航天器自主规划问题的建模研究

针对智能航天器的在线自主规划问题,提出了一种基于活动模型的建模方法.该方法采用规划域定义语言(Planning Domain Definition Language, PDDL)对航天器的各个活动进行表示,最终建立航天器的规划领域模型.针对规划问题中资源约束和定性定量时间约束的表达问题,采用扩展基本活动模型的方法,通过对基本活动模型添加等式和不等式,最终解决了自主规划问题中的约束建模问题.最后以一类光学成像卫星为对象,建立了其自主规划模型并开发了相应的导引式求解算法.仿真结果表明,建模方法和算法是有效的.     

最小化全局完成时间的成像卫星任务规划算法

成像侦察卫星任务规划问题是一类典型多约束组合优化问题.最小化全局完成时间是任务规划领域时效性要求较高情况下的一种优化目标.提出一种整合整数规划与约束规划方法,在最小化任务规划方案全局完成时间的目标下,求解成像侦察卫星任务规划问题的组合算法.该算法通过应用Benders分解将原约束整数规划模型划分为主问题与子问题两部分,采用软件MOSEK与GECODE对主、子问题分别求解.根据子问题求解结果生成剪枝约束,返回主问题迭代,直到获得优化解.算法有效性通过仿真实验进行了检验并取得预期效果.     

基于层级任务网络的卫星自主规划模型与算法

针对面向任务的卫星操作计划自动生成(即卫星的自主规划)问题，采用层级任务网络规划的任务分解思想，在分析卫星系统结构的基础上，建立了光学成像侦察卫星的规划模型，定义了2种常规任务的任务分解方法。根据模型的特点，开发了一个基于任务分解方法的导引式求解算法。通过一个实例进行了验证，结果表明模型和算法能有效解决卫星的自主规划问题。     

基于PDDL的对地观测卫星任务规划建模研究

传统的数学模型方法是解决复杂卫星任务规划问题的一种途径,但其抽象性给建模人员带来很大难度。PDDL(Planning Domain Definition Language)可以针对卫星任务规划问题建立清晰有效的模型,并能把模型的知识转化成计算机易于接受的形式。用PDDL描述对地观测卫星的任务规划问题,分析了卫星执行任务时涉及的约束、相关活动和所需的资源,建立任务规划模型的域文件(domain file)和问题(problem file)文件,并针对所建模型提出求解模型的算法流程,最后通过一个算例验证模型和算法是有效地。     

基于模型分解的多机带时间窗口任务规划算法

针对多机带时间窗口任务规划问题,提出了基于模型分解的规划求解算法。通过引入基于逻辑的Benders分解方法,将经典Benders分解算法应用扩展至带离散时间窗口的混合线性整数规划模型,实现模型分解。采用工艺级商业软件MOSEK与GECODE分别求解主、子问题,同时给出Benders剪枝函数生成方法,以迭代方式收敛解空间获得可行解。实现算法并设计测试案例,实验结果验证了算法的有效性。     

基于混合整数规划的智能车横纵向一体化滚动优化决策

本文针对智能车辆的行为决策问题, 设计了基于混合整数规划的智能车横纵向一体化滚动优化决策方法. 该方法首先将纵向车速表示为非整数, 将期望车道表示为整数控制量, 建立了混合整数智能车决策简化模型; 然后, 设计了横纵向一体化滚动优化决策方法, 决策出纵向车速和换道动作, 根据系统输出与非线性约束的时域关系证明 了优化问题的递归可行性并通过遗传算法求解非线性混合整数规划优化问题. 基于车辆动力学仿真软件veDYNA 和Simulink进行了联合仿真, 并在红旗E-HS3智能车上开展了实车试验, 结果表明, 本文提出的基于混合整数规划的 智能车横纵向一体化决策方法能够实现超车、避障、跟车、停车和弯道工况下的行为决策.     

求解资源受限项目调度问题的约束规划/数学规划混合算法

利用约束规划（constraintprogramming,CP）与数学规划（mathematicalprogramming,MP）结合的方法求解调度问题已经获得了一些较好的研究成果,正成为调度问题研究领域的一个新的热点研究方向．本文针对求解资源受限项目调度问题（RCPSP）的整数规划模型,设计了基于CP技术的问题和模型预处理方法,证明了整数规划模型的有效不等式定理,提出了通过将项目子网络图转化为加权最大团问题求解后获得有效不等式的方法．引用标准问题库PSPLIB中的一组典型问题进行求解实验,结果表明本文提出的有效不等式可以明显改进模型的求解质量和时间性能．论文最后对实验结果进行了深入讨论,讨论了未来的研究方向．     

