航空网络航路点布局的多目标优化设计

航路网络中航路点布局问题（CWLP）是航路网络规划的核心。基于此,从航路网络经济性和安全性出发,考虑航路运行成本和潜在冲突系数两个因素,建立航路点布局多目标优化模型,求解时采用动态递变权重系数的蝙蝠算法以保证运行成本和潜在冲突系数能同时获得较优解。最后对北京飞行情报区进行仿真实验,将蝙蝠算法（BA）与其他多目标算法对比,得到4种算法的非支配解,证明多目标蝙蝠算法在求解航路点布局的大规模优化问题上,能够获得更优解。同时,考虑偏好经济性和偏好安全性两种情况选择两组权重,数据显示,与初始网络相比,这两种情况下网络运行成本和冲突系数减少比例分别为9.99%、15.64%以及-3.97%、65.81%。实验结果表明,该方法能够在航路点布局规划上给决策者以多种优化方案。     

软时间窗与随机航行时间的不定期船舶航线规划

为优化航线设计,降低船舶企业运营成本,在研究VRP(Vehicle Routing Problem)的基础上,将其方法扩展应用到不定期船舶调度问题,船舶运输需要在路径优化时同时考虑不确定航行时间及需求时间窗,用线性近似的方法来消除不确定航行时间的影响,通过惩罚函数的引入表示需求时间窗,建立充分考虑时间因素的数学模型,以总成本最小为目标.运用扫描法和禁忌搜索算法,将问题分为二个阶段,第一阶段,通过扫描法将VRP转化为TSP(Traveling Salesman Problem),然后用禁忌搜索算法解决TSP,通过算例证明了提出算法的有效性,为实际不定期船舶的航线规划提供了参考.     

飞机空中加油航路规划的最优化研究

航路规划是空中加油的重要课题,通过对空中加油问题进行系统性分析,针对受油机往返各加一次油的情况,建立了空中加油航路规划的数学模型.该数学模型考虑了任务总耗油问题,即加油机和受油机的耗油总量;同时还考虑了将受油机前往执行任务的飞行距离列入优化对象(不含返程).并提出了基于遗传算法求解空中加油航路的规划模型.运用所提出的方法,实际计算表明,所建模型具有良好的适应性,能够适合不同的作战环境和不同作战要求;采用遗传优化算法研究空中加油问题,优化效率高、具有全局性,并易于计算机实现;所得的加油方案是合理的.     

跟踪运动目标背景下无人机航路的规划

现代战场中,无人机携带光电设备对运动目标进行跟踪是无人机的重要应用之一。以无人机独立执行跟踪运动目标为背景,在对其所用光电跟踪设备(CCD摄相机)进行分析的基础上,根据跟踪航路的要求,规划出了光栅式跟踪运动目标方案。对所规划方案的技术指标进行了研究,并总结出了光栅式跟踪方案的特点。最后,通过仿真对这此方案进行了验证。仿真结果表明方案可行,这对无人机执行跟踪运动目标的任务在理论上提供了一种可行方案。     

基于全局优化的无人机编队协同攻击航路规划模型

为使无人机编队协同攻击航路从总体上达到最优,引入一种全局优化方法,分析了该方法在无人机编队协同攻击航路规划中的应用,建立了无人机编队的协同攻击航路规划模型,并对该模型的求解进行了分析,给出了求解的全过程。应用该模型对无人机编队协同航路进行了仿真研究,仿真结果表明,基于全局优化方法建立的模型可以满足约束条件下的航路规划要求,具有较强的工程实用性。     

基于运动状态估计的双无人机协同航路规划

在双无人机协同任务过程中,由于会受到敌方雷达、武器等干扰造成跟随机无法准确获得领航机状态,为保证跟随机能够尽可能跟随领航机,提出结合交互式多模型(IMM)算法和自适应差分进化(JADE)算法的方法进行跟踪与寻迹.首先,基于JADE算法为领航机优化一条平滑航路并建立领航机位置状态信息,同时利用多个机动模型匹配估计领航机运动状态;然后,根据估计信息,确定跟随机下一可行航迹点范围;最后,以双机时空协同为目标,设计跟随机优化目标函数,优化产生下一航迹点.仿真实验表明,仅8.8%的航迹点处于双机探测范围外,且短时间内能够回到理想位置,时间和空间上双机能够保持协同.     

主干航路网络规划方法

为了提高全国民航可用空域的利用率和运行效能,针对民航运输的特点,通过建立城市民航运输综合实力评价指标体系和阻抗函数对引力模型进行改进。应用改进的引力模型构建我国主干航路网络系统,并根据我国的城市地理分布对航路网结构进行优化调整。最后通过与现行网络的性能指标对比,证明利用改进引力模型构建和优化的航路网方案的网络安全性、网络总长度、航路利用率、网络连接度等指标都明显优于现行网络。     

基于蚁群算法的无人机航路规划

为了提高无人机(UAV)作战任务的成功率，在执行敌方防御区域内攻击任务前必需规划设计出高效的无人机飞行航路，保证无人机能够以最小的被发现概率及可接受的航程到达目标点。针对这一问题，对新近发展的蚁群算法进行了讨论，提出适用于航路规划的优化方法，并对无人机的攻击任务航路进行了仿真计算。仿真结果表明该方法是一种有效的航路规划方法。     

具有双重时间窗约束的作业车间调度算法

为解决实际生产调度中等待时间受限引起的工件加工时间窗约束和设备能力有限引起的机器可加工时间窗约束,以工件完工率最大为优化目标,建立了具有双重时间窗约束的作业车间调度模型,提出了求解该模型的基于启发式规则的禁忌搜索算法。在分析优化目标与约束条件关系的基础上,提出了工件选择和机器分配的启发式规则,并利用启发性规则生成初始调度方案;设计具有块邻域结构的禁忌搜索算法,减小了邻域规模,通过迭代优化最终获得较优的调度方案。选择多种不同规模的算例与传统算法进行对比分析,实验结果表明了所提算法的可行性和有效性。     

基于自适应遗传算法的无人机航路规划

在规划区域内随机产生一系列威胁点和相应威胁半径来量化无人机(UAV)任务环境,通过纵向剖分目标区,将航路点的表示由二维缩减到一维,采用实值编码以提高运算精度.针对遗传算法(GA)早收敛和收敛慢的问题,在交叉和变异中设计了自适应算子.计算仿真表明该控制算法能使无人机在复杂环境中回避威胁,快速选择最短路径,提高了规划效率.     

