迹误差分析与优化

为了提高水平定向钻进的轨迹精度,对轨迹误差的影响因子进行了细致的推导,并结合工程实际对公式进行了一系列合理的简化。在公式的推导和简化过程中,针对施工中的不同条件对公式进行了选择性优化,使钻进轨迹误差受测量误差的影响尽量减小。利用实际施工中的具体环境参数,仿真了在相同测量误差下的轨迹误差在优化前后的差异,从而证明了该优化...     

井眼轨迹圆柱螺线插值模型分析与优化

井眼轨迹的插值计算在定向井轨迹监控、防碰扫描、钻柱磨阻扭矩分析和三维井眼轨迹图形实时显示等许多问题中都有很重要的应用。根据现场需要,以经典圆柱螺线模型为基础,从空间解析几何学有关公式出发,推导出在圆柱螺线测斜条件下的插值解析计算公式。建立了圆柱螺线插值计算模型;并编制成相应软件。通过与现场实际数据、国外经典软件Com-pass对比分析,得出软件的方位角计算方法比Compass的方位角计算方法更符合实际,提高了计算精度,进而减少了其它变量的计算误差。