基于遗传算法和分层任务网络的战术任务规划方法

针对给定约束条件下作战任务最优战术动作序列规划问题,提出一种将分层任务网络(hierarchical tasknetwork,HTN)与遗传算法(genetic algorithms,GA)相结合的HTN_GA战术任务规划算法。采用定性与定量相结合的方法,基于分层任务网络对战术知识进行建模,基于遗传算法对战术生成过程进行优化。分析了HTN_GA战术规划算法的可行性、完备性。实现了基于SEAD任务的无人作战飞机(uninhabited combat aerial vehicle,UCAV)战术任务规划,仿真结果证明了该任务规划算法的可行性和有效性。     

基于混合部署的战术导弹攻击多目标优化分配研究

对混合部署条件下战术导弹的目标优化分配问题进行了详细分析,建立了相应的数学规划决策模型.为了有效获得问题的全局最优解,将遗传算法(GA)应用于数学规划决策模型的求解过程中,并给出了模型求解的方法和步骤,经实例应用,取得了满意的结果.     

唯相位控制低副瓣直线阵的免疫算法综合

采用免疫算法来优化相控低副瓣直线阵。详细讨论了该算法应用于相控低副瓣直线阵优化的基本问题。文中免疫算法中采用了基于适应值的高斯变异．加快了算法的收敛速度。对八阵元组成的等间距直线阵进行了数值实验。仿真结果表明．该算法能有效地抑制直线阵左右最大旁瓣．获得了比基本遗传算法更低的最大副瓣．并且收敛速度明显优于基本遗传算法。     

基于遗传算法的反辐射无人机航路规划

采用遗传算法对反辐射无人机进行了航路规划，并对算法进行了相应地仿真。仿真结果表明．文中提出的遗传算法模型．能够迅速地寻找到最优航路。     

混沌遗传算法在函数优化中的应用

基于混沌遗传算法(HGA)的函数优化,将混沌优化方法嵌入到GA中替代GA变异算子,以改善变异个体适应值,加快了算法收敛.其主要算子包括:编码方式、选择算子、交叉算子、变异算子及采用精英保留策略.该算法可求解非线性全局最优化问题,并通过大海捞针(NIH)等仿真试验得到验证.     

混沌遗传混合算法及其在弹簧剪应カ校核中的应用

提出了一种基于浮点数编码技术的新型混沌遗传混合算法( CGHA)。利用混沌优化进行“粗搜索”而获得质量较优的初始化种群，采用幂函数载波提高了混沌搜索的充分性与遍历性；利用遗传算法(GA)进行“精搜索”，保证了种群不断进化，又设计了一种混沌退化变异算子，避免了搜索过程陷入局部极值的陷阱而快速收敛于全局最优解。用该新型混合算法解决了圆柱螺旋弹簧的剪应力校核这一典型机械优化设计问题，并与传统罚函数法、混沌-Powell混合算法及标准GA进行了比较。计算结果表明，CGHA在提高解的精度及加快收敏速度方面均优于这些算法，从而为解决机械优化设计问题提供了一种新途径。     

约束引导的反舰导弹航路规划遗传算法

为了提高遗传算法对航路规划问题的求解效率,提出了一种约束引导的航路规划遗传算法（CD-GA）.与传统GA不同的是,该算法在优化过程中使用航路节点间的关联约束来实时限定基因值的准确变化范围.为了使染色体与航路的表达方式更加接近,采用定长实数的矩阵编码方式;采用一种分步递归初始化策略生成初始种群,保证其中均是非劣个体;在算法迭代过程中,分别采用一种连续多点分步交叉策略和扰动连续修复变异策略进行交叉和变异,使得算法搜索空间逐步减小,从而加速算法收敛.仿真实验结果表明,该算法能够显著提高遗传算法的全局搜索性能,并且算法收敛速度快,稳定性好.     

异构多种群双交换遗传算法综合矩形平面阵列

提出了一种异构多种群双交换遗传算法并应用该算法来综合矩形平面阵列。该算法通过多个异构子种群并行进化与对精英解的双交换遗传策略相结合的方法。摆脱了传统遗传算法收敛对初始群体的依赖性。克服了收敛陷人局部最优值的缺陷。为了说明该算法的有效性和实用性．运用异构多种群双交换遗传算法对矩形平面阵列的激励幅度和阵元位置进行了优化。     

基于遗传蚁群动态融合的地面自主作战 机器人路径规划

在机器人路径规划与避障算法中,遗传算法具有快速全局搜索能力,但是没有利用系统中反馈的信息。蚁群算法具有很好的信息反馈性,但是由于初期信息素匮乏导致求解速度较慢,易陷入局部最优。提出了一种动态融合的方法,在算法初期通过遗传算法生成蚁群算法的初始信息素分布,后期采取蚁群算法动态融合遗传算子的方法。通过路径规划仿真及实验分析,该动态融合算法不仅提高了收敛速度,而且改善了蚁群算法易陷入局部最优的问题;同时引入了动态避障策略,从而达到了更好的路径规划效果。     