一种求解整数规划与混合整数规划非线性罚函数方法

证明了任何一个变量有界的整数规划问题（IP）和混合整数规划问题（MIP）都可以转化为一个等价的非整数（或连续化）规划问题（NIP），并给出一个用非线性精确罚函数法来求解该等价NIP的方法，从而达到求解IP或MIP的目的，数值实验表明了算法的可行性。该方法可广泛用于各应用领域里IP和MIP的求解，特别是为非线性IP和MIP问题提供了一条通用 的求解途径，对解决许多实际优化问题具有重要意义。     

求解混合整数非线性规划问题的改进差分进化算法

针对混合整数非线性规划问题的特点,在差分进化算法的变异操作中加入取整运算,提出了一种适合于求解各种混合整数非线性规划问题的改进差分进化算法.同时,采用时变交叉概率因子的方法以提高算法的全局搜索能力和收敛速率.用四个典型测试函数进行了实验研究,实验结果表明,改进的差分进化算法用于求解混合整数非线性规划问题时收敛速度快,精度高,鲁棒性强.     

基于约束规划的岸桥与集卡集成调度

针对进口集装箱卸船的岸桥与集卡集成调度问题,分别提出混合整数规划(MIP)模型和约束规划(CP)模型,目标是使得卸船完工时间最短,该问题是NP难题。通过OPL语言设计约束规划模型,利用其为调度问题提供的特殊构造,如区间变量、序列变量等进行建模,并采用"扩展操作任务"的概念来定义区间变量以提升求解效率。为评价解的质量,设计一个新的下界求解方法。使用不同规模的实例对约束规划模型和MIP模型进行测试,结果表明,在小规模实例中,CP模型求解性能略差于MIP模型,但对于中大规模实例,MIP模型无法在设定时限内找到解,而CP模型则能以较快的收敛速度得到高质量的解,目标距离下界的差距控制在2.19%~8.28%。     

面向深空探测任务的实数遗传编码多星任务规划算法

针对面向深空探测任务的多星任务规划问题,综合考虑卫星对目标时间窗口、卫星姿态机动以及工作能耗等约束条件,建立了面向深空探测任务的多星任务规划问题模型,针对常规01编码在进行大规模卫星任务规划时,存在的编码长度过长等问题,提出了一种基于实数编码方式的遗传算法,以求解面向深空探测的多星任务规划问题.该算法采用了一种以目标为染色体的实数编码方式,相比传统的以时间窗口为染色体的01编码方式,缩短了染色体长度,可有效提高算法的求解效率.通过仿真算例分析,验证了基于实数编码的遗传算法对求解多星任务规划问题的正确性、合理性和有效性,并将其与基于传统01编码方式的遗传算法进行对比分析,其结果表明基于实数编码方式的遗传算法在寻优能力和计算速度上具有明显优势,这为求解面向深空探测任务的多星任务规划问题提供了一种新的思路和方法.     

基于改进概率地图的无人机实时避障研究

基于空间点采样的概率地图方法能够很好地表示出自由空间的连通性,该方法已在路径规划领域得到了成功的应用。但是,由于在由已得到的采样点基础上构造连通图时,需要检查图的边是否与障碍物发生碰撞,即进行相交检验,限制了概率地图的构造速度,难以满足在实际应用中的实时性要求。针对无人机路径规划问题,以等高线地图作为任务空间,提出了一种新的采样模型,在该模型框架下,依据适当的规则构造临近点集,便可以避免相交检验,提高了路径规划速度。     

考虑用户选择偏好的电动汽车充电站规划研究

在国家大力发展新能源汽车的过程中,充电问题一直阻碍着电动汽车的发展,充电基础设施尤其是快速充电站的规划和建设尤为重要。大规模发展电动汽车（electric vehicle,EV）的关键是根据用户的充电选择偏好,建立完善的充电基础设施,减少用户的里程焦虑,彻底解决充电不方便的问题。在考虑了各方面社会因素并确定一定数量的候选节点背景研究的基础上,提出了一种双目标规划模型,在满足需求、距离、容量等约束条件下,分析了建设充电站总成本和充电覆盖范围之间的关系,寻找最优的充电站建设方案,并以A城市B区为例,通过多目标粒子群算法进行求解,求出充电站的最佳节点和数量。用不同算法进行求解,通过对结果进行分析比较,表明多目标粒子群算法（MOPSO）在求解双目标问题时更具有实际意义。     

