基于粒子群算法的飞行器再入轨迹优化

提出将粒子群优化算法（PSO）应用于飞行器再入轨迹优化。以最小控制能量高超声速飞行器再入轨迹优化为例，对飞行器运动模型进行简化和控制量参数化，粒子群算法采用自适应权值，并充分利用飞行器再入时的运动特性来设置PSO算法初始参数，分析比较仿真步数对结果的影响。仿真结果表明提出方法的有效性和优越性。     

高超声速飞行器多约束参考轨迹快速规划算法

针对多约束的高超声速滑翔飞行器的再入轨迹优化时对初值敏感的问题,提出一种参考轨迹快速规划算法.对运动方程进行了无量纲处理并引入适合优化求解的替代变量,通过纵向再入走廊和侧向制导的规划使所有过程约束和终端约束完全满足.仿真结果表明,得到的参考轨迹接近最优解,大幅缩短了后续优化工作所需的时间,具有重要的工程实用价值.     

多约束下助推滑翔弹道发射角优化研究

临近空间飞行器利用临近空间独特的环境特点,采用助推滑翔式弹道实现高超声速滑翔和机动,极具发展潜力,但同时对助推段与滑翔段交班条件、恶劣环境下的精确末制导等方面提出了极为苛刻的要求,因此助推段飞行程序的设计对全弹道而言至关重要.针对临近空间飞行器基于助推滑翔式弹道打击不同距离目标的要求.在满足多约束条件下,采用复合形法对弹道的发射角进行优化,优化后的发射角可以有效降低后续滑翔、再入段的设计难度,为弹道设计提供较大的设计裕度.仿真结果显示,该方法有效且对初始控制参量取值要求不严格,具有较强的适应性.     

精确罚函数求解约束优化问题的布鲁丹族拟牛顿算法

对于含约束不等式的优化问题,构造双参数精确罚函数并给出精确罚定理,提出了一个求解这种罚函数问题的布鲁丹族拟牛顿算法,研究了算法的收敛性与收敛速度,并进行了数值试验,证明了可行性.     

精确罚函数求解约束优化问题的布鲁丹族拟牛顿算法

对于含约束不等式的优化问题,构造双参数精确罚函数并给出精确罚定理,提出了一个求解这种罚函数问题的布鲁丹族拟牛顿算法,研究了算法的收敛性与收敛速度,并进行了数值试验,证明了可行性.     

排水管系设计的罚函数离散优化法

结合排水工程的特点，提出一种新的罚函数离散优化方法，建立排水管系优化设计模型，并提出了整体控制与局部控制相结合的水力计算方法，对各设计方案进行选择，成功地解决了现有优化方法中如动态规则法，拟差动态规划法，两相法等未能解决的一些问题?     

基于混合编码遗传算法的机压微灌干管管网优化

【目的】根据微灌干管管网的布置及运行特性,提出一种方便、简捷,适用于大规模机压微灌管网优化设计的算法模型与方法。【方法】以年费用为目标函数,以标准管径和水泵扬程为决策变量,建立优化模型,采用模拟退火方法处理约束条件,设计一种混合编码方式,应用遗传算法进行优化计算。【结果】建立的模型和算法在求解机压微灌管网优化问题上,具有良好的优化性能和较高的求解效率。【结论】提出的模型和算法优化变量少,简单易用,求解效率高,程序的通用性强,计算精度能够满足微灌管网设计的要求。     

基于INA—QFT的高超声速飞行器鲁棒控制器设计

针对高超声速飞行器数学模型的不确定性,提出基于逆奈氏阵列法设计预补偿器和定量反馈理论设计控制器相结合的方法.该方法首先对相互关联的飞行器三通道进行预补偿,使开环前向通道的逆传递函数矩阵成为对角优势阵.然后根据某型号飞行器俯仰通道多个模型参数变化范围,利用定量反馈理论进行鲁棒控制器设计.线性和非线性仿真结果表明,该方法跟踪效果良好,具有较强的工程应用价值.     

基于混合粒子群算法的供热管网优化设计

供热管网优化设计一直是多年来城市地下管网工程中的研究热点。通过分析供热管网的优化模型,建立关于供热管网的目标函数即供热管网投资费用,根据供热管网的目标函数及约束条件建立适应度函数。利用粒子群优化算法对该非线性模型进行求解,借鉴遗传算法中变异操作的思想,设计基于遗传算法的混合粒子群算法,寻求在水力约束条件下目标函数的最小值。实例结果表明,将粒子群优化算法应用于供热管网优化设计可以取得较好的优化结果,并且充分的体现出粒子群算法的寻优能力。     

高超声速巡航导弹的神经网络虚拟目标微分对策中制导律

针对高超声速巡航导弹的高空巡航飞行段,采用虚拟目标的定义方法,结合微分几何知识以及运动学方程建立了导弹与目标的相对运动模型,并在此基础上视其与虚拟目标之间的运动为单目标微分对策问题。利用哈密尔顿函数求解方法推导了开环微分对策中制导律,同时建立了一种新的闭环微分对策中制导律结构图,并对反向传播神经网络的训练样本进行了设计。通过反向传播神经网络的函数逼近功能实现了高超声速巡航导弹微分对策中制导律的智能化。仿真验证表明了其有效性。     