基于改进蚁群算法的无人机三维航迹规划研究

针对蚁群算法进行无人机航迹规划时,易陷入局部极值,且收敛速度较慢的问题,提出了基于改进蚁群算法的无人机三维航迹规划。将三维航迹规划分成基于改进蚁群算法的二维平面规划和高度规划两部分,采用几何优化方法增强了蚂蚁搜索的引导性,并根据航迹点与威胁源之间的距离及高度约束,调节航迹点的高度,规划出无人机三维航迹。同时,利用自适应调节参数方法提高蚁群搜索能力与个体之间交互能力,有效摆脱原算法易陷入局部最优的情况。此外,建立了指标函数并对路径进行了平滑处理。仿真结果表明,所提出的改进算法在三维环境下不仅可以安全避开威胁,而且找到最优解的能力及收敛速度优于原算法。     

基于遗传算法的往复活塞式空气压缩机结构优化设计方法

提出了一种基于遗传算法的往复活塞式空气压缩机优化设计方法.该方法是以空气压缩机活塞直径、活塞行程作为设计变量,以空气压缩机功率损失最小为目标进行优化设计的,最终求得具有最小功率损失的空气压缩机部分结构参数.     

遗传算法在柴油机喷油系统参数优化设计中的应用研究

为了获得理想的燃油喷雾特性，需要对柴油机喷油系统参数进行优化设计，但由于所涉及的设计参数多、设计目标多，采用传统的优化设计方法，难以获得令人满意的结果。本文应用遗传算法，根据柴油机燃油喷雾特性的计算公式和6V150柴油机的具体情况，对其喷油系统的参数进行了优化设计；对基于遗传算法的参数优化过程进行了全面、简要的介绍。结果表明：遗传算法可适用于多设计变量、多设计目标的柴油机喷油系统参数优化设计。     

基于遗传算法的超宽带天线优化设计

为改善传统超宽带天线设计中存在的辐射脉冲波形拖尾振荡问题,提出了一种基于遗传算法的超宽带天线综合设计方法.该方法采用保真系数和回波损耗的适应度函数加权形成目标函数,在确定结构基础上对天线参数进行遗传操作,实现了超宽带天线时域辐射波形的优化设计.根据遗传算法寻优结果设计出一款单极锥天线,并用时域有限差分法对天线的电特性进行了仿真,结果证明该方法有效.优化的变形锥结构在高低平面内辐射波形一致性好,且拖尾振荡明显减小.     

遗传算法的进展及其在电子对抗中的应用

介绍了遗传算法是一种源于进化论和基因遗传学的新的智能优化算法．概述了其基本思想、操作方法、优点和问题，并介绍了近年来对遗传算法的改进和应用研究，最后对其在电子对抗领域中的应用现状作了分析和展望．     

遗传算法在UWB陷波天线设计中的应用

通过对比GA／FDTD、GA／MOM天线设计方法,研究了遗传算法（GA）和有限元法（FEM）相结合的天线设计方法。运用此方法,设计了一款UWB陷波天线,并进行实物加工,实物测试结果和仿真结果吻合很好,验证了该方案的正确性和有效性。     

基于遗传算法优化支持向量机的航空装备维修费用预测

针对传统航空装备维修费用预测方法难以计算得到满意结果的问题,建立遗传算法优化支持向量机的航空装备维修费用预测模型。将遗传算法与支持向量机相结合,利用遗传算法对支持向量机的参数进行优化,通过实例对GA-SVM模型的应用进行分析对比。结果表明：在航空装备维修费用预测中,该模型比SVR、BP神经网络、偏最小二乘回归以及传统普通多元线性回归方法,具有更高预测精度和泛化能力。     

遗传算法在自航式鱼雷发射管长度优化中的应用

自航式鱼雷发射管长度优化是一个复杂的非线性规划问题,常规优化算法难以找到全局最优解,为此,本文选择遗传算法进行自航管长度优化研究。根据优化问题的数学表达式(5),对不等式约束的处理和遗传算法五要素的确定进行了讨论,并采用内弹道模型(式(13)-式(18))求解鱼雷出管速度,从而使遗传算法得以实现。以鱼雷自航发射为例进行了模拟计算,模拟进化结果(表1)表明,采用遗传算法进行自航管的长度优化是有效的,可为后续相关课题的研究提供借鉴。     

基于改进GA 的多机机务准备优化研究

针对军机多机机务准备工作内容繁杂、人员多、不易组织等问题,对多机机务准备进行优化研究.在分析单机保障组机务准备流程的基础上,建立多机机务准备流程数学模型,引入改进GA算法来求解此模型.结合具体实例,分别使用传统GA和改进GA进行仿真计算,仿真得到了机务准备流程的甘特图.仿真结果表明:改进GA算法克服了传统GA运算量大和种群规模过大等困难,能快速收敛,优化了机务准备时间.     

基于遗传算法的BP神经网络燃速相关性研究

采用遗传算法和BP神经网络相结合的方法，对人工神经网络的连接权值和神经元阐值进行优化搜索。该方法用于固体推进剂燃速相关性研究，计算结果表明其泛化能力强，预估精度高。     

聚能装药性能参数灰关联分析

灰色理论已广泛应用于社会、经济、地质、生态等各个领域.本文运用灰色理论和方法对小药量聚能装药战斗部的设计参数和结果参数进行了灰关联分析,得到了影响爆炸成型弹丸(EFP)形体参数的聚能装药参数的关联度矩阵.利用关联度矩阵指导了聚能装药战斗部的设计参数选择,数值仿真计算结果表明基于灰关联分析结果的聚能装药参数选择是有效的.