基于ABC广义逆优化算法的重构控制研究

为了确保飞机在操纵面故障后的飞行安全,提出了一种结合人工蜂群算法和广义逆法各自优点的重构控制方法。首先,介绍了基于广义逆控制分配方法的基本原理;然后,针对广义逆法存在分配效率较低的问题,采用人工蜂群算法对加权矩阵参数进行寻优,选择较高的转矩可达集体积,以提高基于广义逆控制分配法的分配效率;接着,针对操纵面3种典型故障,推导出对应的重构分配器;最后,通过仿真验证了所提出的控制重构方法能有效地重构飞机操纵面故障。     

一种基于多极裁剪的广义逆控制分配算法

广义逆控制分配法的分配效率取决于控制效率矩阵伪逆的选择,但是所有伪逆阵都不能实现转矩可达集的完全分配.为解决这一问题,本算法根据飞行包线内转矩向量的特点在转矩可达集空间的不同方向上对伪逆阵进行裁剪,使不同包线区域内的转矩向量经过不同的伪逆阵进行分配,从而来提高广义逆控制分配法的分配效率.为验证改进算法的有效性,利用某飞机的数据进行仿真验证,结果显示该算法可以对转矩可达集内的转矩实施有效的分配,显著提高了分配器的分配效率.     

基于粒子群优化算法的广义逆控制分配方法

为了获取具有最高分配效率的加权矩阵,将粒子群算法应用于广义逆控制分配法设计,通过计算不同广义逆阵所能有效分配的转矩可达集体积,来选择具有最高分配效率的加权矩阵。以某飞机的控制效率矩阵进行基于广义逆分配法分配器设计,通过粒子群算法对加权矩阵进行寻优,有效地选取了具有最优分配效率的广义逆阵,显著地提高了分配器的分配效率。     

城市交通诱导系统的路径选择分配建模与仿真

研究城市交通路径分配问题.城市交通拥挤复杂多变,用户出行选择路径困难,为了优化城市交通路径分配,解决现有交通诱导模型算法计算量大、运算时间长的问题,提出了一种基于改进的蜂群智能算法的路径选择分配方法.首先利用双向信息传递技术得到实时路段的交通流状况,将路段的通行能力分级,通过模仿蜂群个体的局部寻优比较得到最优解,具有较快的收敛速度.仿真结果表明,提出的模型和算法不仅能有效解决城市交通路径分配问题,而且计算复杂度较低,算法的计算效率较高,表明改进算法为提高交通路网的效率及实用性和有效性提供了依据.     

UUV推进系统容错控制分配算法研究

针对水下机器人(UUV)推进系统容错控制分配问题,本文提出了基于SVD分解(奇异值分解)与定点分配的混合算法.与传统的方法相比,它回避了求伪逆矩阵的问题,降低了计算量;能够满足推进器饱和约束限制.利用水下实验平台推进系统模型进行了仿真实验,验证了算法的正确性和有效性.     

基于适应值预测的DABC认知无线电频谱分配算法

针对认知无线网络频谱分配过程存在的问题,提出了基于适应值预测策略的双人工蜂群算法（FP-DABC）。该算法设计的干扰门限阈值,提高了用户的接入数量;适应值预测方法的使用,加快了分配效率;同时算法对频谱分配过程公平性和系统整体性能进行了优化。实验仿真结果表明：FP-DABC算法牺牲了部分网络效益的同时,在用户满意度、分配率、平均分配时间、用户公平性和系统整体性能上均优于颜色敏感图着色算法（CSGC）和人工蜂群算法（ABC）。     

基于改进免疫算法的固定信道分配

在蜂窝移动通信网络中,频谱资源日益紧缺,为了提高频谱的利用率,运用一定的优化算法合理规划频率资源显得尤为重要。免疫算法在解决频率分配问题中比遗传算法有更好的特性,但仍然存在着收敛率低和易陷入局部最优解等缺点。针对上述问题,本文提出了一种改进的免疫算法,该算法根据最大频率需求数自适应的选择为分配难度大的小区还是频率需求数多的小区优先分配信道;采用自适应交叉算子和选择性变异技术,并用交叉之后的最小适应度值去控制变异算子的前进方向;在选择个体时还采用了改进的精英保护机制。仿真结果表明,改进后的算法提高了算法的收敛率和加快了收敛速度,能够很好地解决频率分配问题。     

基于改进蚁群和DWA算法的机器人动态路径规划

路径规划技术是移动机器人研究领域中的一个重要分支,使得机器人能够在多障碍物环境中安全快速地找到一条相对最优路径.针对全局路径规划时蚁群算法盲目性搜索、易陷入局部最优、收敛速度慢以及局部路径规划时DWA算法难以有效地规避动态障碍物等问题,提出一种改进蚁群算法与DWA算法的融合算法.首先,采用GRRT-Connect算法不等分配初始信息素,解决陷阱地图中局部最优问题;然后,增加蚁群接力搜索方法以解决蚂蚁禁忌表自死锁问题,并利用切片取优方法优化最优路径选择机制得到全局最优路径;接着,以最优路径关键点为子目标点运行DWA算法,提出自适应调节速度方法进行最优行驶;最后,提出预计算方法规避动态障碍物达到局部规划效果.仿真结果表明,与现有文献结果相比,融合算法最优路径长度缩短了10.28%,收敛速度加快了6.55%,验证了所提出算法的有效性和优越性.     

