基于文化基因算法的多目标优化

针对粒子群算法收敛速度慢、求解精度低的不足,提出了将粒子群改进作为全局搜索,多目标模拟退火算法作为局部搜索的文化基因算法,将交叉和变异操作引入粒子群全局搜索中帮助跳出局部最优。对于多目标优化问题,根据非劣解的拥挤度决定最优值的选取策略,并将该算法用于多目标优化的实际求解中。仿真结果表明,该算法不仅能快速有效地得到Pareto解集,并且能有效地保持所求最优解的多样性。     

基于自适应混沌变异粒子群优化算法的旋转弹丸气动参数辨识

将最大似然准则应用于高速旋转弹丸的气动参数辨识问题中,提出一种新的自适应混沌变异粒子群算法求解该准则下的气动参数最优解,进而得到弹丸的气动参数。该算法通过自适应调整惯性权重、利用混沌优化的思想产生初始粒子、设定早熟判别机制来判断是否陷入局部最优解,并通过粒子变异的策略使其跳出局部最优解等方法进一步优化基本粒子群算法。通过常用的测试函数对该算法进行了测试,测试结果表明：相比于基本粒子群算法,该算法具有收敛速度快、寻优精度高、应用范围广等优点。利用系统仿真的方法模拟弹丸的自由飞行数据,并利用该数据结合所提算法对弹丸的主要气动参数进行辨识,辨识结果表明：该算法可以有效辨识弹丸的气动参数,且精度高,收敛速度快,可以应用于工程实际问题。     

离散交通信号控制模型及其优化算法

离散交通信号控制模型在自适应粒子群算法中引入变异算子,以更新粒子群算法的个体极值点和全局极值点.在此模型基础上,应用四种自适应变异粒子群算法优化城市交通信号控制配时方案,同时比较分析各变异算子的优劣.然后选出最优的自适应变异粒子群算法对不同的交通流进行连续优化控制.仿真表明该混合算法可解决易陷入局部收敛的缺陷并能够有效实现交通信号优化控制.     

基于蒙特卡洛仿真和并行粒子群优化算法的携行备件优化

为提高携行备件方案优化模型的准确性和求解的精确度,以遂行远海训练任务的舰艇编队为研究背景,针对优化模型的建立和求解提出了一系列改进措施。在传统优化模型的基础上,分析了虚警和串件拼修对备件的影响,建立了基于携行能力、备件成本、装备可用度、同型号装备群完好率等多约束条件的携行备件优化模型;利用粒子群优化（PSO）算法确定备件的优化配置,利用蒙特卡洛仿真法计算配置方案的保障效能;引入云格计算技术实现PSO算法的并行求解,从硬件性能上提高算法的全局寻优能力;将普通粒子转化为量子粒子实现解的多样化,减小了算法陷入局部最优的危险。案例分析证实了改进措施的可行性和有效性。     

自主水下航行器多终点航路规划的距离正则化混合水平集算法研究

为进一步提升水平集算法求解自主水下航行器(AUV)时间最优航路的计算效率,结合局部化思想和多项式距离正则化方程,提出一种用于AUV多终点航路规划的混合水平集算法。通过引入简单多项式距离正则化项,融合海流模型,推导新的水平集演化方程,并给出数值实现方法。所提算法无需重复初始化窄带且一次演化就能获得至多终点的所有最优航路集,解决了AUV多终点航路规划时计算效率不高、规划时间过长的问题。仿真结果表明,相较于蚁群算法和量子粒子群算法,在AUV的多终点航路规划中,混合水平集算法计算效率是蚁群算法的6.4倍,是量子粒子群算法的1.6倍,且鲁棒性更佳。     

一种改进粒子群算法优化BP神经网络实现核素识别方法

为获得全局最优点,提出一种改进粒子群算法优化BP神经网络实现核素识别方法.该算法用一种动态改变惯性权重与学习因子的自适应方法,优化BP神经网络的阈值与权值,通过训练BP神经网络识别模型得到粒子群的全局最优解,利用最优权值与阈值实现核素识别.分析结果表明:该方法不仅能更快地收敛于最优解,同时能更好地平衡全局搜索和局部搜索能力,有效地改善算法的收敛速度和识别精度.     

