一种多目标优化问题的混合优化算法

利用分布估计算法(EDA)的全局搜索性能及差分进化(DE)算法的局部优化能力,提出了一种多目标优化问题的混合智能求解方法DE-EDA.DE-EDA的子代个体由两部分构成,一部分按差分进化算法生成,另一部分则是通过对分布估计算法的概率模型进行随机采样生成.利用模拟退火技术在线调整尺度因子Pr,即在进化的初期选择较大的Pr,以保证EDA起主导作用,由EDA引导DE搜索向Pareto前端,增加全局搜索能力,然后在进化的过程中逐渐降低Pr,使得DE逐渐占据主导作用,确保解精确收敛到Pareto前端.通过4组基准函数来测试算法性能,并与NSGA-Ⅱ和DE算法进行实验比较,结果表明该方法不仅解的多样性和分布性好,而且能够有效提高种群进化的收敛速度,是一种求解多目标优化问题的有效方法.     

层次任务网络中的重新规划研究综述

层次任务网络(hierarchical task network, HTN)作为智能规划技术的重要组成部分,已成功应用于无人平台任务规划、应急方案制定等各领域中。由于日益增加的不确定因素对计划执行效果的影响,迫切需要重新规划技术,因此基于HTN的重新规划技术成为近年来的研究热点。首先,通过对当前研究现状的总结梳理,提出了基于HTN的3层重新规划框架。然后,分别从框架中的计划修复、局部重规划和全局重规划3个层次阐述了相应的技术路线与实现细节,针对不同层次指出了目前方法的优势与不足。最后,对该问题未来的研究方向进行了展望,并提出了待解决的关键问题及解决思路。     

Self-alignment of full skewed RSINS：observability analysis and full-observable Kalman filter

Traditional orthogonal strapdown inertial navigation sys-tem （SINS） cannot achieve satisfactory self-alignment accuracy in the stationary base： taking more than 5 minutes and al the iner-tial sensors biases cannot get ful observability except the up-axis accelerometer. However, the ful skewed redundant SINS （RSINS） can not only enhance the reliability of the system, but also improve the accuracy of the system, such as the initial alignment. Firstly, the observability of the system state includes attitude errors and al the inertial sensors biases are analyzed with the global perspective method： any three gyroscopes and three accelerometers can be assembled into an independent subordinate SINS （sub-SINS）;the system state can be uniquely confirmed by the coupling connec-tions of al the sub-SINSs;the attitude errors and random constant biases of al the inertial sensors are observable. However, the ran-dom noises of the inertial sensors are not taken into account in the above analyzing process. Secondly, the ful-observable Kalman filter which can be applied to the actual RSINS containing random noises is established; the system state includes the position, ve-locity, attitude errors of al the sub-SINSs and the random constant biases of the redundant inertial sensors. At last, the initial self-alignment process of a typical four-redundancy ful skewed RSINS is simulated： the horizontal attitudes （pitch, rol ） errors and yaw error can be exactly evaluated within 80 s and 100 s respectively, while the random constant biases of gyroscopes and accelero-meters can be precisely evaluated within 120 s. For the ful skewed RSINS, the self-alignment accuracy is greatly improved, mean-while the self-alignment time is widely shortened.     