新的鲁棒粒子群算法在电磁场逆问题中应用研究

提出了一种搜索鲁棒优化解的粒子群算法。为解决期望适值函数计算需要大量新采样点而导致的计算效率过低问题,提出了一种期望适值赋值的新机制。该机制只对每一代粒子中的个体最优解和整体最优解分配期望适值。此外,为便于算法搜索鲁棒优化解,重新定义了粒子的邻域关系。最后,通过两个实例计算证明了新算法求解电磁场逆问题鲁棒优化解的可行性和优点。     

近空间无尾飞行器解耦与控制分配方法研究

关于飞行器稳定性优化控制问题,由于近空间无尾飞行器具有典型的通道间强耦合且多个操纵面介入单个通道控制,执行机构的复杂化和非线性导致控制系统设计实时性和响应性差,精度达不到要求。为提高姿态控制器控制精度,减小力矩分配误差,提出通过解耦控制系统和控制分配逻辑来分别解决对象的耦合和多操纵面的力矩分配问题。通过将动态逆设计方法与变结构控制理论相结合,设计了一种强鲁棒性的解耦控制律,并在加权伪逆算法的基础上,提出采用舵面偏角修正操纵面的效率矩阵,从而实现了强耦合非线性对象的高精度控制。仿真结果表明,控制器解耦效果良好且具有较强鲁棒性,控制分配算法减小了80%力矩分配误差,满足了飞行器的控制需求。     

存在整数约束的分布式驱动变体飞行器控制分配

针对一类含有整数控制约束的分布式驱动变体飞行器在线控制分配问题,提出了一种基于布谷鸟搜索算法的求解策略.首先,考虑到指令分配误差以及作动器的损耗,将飞行器在线作动器控制分配问题表示为一类整数规划问题.然后,设计改进的布谷鸟搜索算法求解作动器的控制指令,采用Tent混沌映射初始化种群、自适应的步长控制量等措施提高算法的搜索效率.最后,将提出的控制分配方法应用于一类新型操纵面飞行器,仿真结果验证了该方法的有效性.     

基于IFWA-ABC的云计算资源任务调度算法的研究

针对云计算资源任务调度效率低,资源分配不均的情况,将改进的烟花算法和人工蜂群算法算法进行融合为IFWA-ABC。首先,对云计算资源任务调度进行描述;其次,在FWA初始化中采用混沌反向学习和柯西分布进行优化,对核心烟花和非核心烟花的半径分别进行优化,将FWA中最优个体通过改进的ABC算法进行获得;最后,将IFWA-ABC算法用于云计算任务调度。仿真实验中,通过与FWA、ABC在虚拟机、执行时间、消耗成本、能量消耗指标对比中,IFWA-ABC具有明显的优势能够有效地提高云计算资源分配效率。     

Solving reliability redundancy allocation problems using an artificial bee colony algorithm

This paper proposed a penalty guided artificial bee colony algorithm (ABC) to solve the reliability redundancy allocation problem (RAP). The redundancy allocation problem involves setting reliability objectives for components or subsystems in order to meet the resource consumption constraint, e.g. the total cost. RAP has been an active area of research for the past four decades. The difficulty that one is confronted with the RAP is the maintenance of feasibility with respect to three nonlinear constraints, namely, cost, weight and volume related constraints. In this paper nonlinearly mixed-integer reliability design problems are investigated where both the number of redundancy components and the corresponding component reliability in each subsystem are to be decided simultaneously so as to maximize the reliability of the system. The reliability design problems have been studied in the literature for decades, usually using mathematical programming or heuristic optimization approaches. To the best of our knowledge the ABC algorithm can search over promising feasible and infeasible regions to find the feasible optimal/near-optimal solution effectively and efficiently; numerical examples indicate that the proposed approach performs well with the reliability redundant allocation design problems considered in this paper and computational results compare favorably with previously-developed algorithms in the literature.     