基于混沌搜索的AMPSO-WNN 在交流伺服系统中的应用

为解决大功率交流伺服系统存在非线性和参数时变等不确定性的问题,提出一种混沌搜索的自适应变异 粒子群优化小波神经网络的预测模型。建立交流伺服电机数学模型,利用不同变异方法使粒子趋近于不同的搜索区 域,引入混沌优化算法改进粒子群,采用基于混沌搜索的AMPSO-WNN 算法,以提高全局收敛的概率和速度。仿 真结果表明：优化后模型的预测精度高于优化前,且改进后算法具有较强的函数逼近能力,网络性能得到了显著提 高,局部极小值问题得到了有效解决。     

基于粒子群优化算法的多目标搜索算法

针对多目标优化问题在实际应用中的复杂性,提出一种采用粒子群优化算法来求解多目标优化的问题的方法。在分析了多目标优化问题的基础上,以粒子群优化算法对生产配料流程中的优化问题为例进行非劣最优解集的搜索,并将其运用于实际工程制造中的某配料选型工艺计算中。仿真结果表明:该方法有效,在工程设计选型、模式分类、神经网络训练以及系统控制等领域正得到普遍应用。     

基于交叉效率排序多目标进化算法的备件供应优化

为了对备件供应网络进行优化并制定最优供应方案,以缩短总供应时间、减少供应成本和降低中断风险为目标,以备件满足度、库存容量等为约束建立了多目标优化模型。基于交叉效率排序多目标进化算法求得模型的非支配解集,同时决策出最优解。优化过程中采用改进数据包络分析计算各最优解的二次目标交叉效率,指导算法朝最优效率个体收敛,对求得的非支配解进行排序从而选择出最优方案。算例表明：通过交叉效率排序多目标进化算法优化得到了13个互不支配的备件供应方案,且确定了交叉效率为0.927 8的方案为最优方案;新算法优于未采用排序和采用自评效率排序的多目标进化算法。     

多型岸舰导弹作战单元部署优化模型

为解决多阵地岸舰导弹组合攻击作战任务中岸舰导弹作战单元部署定量决策问题,基于广义最大覆盖选址理论,结合岸舰导弹部队兵力数量有限的战场条件,构建多型岸舰导弹作战单元部署优化模型。针对目标舰艇位置、岸舰导弹火力覆盖范围等影响因素,利用蒙特卡洛仿真法,建立目标散布区域计算模型、岸舰导弹火力覆盖区域计算模型等辅助决策模型,通过粒子群优化算法进行模型解算。仿真结果表明,多型岸舰导弹作战单元部署优化模型及算法可以稳定地提供合理有效的优化方案,能够为战时多型岸舰导弹部署决策提供参考和依据。     

水下航行器壳体结构多目标优化设计研究

针对大深度水下航行器壳体结构多目标优化问题,提出一种基于自适应响应面的多目标优化方法。该方法利用实验设计得到初始点,利用响应面构造近似模型,初次优化得到Pareto解集。引入一种空间采点法,均匀得到Pareto解样点,使用高精度有限元分析技术校核后补充到初始样本集,通过一种渐近全局策略使近似模型最终满足精度。利用灰色关联分析法处理Pareto解集。结合水下航行器壳体结构实际情况,提出一种多级标度赋权法,在获得各目标权重后从Pareto解集中挑选出满意解,优化后与传统经验公式结果相比,在满足近似精度的前提下,总体性能有了一定提高。     

基于Pareto遗传算法的无后坐炮内弹道多目标优化设计

针对某中口径无后坐炮研制中的内弹道设计问题,将多目标优化的Pareto遗传算法与无后坐炮经典内弹道数学模型相结合,以最大膛压和初速作为优化设计的目标,对药室容积和发射药药量进行了多目标优化设计,提出了一种基于Pareto遗传算法的无后坐炮内弹道多目标优化方法。优化结果表明:所采用的Pareto遗传算法与内弹道相结合是可行的; 利用Pareto遗传算法,所得数个内弹道目标优化解以Pareto前沿面的形式给出,设计人员可根据需要从中选择无后坐炮内弹道的最优设计方案。     

帕累托最优在车辆底部防护结构设计中的应用研究

为了提升爆炸冲击环境下车辆的防护性能,针对其底部防护结构设计中大规模计算、强非线性和多优化目标的特点,利用多物质单元与流-固耦合算法仿真车辆的动态响应。通过灵敏度分析,筛选底部结构中钣金件的厚度、几何形状等设计参数,并利用实验设计建立该问题的数学优化模型,结合帕累托最优的多目标遗传算法,得到该优化问题的帕累托解集空间曲面和一个最优设计方案,该方案在不增加结构质量的情况下,能显著提高车辆底部防护性能。     

基于改进非支配排序遗传算法身复合材料身管多目标优化

针对复合材料身管设计时多个性能指标设计要求，基于有限元模型和优化设计方法，建立了复合材料身管多目标优化模型，优化的目标为身管一阶固有频率和身管质量，复合材料各层缠绕角和缠绕厚度为优化设计变量，优化方法采用改进的非支配排序遗传算法（NSGA-Ⅱ）；通过优化求解，获得了复合材料身管的Pareto最优解集；优化算例表明，采用NSGA-Ⅱ获得的Pareto前沿面曲线分布均匀，其所对应的复合材料身管设计方案在刚度和重量方面均有改善。     