人工记忆优化算法

为了求解复杂函数优化问题,根据人类记忆原理构造出了具有全局收敛性的人工记忆优化算法. 在该算法中,每个记忆元对应着一个试探解; 将记忆原理的记忆和遗忘规律用于控制每个记忆元的状态转移; 记忆元的状态由与试探解相关的状态描述量以及记忆残留值构成,该值分为瞬时记忆、短时记忆和长时记忆三种状态类型,并依据记忆元接受刺激的强度被加强或衰减; 处在瞬时记忆、 短时记忆和长时记忆状态的记忆残留值衰减速度由快到慢,记忆残留值低于某个阈值的记忆元要被遗忘,不再被处理. 在记忆元状态转变过程中,记忆元从一个状态转移到另一个状态实现了对优化问题最优解的搜索. 该算法将试探解与记忆关联,使得试探解依据其质量好坏被自动分类; 处于长时记忆状态的试探解因其质量好,其部分变量的状态值将被传给其它质量差的试探解对应的变量,使其质量得到改善; 处于不同记忆状态的试探解交换信息时,只有很少部分变量进行状态信息交换,这样既可以使试探解的大部分变量的状态保持不变,又能使其质量得到改善,且可大幅减少变量处理个数,对于高维优化问题此举可大幅提高算法收敛速度; 随着演化的进行,质量差的试探解会不断被遗忘,被处理的试探解的数量会不断减少,因此,随着时间的推移,本算法的收敛速度将越来越快. 应用可归约随机矩阵的稳定性条件证明了本算法具有全局收敛性. 测试结果表明本算法的性能与现有的群智能优化算法相比,具有收敛速度快,求解精度高的优势.     

一种基于FFT的高动态GPS信号快速捕获方法

对高动态GPS信号快速捕获问题进行了研究,提出了一种适应高动态环境,捕获时间短的捕获方法。该方法采用多普勒频域串行捕获,时域由FFT代替滑动相关的并行捕获的二维策略,从而大大提高了高动态GPS接收机的信号捕获性能。分析了基于FFT的快速捕获原理和软件实现,并通过对实测的GPS信号的捕获验证了该捕获方法的正确性。     

基于偏微分方程的户外图像去雾方法

户外图像的雾化往往导致色彩降质和对比度降低,有效的去除图像中天气效果对提高视觉系统的可靠性和鲁棒性具有重要意义。根据大气散射物理模型以及有雾图像的色彩与对比度降质同场景点的景深成指数关系的先验知识,分别建立了户外图像全局去雾和局部去雾的能量最优化模型,推导了相应的求解偏微分方程。利用用户提供的简单附加信息,实现了仅从单幅图像恢复清晰图像的去雾算法。实验结果表明：去雾图像的色彩清晰度和对比度有较大改善,具有很好的应用前景。     

基于CDT空间剖分的虚拟角色全局路径规划

针对大范围复杂虚拟城市环境中虚拟角色的自主导航问题,研究了虚拟城市环境的环境建模以及基于层次道路图的改进A*算法。用自适应剪切平面切割三维地物几何模型,把三维城市空间投影到2D平面空间,利用约束Delauny三角化方法剖分城市自由空间,通过调整约束边的长度调整提取道路图的精度,并构建顾及地形起伏特征的层次道路拓扑图;为适应基于层次道路图的路径搜索,对传统A*算法进行了改进。实验结果表明:该方法可以快速完成虚拟角色在虚拟城市环境中的全局路径规划,且环境建模需求空间小,路径搜索效率高并顾及了地形环境的起伏特征。     

蚁群算法在全局最优路径寻优中的应用

移动机器人路径规划是机器人学的一个重要研究领域。针对移动场地的特点对其进行了建模与存储,然后将场地处理成简单的连通图,在此基础上对TSP模型进行了改进以应用到机器人全局最优路径中来,然后利用蚁群算法的基本原理在所建立的模型上进行全局最优路径搜索。为了更好的寻找到全局最优路径,对基本蚁群算法也做了一定的改进。不同的实验结果表明这种方法的确可以准确地找出全局最优路径。     

基于理想点的三角模糊数多指标决策法

研究了属性权重和属性值均以三角模糊数形式给出的模糊多指标决策问题,定义了三角模糊数正理想方案和负理想方案,由此给出了三角模糊数多指标决策问题的理想点法。该方法简单实用,所需信息小.最后用该方法分析了一个实际问题。     

线性-二次双层规划的满意解与基于LP与NLP过程的算法

对线性-二次双层规划(简称LQP)模型提出求满意解的直接搜索方法.得到了基于LP与NLP过程来协调LQP上下层满意度与求满意解的算法.数值计算实例表明,算法得到的满意解较之传统最优解更有效.