产品设计规划问题建模及遗传算法求解

针对目前产品设计过程规划研究中存在的不足,在充分考虑实际设计过程中存在的各种不确定因素的基础上,以产品开发过程中的全体任务为规划对象,以设计迭代时间和成本为目标,将设计过程规划问题描述为基于仿真的随机优化问题进行处理。提出一种模型求解的混合遗传算法,该算法引入最优计算量分配技术进行样本分配,极大地提高了算法的搜索效率,有效地改善了遗传算法搜索的可靠性。以汽轮机轴承转子系统的设计为例,对提出的方法的有效性进行了验证,仿真结果表明,该建模方法有效且算法求解效率高。该方法可推广应用于各种产品设计过程的规划,具有普遍意义。     

基于分布估计算法的弹性飞翼飞行器多操纵面控制分配

针对弹性飞翼飞行器多操纵面控制分配问题,提出了衡量弹性震动的机振力指标,建立了完整的控制分配模型,提出了采用分布估计算法（EDA）对模型进行求解。首先进行舵面结构设计,分析各气动舵面的工作方式及控制能力,并依据气动数据中升降副翼、余度舵、副翼的舵面控制效率,进行舵面功能配置。在进行控制分配时,分析控制分配的主要性能指标,确立总体多目标优化评价函数,并结合等式和不等式约束条件。采用性能优越的EDA进行求解。通过建立概率模型来估计真实分布,在EDA的进化过程中,各个舵面会根据偏转效率进行分配,结合优化函数最终收敛到最优解。最后分析机翼气动弹性对系统静态操纵效能的影响。从不考虑气动弹性系统响应曲线和考虑气动弹性之后的系统响应曲线比较结果可以看出,有弹性情况下系统响应曲线超调量和过渡时间都减小,飞翼式飞行器飞行品质得到显著提高,优化之后系统效能提高了10%。仿真结果表明,EDA能够较好地解决控制分配问题,并能提高系统动态品质,验证了多操纵面控制分配模型和算法的有效性。     

遗传-蚁群算法在智能交通中的应用

随着私家车的增多,城市交通问题越来越严重。为了解决这个问题,人们将计算机技术运用于城市智能交通系统(intelligent transportation systems,ITS)中。行车路径规划是城市智能交通体系中重要的一个环节。目前,有不少路径优化算法被提出用于解决行车路径规划问题,但各有不足。因此,提出了一种混合遗传蚁群算法(GACHA)。从基本蚁群算法入手,结合遗传和蚁群算法的各自优点,将两种算法的寻优过程循环多次结合。在蚁群算法的一次迭代循环后,将蚁群算法产生的较优解代替遗传算法中的部分个体,用以加快遗传算法的迭代速度。同时,将遗传算法算出的解设为较优路径来更新蚁群算法中的信息素分配,实现参数调整。多次相互指导能有效解决蚁群算法前期效率低和遗传算法后期冗余迭代的问题。实验结果表明,遗传-蚁群混合算法可以有效地避免陷入局部最优解,提高计算效率。它具有良好的优化和收敛性,能够准确地找到满足路网综合要求的最优路径。     

An artificial bee colony-based hybrid approach for waste collection problem with midway disposal pattern

This paper investigates a waste collection problem with the consideration of midway disposal pattern. An artificial bee colony (ABC)-based hybrid approach is developed to handle this problem, in which the hybrid ABC algorithm is proposed to generate the better optimum-seeking performance while a heuristic procedure is proposed to select the disposal trip dynamically and calculate the carbon emissions in waste collection process. The effectiveness of the proposed approach is validated by numerical experiments. Experimental results show that the proposed hybrid approach can solve the investigated problem effectively. The proposed hybrid ABC algorithm exhibits a better optimum-seeking performance than four popular metaheuristics, namely a genetic algorithm, a particle swarm optimization algorithm, an enhanced ABC algorithm and a hybrid particle swarm optimization algorithm. It is also found that the midway disposal pattern should be used in practice because it reduces the carbon emission at most 7.16% for the investigated instances.     

基于强化学习的四旋翼高度控制器设计

针对四旋翼飞行器高度控制通道易受干扰的问题,在先验飞行数据基础上,利用局部加权线性回归算法建立了四旋翼飞行器的非参数模型,该模型考虑了实际飞行中干扰因素对高度控制的影响.以此非参数模型为基础,运用强化学习算法构建了四旋翼飞行器高度控制算法,并以离线方式优化了控制算法的结构参数.最后通过实际的飞行实验验证了控制算法的合理性.     

An efficient artificial bee colony algorithm with application to nonlinear predictive control

In this paper a constrained nonlinear predictive control algorithm, that uses the artificial bee colony (ABC) algorithm to solve the optimization problem, is proposed. The main objective is to derive a simple and efficient control algorithm that can solve the nonlinear constrained optimization problem with minimal computational time. Indeed, a modified version, enhancing the exploring and the exploitation capabilities, of the ABC algorithm is proposed and used to design a nonlinear constrained predictive controller. This version allows addressing the premature and the slow convergence drawbacks of the standard ABC algorithm, using a modified search equation, a well-known organized distribution mechanism for the initial population and a new equation for the limit parameter. A convergence statistical analysis of the proposed algorithm, using some well-known benchmark functions is presented and compared with several other variants of the ABC algorithm. To demonstrate the efficiency of the proposed algorithm in solving engineering problems, the constrained nonlinear predictive control of the model of a Multi-Input Multi-Output industrial boiler is considered. The control performances of the proposed ABC algorithm-based controller are also compared to those obtained using some variants of the ABC algorithms.