基于智能算法的无人集群防御作战方案优化方法

兵力部署与任务分配是无人集群防御作战的重要过程,有效利用集群中有限的兵力并发挥出最高的作战效能对提高无人集群的作战胜率至关重要,进行高效的作战任务分配能够协调集群一致性并更好完成作战任务。针对无人集群防御作战中的关键作战方案,研究无人集群防御作战的兵力部署及协同任务分配优化问题。构建基于智能体技术的无人集群防御作战模型,量化无人集群兵力部署所需的关键参数,对作战区域与兵力进行规划,设计目标函数。提出一种自适应遗传算法,解决无人集群的兵力部署问题。算法可根据实时运行情况动态调整目标函数、交叉率和变异率,保证适应度值较高个体的传承并避免算法出现局部最优。进行防御作战仿真,为验证无人集群兵力部署的效果,提出一种基于深度Q网络的深度强化学习改进算法,解决无人集群任务分配问题,对部署好的无人集群进行任务分配并作战。该算法能够自适应调整Q值,避免算法因过度估计造成无法收敛至最优解。防御作战实验结果表明,所提出的无人集群兵力部署及协同任务分配方法可有效提高防御作战的成功率,实现无人集群的自主协同及智能对抗。     

扭曲尾翼弹箭气动外形多目标优化

为了提升掠飞末敏弹战术技术性能,将扭曲尾翼结构应用于弹箭气动布局,并在风洞实验基础上,结合计算流体力学、正交实验、逐步回归分析以及多目标遗传算法,对扭曲尾翼弹箭开展了以增旋、减阻为目标的气动外形多目标优化设计,最终给出了尾翼外形的Pareto优化方案。结果表明：采用扭曲尾翼结构有利于改善弹箭气动性能;所建立的气动参数代理模型,能对弹箭阻力系数和平衡转速进行准确预测,并得到了尾翼几何参数对其影响规律;基于多目标遗传算法最终得到的Pareto优化方案,达到了良好的增旋、减阻效果。该研究方法对扭曲尾翼弹箭气动优化设计具有参考意义。     

基于自适应神经网络的火炮身管结构优化研究

针对火炮多学科优化设计存在计算量大、收敛慢和易陷入局部最优的问题,提出一种基于自适应径向基函数（RBF）神经网络的结构优化方法。编程计算火炮高低温压力曲线,并对ABAQUS有限元软件二次开发将其加载进有限元模型以获取身管的优化目标值,构建其与设计变量间自适应RBF神经网络模型。引入罚函数法处理约束条件,采用遗传算法在模型中求解寻优。每次优化迭代时利用建立的局部和全局分析模型分别选取更新点,增加样本点来更新神经网络,以提高神经网络的局部和全局预测能力。采用典型函数算例和某火炮身管结构多目标优化,实例验证了所提出优化策略的有效性。研究结果表明：身管优化后质量减小了6.63%,结构刚度提高了5.60%,最大等效应力减小了6.34%;与仅使用遗传算法相比,该方法所需的有限元模型调用次数降低了86.5%,运行时间减少了83.3%,为火炮结构设计和优化提供了参考。     

某运发箱定向器多目标优化设计研究

为实现空投储运发射箱轻量化、保证空投安全性,对定向器进行多目标优化设计。在有限元参数化模型基础上,结合Isight优化平台建立运发箱定向器冲击动力学多目标优化框架;以复合材料定向器铺层厚度、角度为输入变量,定向器质量、最大位移、药柱最大应力为输出变量,采用最优拉丁超立方设计和径向基神经网络方法建立数学近似模型;采用非劣排序遗传算法及模糊集合理论,得到多目标优化模型的Pareto解集及选优方案,并与原方案进行了对比。结果表明:优化方案实现了储运发射箱的轻量化设计,并提高了空投安全性。     

基于改进NSGA-Ⅱ的载人潜水器多开孔耐压结构优化

为提高载人潜水器耐压结构性能和设计效率,开展优化模型和优化算法的改进研究。进行耐压结构有限元模型的网格无关性分析,利用iSight软件对ABAQUS软件进行集成实现耐压结构的参数化分析,进行设计变量的灵敏度分析和降维处理以降低问题分析难度。利用最优拉丁超立方方法进行样本点的选取,进行样本点的参数化分析。基于典型近似模型对样本点进行拟合,选择拟合精度最高、满足工程需要的近似模型作为耐压结构的替代模型,并建立耐压结构多目标优化模型。结合正态分布交叉算子对第二代非支配排序遗传算法（NSGA-Ⅱ）进行改进,得到NSGA-Ⅱ的改进算法INSGA-Ⅱ,以改善NSGA-Ⅱ局部收敛等问题,在利用测试函数进行INSGA-Ⅱ的有效性验证的基础上,利用INSGA-Ⅱ进行耐压结构多目标优化求解。研究结果表明：参数化分析方法和高精度近似模型可平衡计算精度和设计效率之间的矛盾,在测试对比中,INSGA-Ⅱ所得到的Pareto解集在贴近性、均匀性和收敛性等方面均优于NSGA-Ⅱ,INSGA-Ⅱ得到的耐压结构多目标优化方案较NSGA-Ⅱ更优。