基于改进遗传算法的多机协同多目标分配方法

针对复杂三维环境中多无人机协同多目标分配问题,在飞行代价函数建模的基础上,提出了一种改进遗传算法。首先通过引入启发式信息和采用随机生成的方法构造初始种群,保证了初始种群的多样性和高适应性;然后构造适应度函数,加入惩罚项排除不满足约束条件的方案;接着进行遗传操作,将变异产生的个体组成新的种群,把新种群中性能优异的个体加入到初始种群中,使初始种群个体种类更加丰富,扩大了解的范围。设计实验将改进遗传算法与基本遗传算法和差分进化算法进行了对比,实验结果表明,改进遗传算法在无人机与目标不同的数量关系下,都能够得到合理的分配方案;改进遗传算法有效改善了早熟问题,并具有更快的收敛速度,适合于求解多无人机多目标分配问题。     

基于分层思想的无人飞行器航路规划研究

在无人飞行器航路规划问题的研究中,为提高航路规划的效率和精度,针对传统遗传算法收敛速度慢、易陷入局部最优、寻优精度较差的问题,提出了一种分层思想的解决方法.首先用链接图法描述规划环境,通过采用Dijkstra算法寻找初始最优航路,并利用航路编码技术对初始航路进行优化;然后在已有的研究成果上,提出一种集混沌优化、模拟退火、遗传算法为一体的改进遗传算法(CGASA),在解决多目标多约束优化问题时取得了较好的结果;最后综合考虑飞行器的机动性能、威胁因素、飞越目标进入角度等代价的选取,利用改进遗传算法调整导航点的位置得出了满足性能要求的航路.     

基于多目标遗传算法的侦察资源优化

基于地理信息系统的侦察资源优化,是个多目标多约束的资源分配问题。文章根据相关知识提出侦察资源优化模型,在地形分析结果基础上利用多目标遗传算法进行求解。算法采用多参数映射编码,通过启发式初始化方法和专门的遗传算子保证初始个体的有效,此外惩罚函数对应问题的约束条件,可以确保适应度函数对算法进化的正确引导。仿真结果证明该方法有效。     

飞行试验航路规划方法研究与实现

光电系统挂飞试验对飞行航路有较高要求,一条能够满足试验各项约束的航路是试验按计划完成的前提。针对该问题,提出了一种基于可见性图的航路搜索空间构造方法;使用Dijkstra算法计算顺序两目标点间的折线路径;使用遗传算法计算代价最小的目标观测顺序;在得到的折线路径上计算得到满足最小转弯半径约束的航路。计算结果表明,这种航路算法能够有效规划出满足挂飞试验多约束条件的航路。     

基于MapReduce与蚁群优化的航路规划算法

航路规划是提高无人机生存能力的有效途径,可使其安全、快速到达目的地。为在云计算环境中分布式并行地求解航路规划问题,应用云计算技术提出基于MapReduce和多目标蚁群算法的航路规划算法( RPMA)。设计多目标蚁群算法,并采用多种优化策略对传统算法进行改进。 RPMA能预先规划出多条航迹,可根据不同的飞行任务选择不同的航路,并在飞行过程中根据不同需要临时确定合适的飞行航路。仿真实验结果表明, RPMA求解航路问题是可行、有效的,具有较好的收敛性和扩展性,以及对大规模数据的处理能力。     

基于改进型遗传算法的能源模糊优化的研究

将模糊优化的概念引入能源模型中,将多目标能源模型中的能源、经济和环境3个目标函数的约束条件模糊化,并定义了由惩罚函数和目标函数组成的新目标函数.针对该模糊多目标优化模型,采用改进型遗传算法进行求解,在适应度函数以及其它遗传操作的设计上做了改进.实验表明,这种遗传算法是一种性能优良的解决能源优化问题的启发式搜索算法,可以快速有效的求得能源优化问题的最优解,进而得到能源的最佳配置.     

