多观测器轨迹优化仿真研究

研究优化机载雷达组网系统的跟踪性能问题,在机载雷达组网中,多观测器与目标间的相对几何关系对定位跟踪精度有影响.可通过改变观测载体的飞行速度和航向角,控制其沿最优轨迹运动有效提高观测器的估计性能.为了对多站时差无源定位准确跟踪问题提出遗传算法对机载多观测器轨迹进行优化.推导出目标优化函数的表达式,采用遗传的轨迹优化算法,求解每一采样时刻使得目标函数最小的观测器位置,并在最佳位置对目标进行量测.可将轨迹优化加入运动目标被动跟踪过程构成闭环,通过估计和优化相结合的方法仿真实现观测器自适应运动下的运动目标被动跟踪.通过结果比较证明,算法可以有效提高对运动目标的跟踪精度.     

基于自适应分解的多任务协作型昂贵多目标优化算法

现实世界的工程优化问题通常需要同时优化多个冲突的目标,且这些目标函数的评估由于依赖仿真、物理实验而十分昂贵,这类问题被称为昂贵多目标优化问题.使用机器学习方法建立代理模型用于估计候选解的目标函数值是求解此类问题的一种有效手段.高斯代理模型适用于训练样本数较少的中小规模问题,且能提供评估的不确定性,因此常作为代理模型被应用于昂贵优化.分解是处理多目标优化问题的一种有效手段.一个多目标优化问题可被分解为多个单目标优化子问题,且多个子问题可被进一步划分为代理模型学习的一个目标任务.现有基于分解的昂贵多目标优化算法大多将固定数量的子问题静态地划分到同一任务,从而构造多个固定任务并对其建立多任务高斯代理模型进行求解.这未能充分利用数据的相关信息动态反映出任务间的相关性,限制了多任务高斯过程模型的预测精度以及优化算法的最终性能.为此,本文提出了一种自适应多任务多种群协作搜索算法(AMMCS).AMMCS使用相似性指标实时度量已评估的解集,获得子问题间的相关性,从而自适应地划分任务,提升多任务模型的预测质量.此外,AMMCS使用一个解集(种群)优化一个任务,并通过多种群的协作搜索实现多任务高斯模型的批量优化,提高了采样效率,提升了算法的收敛效率.通过AMMCS与六个代理辅助进化算法进行多组实验对比和分析,显示了AMMCS具有良好的性能.我们同时也设计实验验证了算法中自适应分解以及多种群协作搜索的有效性.     

基于数值求解的远程交会路径规划优化研究

研究航天器多脉冲远程交会路径规划问题,由于航天器在变轨过程中,应减少发动机燃料的消耗,有利于增加有效载荷.因此,在多冲量变轨问题描述的基础上,通过选择优化变量建立了无摄动的燃料最优和考虑摄动的燃料最优变轨优化模型,利用遗传算法、序列二次规划及GA+SQP串行混合优化算法进行优化求解,进行了数值仿真.通过仿真实现了不同脉冲次数的远程交会路径规划,并对比分析了摄动的燃料最优变轨优化模型,提出了相应的串行优化策略,通过算例对所提出的算法进行了仿真验证,实现了航天器路径规划数值优化求解的目的,可为多脉冲远程交会提供参考.     

云环境中基于混合多目标粒子群的科学工作流调度算法

为了更高效地实现科学工作流任务的调度,研究了云环境中的工作流调度多目标优化问题,提出了一种基于非占优排序的混合多目标粒子群优化的工作流调度算法HPSO。首先,建立了截止时间与预算约束下工作流调度的多目标优化模型,模型引入三目标最优化,包括工作流执行跨度、执行代价及执行能耗;其次,设计了一种混合粒子群算法对相互冲突的三目标最优化进行求解,算法通过非占优排序的形式可以得到满足Pareto最优的工作流调度解集合;最后,通过3种科学工作流案例的仿真实验,与同类多目标调度算法NSGA-II,MOPSO和ε-Fuzzy进行了性能比较。实验结果表明,HPSO得到的调度解不仅收敛性更好,而且调度解的空间分布更加一致,更符合云环境中的工作流调度优化。     

云计算环境中面向DAG任务的多目标调度算法

为了实现任务执行效率与执行代价的同步优化,提出了一种云计算环境中的DAG任务多目标调度优化算法。算法将多目标最优化问题以满足Pareto最优的均衡最优解集合的形式进行建模,以启发式方式对模型进行求解;同时,为了衡量多目标均衡解的质量,设计了基于hypervolume方法的评估机制,从而可以得到相互冲突目标间的均衡调度解。通过配置云环境与三种人工合成工作流和两种现实科学工作流的仿真实验测试,结果表明,比较同类单目标算法和多目标启发式算法,算法不仅求解质量更高,而且解的均衡度更好,更加符合现实云的资源使用特征与工作流调度模式。     

基于蚁群算法的多目标优化

针对多目标优化问题,提出一种用于求解多目标优化问题的蚁群算法。该算法定义连续空间内求解多目标优化问题的蚁群算法的信息素更新方式,根据信息素的概率转移和随机选择转移策略指导蚂蚁进行搜索,保证获得的Pareto前沿的均匀性以及Pareto解集的多样性。对算法的收敛性进行分析,利用2个测试函数验证算法的有效性。     