带时间窗的快递包装回收车辆路径优化研究

为解决大量快递包装给社会环境带来的一系列问题,优化快递包装及回收车辆路径,降低回收成本,提高客户满意度是快递包装回收的关键。考虑到快递包装回收的现状,提出在回收过程中设置软时间窗来反映顾客的满意度。建立了运输成本、处理成本、回收成本、时间惩罚成本等成本最小化的数学模型。采用改进的遗传算法对模型求解,提出运用2点交叉法改进交叉算子,加快种群的寻优速度,同时提出2点互异改进变异算子,增加种群的多样性,并对算法的种群规模、变异概率、运输成本等进行了灵敏度分析。运用Matlab软件对算例进行仿真,在有无时间窗条件下,验证了该设计的快递包装回收路径模型和算法的有效性。     

基于稀疏A*算法的三维航迹并行规划算法

提出三维稀疏A*算法的规划时间组成,并分析该算法的时间复杂度和并行性,随后给出并行任务划分的不同策略．判断OPEN表中是否存在与新节点相同节点的准则修改为：只比较OPEN表中代价比新节点代价小的节点,新准则可以有效地减少对共享式OPEN,CLOSED表的瓶颈效应．提出的三维航迹并行规划算法在并行机群环境中实现,实验结果表明时间效果改善明显．     

有失效等待的二元预防维修策略

在系统失效不能立即被处理、须等到下次预防维修时刻才能被处理的前提下,研究了一类依赖于临界可靠度R和预防维修次数阀值N的二元预防维修策略.利用相关原理,得出了各种可靠性指标,并建立了系统平均费用关于R和N的函数表达式.同时,利用图像搜索法得出了一实际数值例子的最优维修策略,在此最优策略下系统单位时间平均费用最小.     

轮询门限服务系统中信息分组等待时间的公平性问题分析

 采用概率母函数和随机过程的方法对轮询式门限服务系统中信息分组的等待时间的公平性问题进行分析,对FIFO与FILO 2种服务规则下的信息分组等待时间方差进行了对比,证明了轮询门限服务系统信息分组等待时间在FIFO服务规则下较FILO规则下有更好的公平性.     

模糊综合评判在公路客运线路规划评价中的应用

针对公路客运线路规划方案影响因素多和评价指标难以完全量化的特点，提出运用层次分析和模糊综合评判相结合的方法，对基于不同规划思路提出的公路客运线路规划方案进行评价。建立了相应的评价指标体系，并运用层次分析法确定了各项指标权重，运用模糊综合评判法计算出各规划方案评判值，从而依据分值大小确定规划的推荐方案。最后通过实例验证了该方法的实用可行性和科学有效性。     

基于Dijkstra拓展算法路线优化

利用Dijkstra算法,将配送中心的3个业务目标(距离、时间和费用)进行整合,建立可实现多目标的模型。对多目标Dijkstra算法进行了拓展,即一个配送中心对应两个客户配送以及车辆调度。     

基于等待时间限制的服务备件多点转运库存模型研究

构建了一个基于等待时间限制的、多级多库存点、连续盘点的低需求服务备件库存系统模型,在目标服务水平约束下寻求各点的最优库存量使得系统总成本最小,其中目标服务水平由最大的等待时间限制来体现。最后采用MATLAB遗传算法工具箱对模型进行求解,通过一个算例验证了模型的有效性。     

基于马尔科夫生存模型与粒子群算法 的动态航路规划

针对未知情况下航路规划问题,采用动态规划策略保证飞机可以实时规划未来路径,并引入基于马尔科夫的生存模型来获取飞机的生存状态概率,从而评估生存代价,再综合任务、油耗、飞机机动性等作为粒子群算法的目标函数与约束条件,同时为了缓解生存与任务之间的矛盾,引入目标函数权重自适应策略.仿真实验证明,提出的动态航路规划策略是可行的,自适应权重也在一定程度上缓解了生存与任务之间的矛盾,同时将基于马尔科夫的生存模型应用于动态航路搜索中,能够更加直观地掌握每一时刻飞机的生存代价以及各状态的概率.     

基于演化深度神经网络的无人机协同无源定位动态航迹规划

 针对多无人机在无源定位过程中协同动态规划航迹提高定位精度问题,提出基于演化深度神经网络的分布式动态航迹优化方法。首先将演化计算与深层前向反馈神经网络结合,设计基于演化神经网络的无人机协同无源定位动态航迹规划框架。以多无人机到达角（AOA）协同定位为例,利用定位过程中对目标估计的克拉美罗界（CRLB）生成最优训练集。通过无人机下一时刻与目标形成的相对构型作为系统学习的行为,从而得到下一时刻优化后的航迹点。实验结果表明,该方法相对于传统中心控制的无人机协同定位方法,具有更低的处理延时,能够以更短时间达到定位精度。