配电网无功优化控制研究

设计了无功优化控制系统的软件体系结构，建立了动态无功优化数学模型。提出的高压配电网无功优化控制基于现有地调自动化系统，在母线负荷预测的基础上，利用遗传算法求解整个电网的无功优化问题，得到的优化结果为各个变电站VQC的合理限值。该方法将全局优化与VQC分散控制的优点结合起来，克服了各变电站无功、电压就地最优控制的弊端，节电效益显著。在某地区电网的应用中验证了该系统和方法的有效性，经过优化计算，在满足电压约束和控制设备动作次数限制的条件下，降低了电能损耗，有功损耗比优化前下降约3％。     

随机环境下多目标设计优化问题的交互式算法

从通信网络和运输安排等工程问题中提出了一类多目标随机优化模型,该模型含有一个随机线性和随机二次目标函数,还含有随机线性约束.基于决策者的期望水平将多目标优化模型转化为单目标优化问题;利用新的方差期望综合法研究了此类优化问题的确定型等价类,并设计了求解这类问题的基于决策者偏好的交互式算法.数值实验表明:方差期望综合优于已有方法,它既能够反映决策者的满意度,又能够得到更稳健的最优解.     

一类多目标优化问题弱有效解的必要最优性条件

标量化方法是研究多目标优化问题的最优性条件与算法的重要手段,最优性理论是优化理论的重要研究内容之一.建立了一类标量化函数的相关性质,并借助标量化技巧与Clarke次微分,在假设次微分约束规格成立的条件下,建立了一类非光滑多目标优化问题的局部弱有效解的Karush-Kuhn-Tucker必要最优性条件.     

内点罚函数法调用Powell法求优时的1个注

提出内点罚函数法调用 Powell法求优时存在的问题 ,通过分析 Powell法后 ,做出相应的改进 .结果表明 ,改进后的方法在计算精度和效率方面都明显优于原方法 .     

基于趋化-改进粒子群算法的SVR光合速率预测模型

针对回归型支持向量机(SVR)参数选取影响模型性能的问题,提出融合细菌觅食算法趋化操作的改进粒子群混合算法(C-IPSO),以优化SVR的惩罚参数和核参数。同时,为了实现对温室环境的精细控制,结合温室作物生长环境因子,建立一种基于趋化-改进粒子群算法优化的回归型支持向量机温室光合速率预测模型。以温室番茄幼苗期、开花期、结果期为例,与支持向量机和基本粒子群算法优化的支持向量机分别建立的模型进行实验对比。结果发现：建立的三个生长期光合速率预测模型的光合速率实测值和预测值的决定系数分别为0.954 8、0.985 4和0.951 5,均比另外两个预测模型更接近于1,表明该模型预测效果均更佳,并证明了所提算法的有效性,为指导温室环境根据作物光合需求进行精准调控提供了理论基础。     

PSO算法加速因子的非线性策略研究

为了有效地控制PSO算法的全局和局部搜索能力,着重分析了PSO算法中加速因子对粒子收敛的影响,提出加速因子采用反余弦非对称策略能有效提高PSO算法的搜索性能。对5种加速因子策略使用4个著名的基准函数进行测试,试验结果表明,反余弦非对称方法可以使粒子在搜索的初期获得更好的多样性,在算法后期则可以有效增强粒子的搜索能力,从而使算法具有更强的摆脱局部极值的能力,提高算法的收敛精度。     

面向多模态函数的自适应混沌爬山微粒群算法

针对微粒群算法在多模态函数优化中难以找到全部极值点以及陷入局部最优和后期收敛速度慢等缺陷,提出了一种基于熵的自适应混沌爬山微粒群算法.算法根据熵的值来衡量种群多样性,当发现种群多样性匮乏时,采用动态混沌机制增强多样性;后期融入了局部收敛速度较快的爬山算法提高微粒群算法的后期收敛速度.4种典型多模态函数测试结果表明该算法在求解复杂多模态函数优化问题方面的可行性。     

农村辐射状配电网的优化方法

【目的】针对城镇配电网的特点,研究辐射状配电网多目标经济性优化模型与算法,为农村中压配电网优化决策系统的建设提供技术支持。【方法】利用经济电流密度概念和多目标规划理论,提出计入导线截面策略因子的最小投资费用和年网损费用的多目标函数优化模型,研究并利用实数编码并行优化处理方法、引入退火动态罚因子设计动态罚函数处理约束条件、基于遗传算法的电网路径与潮流的自识别解码方法、遗传算子的自适应调整方法等,并提高遗传算法在辐射状配电网拓扑约束中的自动识别能力,确保可行解的搜索方向和遗传寻优的顺利进行。【结果】通过陕西杨凌示范区新桥变电站10 kV配电网待建区域实例验证表明,随着选取种群数目的增多,综合费用逐渐趋向于1 230万元。与单目标优化方案的投资费用相比,多目标优化方案的建设投资费用约增加72万元,而年网损费用约减少323万元,综合费用约降低250万元,获得了该配电网的最优建设方案。【结论】提出了配电网络多目标经济性优化模型及其算法,实现了规划线路长度和导线截面策略因子并行优化,提高了解的搜索精度。     

油气集输系统拓扑布局优化的混合遗传算法

给出了油气集输系统拓扑布局优化问题的数学模型，对其计算的复杂性进行了分析。根据模型的特点，采用了混合遗传算法进行求解，将局部搜索算法的快速性与遗传算法的全局收敛性有机地结合起来，有效避免了因初始值不同对优化结果造成的不利影响。实例计算表明，混合遗传算法优于传统的分级优化法。