基于多目标粒子群优化算法的自由漂浮空间机器人负载最大化轨迹优化

为了有效提升自由漂浮空间机器人的负载能力,提出一种基于多目标粒子群优化(multi-objective particle swarm optimization,MOPSO)算法的多约束多目标轨迹优化方法.结合建立的负载操作模式下空间机器人系统动力学模型,将负载最大化问题转化为实现关节力矩、基座扰动和系统能量同时最小的多目标轨迹优化问题;建立了相应的多目标优化问题(multi-objective optimization problem,MOP)数学模型;基于MOPSO算法求解出满足负载最大化要求的Pareto最优解集,并在算法中对约束条件进行了有效的处理.通过仿真实验证明了所提方法的有效性.     

一种快速网格任务调度策略

网格任务调度目标有很多,如用户要求任务轮转时间短、花费代价小,而资源提供者希望资源利用率高等,这些目标相互冲突,因此网格任务调度不仅是一个NP难问题,而且是一个多目标优化问题.本文根据网格环境下任务的时间相关性特点,对传统蚁群算法进行了改进,提出了一种快速网格任务调度算法.该算法不仅解决了网格调度中多目标优化问题,而且依据任务调度历史信息生成蚁群算法的初始信息素分布,提高了蚁群算法的求解速度.     

玻璃排版优化中遗传算法的应用

研究了应用遗传算法求解非线性多目标组合优化问题———玻璃排版优化问题 ,详细讲解了如何设计求解该优化系统中三个典型组合优化子问题的遗传算法 ,并对三个子问题的求解关系进行了分析 ,总结出遗传算法的不同构造方法对系统优化结果的影响。     

边缘计算系统中延时敏感型任务调度策略

为降低边缘计算系统中卸载任务的调度代价,以满足任务延时需求和系统代价最小为目标,建立边缘计算系统代价优化模型。证实该问题是NP-hard问题,提出一种基于两阶段代价优化任务调度算法TTSCO。根据改进BF算法求解初步任务调度方案,降低首阶段的非必要代价,生成调度最终解。分析算法时间复杂度,通过仿真实验验证了算法性能,实验结果表明,与LINGO理论最优解相比,调度解的近似比在95%情况下均小于1.2,该算法可以进一步降低系统代价。     

钢铁企业全流程物流优化问题的建模及分支——定价算法

研究了钢铁企业的全流程物流优化问题, 该问题在确保全流程各个工序机组产能和库存能力限制以及满足客户需求的前提下, 决策炼钢、连铸、热轧及冷轧工序间的物料流向和流量, 最小化物流成本、产能损失及库存费用. 为该问题建立了混合整数规划(Mixed integer programming, MIP)模型. 在问题求解中, 首先对MIP模型进行了Dantzig-Wolfe分解, 得到一个结构相对简单但列变量数目非常多的主问题和四个描述列向量空间的子问题. 然后, 从一个包含部分列变量的限制主问题出发, 通过子问题和主问题之间的迭代来获取主问题线性松弛的最优解. 最后, 将列生成同分支—定界相结合, 即分支—定价算法, 以获取原问题的整数最优解. 对某钢铁企业的实际生产数据扩展的随机算例进行仿真实验, 结果显示所提出的算法能够在合理计算时间内获得最优解或次优解.     

一个并行查询优化器的设计与实现

并行查询优化器的目标是缩减庞大的计划搜索空间,获得优化的查询规划。为此,并行实时数据库PRTD-BASE查询优化器针对无共享结构（SN）,充分考虑通信开销,采用两阶段 优化方法,依据代价估计模型先对查询树进行基于代价估计的顺序优化,然后利用启发式规则对顺序优化的查询计划进行并行化,充分利用了多处理机的并行性,获得了较快的查 询响应时间。     

Multi-layer optimization in service-oriented sensor grid

Sensor devices such as video cameras, infrared sensors and microphones are being widely exploited in grid application. The paper deals with multi-layer optimization in service oriented sensor grid to optimize utility function of sensor grid, subject to resource constraints at resource layer, service composition constraints at service layer and user preferences constraints at application layer respectively. The multi-layer optimization problem can be decomposed into three subproblems: sensor grid resource allocation problem, service composing problem, and user satisfaction degree maximization problem, all of which interact through the optimal variables for capacities of sensor grid resources and service demand. The proposed algorithm decomposes global sensor grid optimization problem into a sequence of three sub-problems at three layers via an iterative algorithm. The simulations are conducted to validate the efficiency of the multi-layer optimization algorithm. The experiments compare the performance of the multi-layer global optimization approach with application layer local optimization and resource layer local optimization approach respectively.     