基于二型模糊集推理的优化航路规划方法

航路规划是带约束的多目标优化问题,常用的优化算法是通过加权系数法把多目标优化问题转化为单目标优化问题。该固定的加权系数无法适应战场环境的变化,且无法满足不同专家对优化目标的个人偏好。针对以上问题,提出基于二型模糊集推理的优化航路规划方法。建立航行器复杂约束层次表达模型,采用改进的Per-C方法,利用不同专家对优化目标的偏好信息以及航路约束值实现模糊推理,求取航路模糊代价。将模糊推理应用于A*搜索代价计算过程,最终实现优化的多目标航路规划方法。实验结果表明,该方法能够准确反映各专家对优化目标的偏好,具有较强的灵活性和通用性。     

不确定条件下航路点布局优化研究

航路网络(Air Route Network,ARN)是支撑飞行器安全高效飞行的载体,是空中交通的基础。网络规划中的航路点布局问题（Crossing Waypoints Location Problem,CWLP）是一项核心。在航路网络运行成本和安全性基础上考虑到需求、天气和科技发展三类不确定因素影响,建立不确定条件下航路点布局多目标优化模型,求解时选取随机权重策略的粒子群优化（Particle Swarm Optimization,PSO）算法,根据决策者对目标函数的偏好,合理分配目标权重。最后以北京飞行情报区进行仿真对比,实现了航路点的布局设计,可给决策者提供多种优化方案,并为在有不确定因素影响下设计航路网络提供一种思路。     

多重群体遗传算法在多选择背包问题中的应用

在解决多选择背包问题中，引入了多重群体遗传算法作为求解方法，根据此问题的特点，制定了具体的杂交、变异方法，设计了遗传算法。在算法中以目标函数加惩罚函数为适应值评价函数，采用新陈代谢的跨世代选择策略，以更好地保持进化过程中的遗传多样性。实践表明，引入了多重群体遗传算法之后，求解此问题效率有明显的改善与提高。     

准时化生产计划的半无限规划模型与模拟退火方法

半无限规划模型是描述ＪＩＴ环境下，提前／拖期生产计划问题的一种数学模型。因为目标函数是非线性的、有无限多约束和约束的非凸性，所以求解比较困难。用模型退火结合启发式方法和最速下降法求解半无限规划模型，与遗传算法进行比较，计算结果表明用模拟退火方法求解更有效。     

机器人三维路径规划问题的一种改进蚁群算法

本文研究移动机器人三维空间路径规划问题,针对三维空间的复杂地形特点,提出了一种基于改进蚁群算法的路径规划算法。文中首先描述了一种简单有效的环境建模方法,然后给出了算法在信息素呈现、路径点选取、信息素更新以及启发式函数设计等方面的改进方法。仿真结果证明了算法的可行性和可靠性。     

基于混合策略的轮式机器入路径规划方法

快速扩展随机树方法（R RT）是解决具有非完整性约束的轮式机器人路径规划问题的一种有效途径。R RT能够在规划过程中引入机器人动力学约束,但是当环境中存在大量障碍物时,R RT算法的路径搜索效率将会降低。另一方面,R RT算法不具有最优性,限制了其在轮式机器人路径规划中的应用。针对经典R RT算法的不足,提出一种混合的路径规划策略,首先通过路径导引点扩展多树R RT结构,利用多树R RT的局部探索与合并特性快速寻找可通行的区域范围,利用启发式搜索算法在可通行区域内快速寻找动力学可行的机器人运动轨迹。仿真与实车实验表明,该方法能够快速有效地解决复杂障碍物环境下的机器人路径规划问题。     

基于改进遗传算法的机器人路径规划与仿真

针对标准遗传算法解决机器人处于障碍环境下寻找最优路径局部寻优精度较差、规划效率低的问题,提出一种改进遗传算法的机器人路径规划方法。该算法采用一维编码表示路径,构造了路径最优化的目标函数和适应度函数,利用多个种群拓宽搜索空间,提高了规划效率,采用保优选择策略,避免陷入局部最优。仿真结果表明,改进遗传算法比标准遗传算法路径规划质量高,能够获得平滑的低代价路径,稳定性好,是机器人路径规划的一种较好的方法,且具有一定的推广意义。     

DEM中基于遗传与蚁群的混合路径规划算法

现有启发式算法在DEM路径规划中因数据量巨大,效率较低。针对该问题,提出一种基于遗传和蚁群的混合路径规划算法。该算法在遗传过程中,通过在初始群体生成阶段构建选择因子,使得在节点搜索时更加倾向于终点方向,提高初始群体生成效率;对变异过程中变异节点的变异区间进行限制,避免产生路径断点;在蚁群寻优过程中,根据遗传过程产生的路径信息,采用自适应信息素初始化与更新策略,提高算法搜索效率。测试结果表明,混合算法能够在规则网格DEM数据下搜索出符合条件的路径,并具有较好的效率。     

钢铁企业合同计划与余材匹配的集成优化方法

钢铁企业的合同计划和余材匹配的集成优化是解决钢铁企业面向订单生产的关键技术.由于该问题复杂,涉及因素多,求解难度大,对此提出一个带有提前拖期惩罚的联合计划优化的数学模型,并提出一种嵌有"优先适合启发式"的遗传算法.该方法利用背包问题的求解思路改进了染色体的性能,从而加快了遗传算法的求解速度.将该模型及算法应用于实际钢铁企业的计划编排中,取得了满意的效果.     