分布式问题求解方案的模糊综合评价模型及其算法实现

为解决现阶段大型复杂工程方案评价缺少实用理论分析工具的问题,文章应用“主因素突出型”和“因素加权型”两种多阶段模糊评判模型,实现了一种适合大型工程分布式协同设计的方案模糊综合评价算法。文中首先分析了大型工程分布式问题求解过程,提出了一种面向工程的分布式问题求解逻辑结构;其次详细分析了多阶段方案模糊评价模型以及模糊综合评价算法的流程框图及其实现过程。     

基于离散混合多宇宙算法求解折扣{0-1}背包问题

为了利用多宇宙算法（MVO）求解折扣{0-1}背包问题（D{0-1}KP）,基于模运算建立了离散型隧道模型和离散虫洞模型,引入具有反向搜索与突变特性的局部搜索策略,提出了第一个具有四进制编码的离散混合多宇宙算法DHMVO。在利用修复与优化算法消除不可行解的基础上,基于DHMVO提出了求解D{0-1}KP的一个新方法。为了检验DHMVO求解D{0-1}KP的性能,利用Kruskal-walli检验确定了其参数的最佳取值;将DHMVO求解四类大规模D{0-1}KP实例的计算结果与已有最好算法的计算结果进行比较,比较结果表明：DHMVO比其他算法的求解精度更高、稳定性更强,非常适合高效求解大规模D{0-1}KP实例。     

深度强化学习求解车辆路径问题的研究综述

车辆路径问题（VRP）是组合优化问题中经典的NP难问题,广泛应用于交通、物流等领域,随着问题规模和动态因素的增多,传统算法很难快速、智能地求解复杂的VRP问题。近年来随着人工智能技术的发展,尤其是深度强化学习（DRL）在AlphaGo中的成功应用,为路径问题求解提供了全新思路。鉴于此,针对近年来利用DRL求解VRP及其变体问题的模型进行文献综述。回顾了DRL求解VRP的相关思路,并梳理基于DRL求解VRP问题的关键步骤,对基于指针网络、图神经网络、Transformer和混合模型的四类求解方法分类总结,同时对目前基于DRL求解VRP及其变体问题的模型性能进行对比分析,总结了基于DRL求解VRP问题时遇到的挑战以及未来的研究方向。     

最短路径问题的禁忌搜索求解方法

针对网络优化算法中的最短路径（Shortest Path,SP）问题,建立了有约束条件的SP问题模型,并探讨了使用禁忌搜索（Tabu Search,TS）算法对其求解的算法框架及关键步骤。该求解方法寻优能力强,结构简明,能方便处理问题约束,具有智能计算方法的优点。最后,通过实例进行测试和比较,证明算法收敛速度快,并能够获得满足约束条件的优解集合,能适应较差网络条件下的多条路径选择,算法是可行和有效的。     

融合常识库和语法特征的数学应用题题意理解

数学问题的题意理解是实现自动解题的关键,然而现有研究对情境复杂、参数较多等特征的应用题实现题意理解的准确率较低,尚没有很好的优化解决方案。基于此,以语境复杂的古典概型应用题为突破点,提出了融合常识库和语法特征的数学应用题题意理解方法。首先,结合古典概型应用题的文本和结构特征,构建了包含7类关键解题参数的古典概型题意表征模型;然后,根据该模型将应用题题意理解任务转化为解题参数识别问题,并设计了融合多维语法特征的条件随机场（CRF）题意参数识别方法来解决这个问题。进一步地,针对隐性参数识别问题设计了常识参数补全模块,并提出了融合常识库和语法特征的数学应用题题意理解方法。以新东方在线网站和21世纪教育在线题库中的948道古典概型应用题为实验语料进行实验。实验结果表明,所提方法的各题意参数识别F1平均值达到93.56%,高于最大熵模型（MaxEnt）、双向长短期记忆网络-条件随机场（BiLSTM-CRF）和传统CRF方法;并且题意理解准确率达到66.54%,显著高于上述其他方法,验证了所提方法对古典概型应用题题意理解的有效性。     

求解无容量设施选址问题的混合蝙蝠算法

无容量设施选址（Un-capacitated Facility Location,UFL）问题是可以运用于不同领域的经典优化难题。蝙蝠算法（Bat Algorithm,BA）是一种新的群智能优化算法,目前还未被应用到无容量设施选址问题的求解中。针对蝙蝠算法易陷入局部最优、收敛精度低、后期收敛速度慢的缺点,并结合无容量设施选址问题的具体特征,将三种局部搜索策略、和声搜索机制与基本蝙蝠算法相结合,使用一种新的随机游走法则公式改善蝙蝠的搜索能力,设计了求解无容量设施选址问题的混合蝙蝠算法。通过实例测试将混合蝙蝠算法与其他算法进行比较,验证了该算法求解无容量设施选址问题的有效性与可行性。