飞机垂直剖面性能优化及仿真

利用飞行参数及大气信息,进行飞机垂直轨迹优化,减少燃油消耗,降低飞行成本是商用航空的目标。深入分析相关参数对飞机飞行成本的影响,对垂直轨迹优化计算进行了理论分析和研究。采用能态近似法,推导并给出性能优化的计算方法;通过分析成本指数,确定以最低成本为指标的性能优化方程;利用成本指数计算最低成本下的优化巡航速度,生成优化轨迹,给出仿真结果并分析了重量、成本指数等参数的变化对轨迹优化的影响。结果表明,本方法实现简便,效果良好,可以实现实时轨迹优化。     

基于稀疏表示的多正则优化图像复原

由于单正则化图像复原算法所利用的先验信息有限,影响了复原图像的质量。为克服此类算法的不足,融入更多的先验信息,改善图像复原的效果。在稀疏表示的理论框架下,提出了一种多正则优化图像复原算法。该算法将图像复原表示为含多正则项的全局优化问题,为有效处理这一复杂的图像复原问题,采用交替优化策略并借助变量分裂将其分解为若干优化子问题。其中,[uj+1]子问题可微,可直接得到其解析解。不可微的[wj+1]和[vj+1]子问题,则通过邻近映射求解。实验过程中对三种不同类型的退化图像进行了复原,所得结果验证了该算法的有效性。与FISTA（Fast Iterative Shrinkage-Thresholding Algorithm）和Split Bregman等单正则化图像复原算法相比,所提算法的复原效果和时间性能更优。     

基于滚动时域的无人机动态航迹规划

针对带有动力学约束的多旋翼无人机航迹规划问题,提出了一种基于滚动时域控制和快速粒子群优化(RHC-FPSO)方法。该方法引入了基于VORONOI图的代价图方法说明从航迹端点到达目标点的距离估计。根据滚动时域和人工势场法的思想,将路径规划问题转化为优化问题,以最小距离和其他性能指标为代价函数。设计评价函数准则,按照评价准则使用变权重粒子群优化算法求解。针对无人机靠近危险区飞行的问题,将斥力场引入到代价函数中,提升其安全性。仿真实验结果显示,使用文中方法可以有效地在满足约束条件下穿过障碍物区域,以及在复杂环境下可以动态计算。     

An augmented Lagrangian relaxation for analytical target cascading using the alternating direction method of multipliers

Analytical target cascading is a method for design optimization of hierarchical, multilevel systems. A quadratic penalty relaxation of the system consistency constraints is used to ensure subproblem feasibility. A typical nested solution strategy consists of inner and outer loops. In the inner loop, the coupled subproblems are solved iteratively with fixed penalty weights. After convergence of the inner loop, the outer loop updates the penalty weights. The article presents an augmented Lagrangian relaxation that reduces the computational cost associated with ill-conditioning of subproblems in the inner loop. The alternating direction method of multipliers is used to update penalty parameters after a single inner loop iteration, so that subproblems need to be solved only once. Experiments with four examples show that computational costs are decreased by orders of magnitude ranging between 10 and 1000.     

Integrated airline scheduling

Airline scheduling is composed of fleet assignment, aircraft maintenance routing, and crew scheduling optimization subproblems. It is believed that the full optimization problem is computationally intractable, and hence the constituent subproblems are optimized sequentially so that the output of one is the input of the next. The sequential approach, however, provides an overall suboptimal solution and can also fail to satisfy the maintenance constraints of an otherwise feasible full problem. In this paper several integrated models for the optimization of airline scheduling are presented for the first time, and solved by applying an enhanced Benders decomposition method combined with accelerated column generation. Solutions of several realistic data sets are computed using the integrated models, which are compared with solutions of the best known approaches from the literature. As a result, the integrated approach significantly reduces airline costs. Finally, a comparison of alternative formulations has shown that keeping the crew scheduling problem alone in the Benders subproblem is much more efficient than keeping the aircraft routing problem.     

机载雷达组网多站测角被动跟踪轨迹优化研究

研究多观测器轨迹优化控制问题,由于多站测角被动跟踪系统运行存在误差,用机载雷达组网的可移动传感器采集信息,可对雷达载体轨迹优化进行研究,利用控制雷达载体的飞行轨迹可有效解决跟踪目标的弱观测性及估计器的稳定性。为了改善传统轨迹优化算法容易陷入早熟收敛和局部最小的问题,提出一种模拟退火(Simulated Annealing,SA)和粒子群优化(Particle Swarm Optimization,PSO)算法的混合优化方法(SA-PSO)。在给出了角度信息的适应度函数表达式基础上,结合模拟退火算法的局部搜索能力和粒子群优化算法的全局搜索能力,提高优化算法的收敛速度、精度以及全局搜索能力。实验证明,改进的混合算法对雷达载体轨迹优化有效,并减小对机动目标的被动跟踪误差。     

多目标空间探测智能轨迹优化方法综述

多目标空间探测是经济理性的太空探索与开发方案,它能以较低的花费获取巨大的收益.多目标空间探测轨迹优化的优化空间巨大,优化难度高,始终是航天动力学中的研究热点,而智能方法面对这些难点有着优异的表现.本文首先通过轨迹优化竞赛介绍多目标空间探测轨迹优化国际研究趋势,从中可以看出智能方法发挥着越来越重要的作用,然后从多目标空间...