A strategic conflict avoidance approach based on cooperative coevolutionary with the dynamic grouping strategy

Conflict avoidance plays a crucial role in guaranteeing the safety and efficiency of the air traffic management system. Recently, the strategic conflict avoidance (SCA) problem has attracted more and more attention. Taking into consideration the large-scale flight planning in a global view, SCA can be formulated as a large-scale combinatorial optimisation problem with complex constraints and tight couplings between variables, which is difficult to solve. In this paper, an SCA approach based on the cooperative coevolution algorithm combined with a new decomposition strategy is proposed to prevent the premature convergence and improve the search capability. The flights are divided into several groups using the new grouping strategy, referred to as the dynamic grouping strategy, which takes full advantage of the prior knowledge of the problem to better deal with the tight couplings among flights through maximising the chance of putting flights with conflicts in the same group, compared with existing grouping strategies. Then, a tuned genetic algorithm (GA) is applied to different groups simultaneously to resolve conflicts. Finally, the high-quality solutions are obtained through cooperation between different groups based on cooperative coevolution. Simulation results using real flight data from the China air route network and daily flight plans demonstrate that the proposed algorithm can reduce the number of conflicts and the average delay effectively, outperforming existing approaches including GAs, the memetic algorithm, and the cooperative coevolution algorithms with different well-known grouping strategies.     

Elite artificial bees' colony algorithm to solve robot's fuzzy constrained routing problem

One of the fundamental challenges of the robotics field is robot's movement. That is, why route planning is an eminent issue of robotics research and it is used to enhance autonomy of moving robots in complex environments. The objective of route planning problem is to find the shortest route without collide from initiation point to destination point so that the amount of energy consumption by robot would not exceed a predefined amount. Because neither the amount of energy consumption nor the robot's passed distance index cannot be measured precisely due to environmental conditions, and fuzzy data is used for modeling the problem and the problem would be called “Robot Fuzzy Constrained shortest Route” problem. The main contributions of this study are fivefold: (i) The mathematical model of fuzzy constrained shortest route problem (FCSRP) is formulated; (ii) An elite artificial bees' colony (EABC) algorithm is used to solve the robot's FSCRP; (iii) The proposed EABC algorithm is simulated with two fuzzy networks; (iv) The performance of the proposed approach is compared with the performance of genetic algorithm and particle swarm optimization algorithm; and (v) The results show the convergence speed of the EABC algorithm is higher than the existing algorithms.     

改进A*算法的水面舰艇静态航路规划

针对复杂海洋环境下水面舰艇航路规划时出现的大地图寻路速度慢、航路安全性差、航路不平滑等难题,结合电子海图提出了一种改进A*算法的航路规划方法。提出一种自适应的改进启发函数,在搜索节点时加入目标节点的方位信息,加快了A*算法搜索路径的速度;加入迫使航路远离障碍物的安全距离,解决了传统A*算法沿障碍物边缘寻路导致航路安全性差的问题;对原始航路进行二次优化,在对原始路径提取转折点后,通过判断任意两个转折节点的直线可达性,将转折节点之间的实际距离转化为距离矩阵,使用Dijkstra算法优选出航路长度更短的关键转折点,最终使用二阶贝塞尔曲线对航路转折处进行平滑处理,以满足航路平滑且易跟随的要求。仿真实验表明,相对于传统A*算法,改进算法规划的路径具有寻路速度更快、航路距离更短、航路安全性更高的特点。     

基于启发式搜索的灵活规划的算法研究与系统实现

随着智能规划研究的深入,经典规划已不能满足实际应用的需要.本文分析了经典规划无法满足实际应用要求及产生灵活规划的原因.在对启发式搜索和灵活规划深入研究的基础上,提出了利用启发式搜索的方法来处理灵活规划问题的思想,并给出了基于启发式搜索的灵活规划算法和求解模型.采用智能规划中的基准问题对该算法进行测试,实验表明该方法在处理很多领域问题上都可以得到非常好的效果.