多样本遗传算法在武器外弹道组网试验中的应用

针对武器试验外弹道组网测量模式,为保证弹道测量精度最优,对测试设备优化布站进行研究。以弹道逐点最小二乘解算模型为基础,弹道参数累积总误差的均方差为精度评价标准,考虑实际情况对解空间构成的非线性约束条件,通过聚焦遗传算法概率特性,设计以Monte Carlo实验和种群罚函数检验为特征的完备多样本遗传算法,实现优化问题的可靠求解。利用设计的遗传算法,对一种光学、雷达设备组网测试优化布站问题作500次Monte Carlo仿真实验,通过结果统计分析确定了全局最优解,并与传统布站方法进行了比较。仿真结果表明：多样本算法降低了遗传算法概率特性影响,以大概率事件锁定全局最优解,确保了最优解的有效性和可信度,符合工程实际应用。     

基于遗传算法和最大最小方法的鲁棒最优弹道设计

给出了一种鲁棒最优弹道的设计方法,通过将遗传算法和最大最小优化方法有机结合,对导弹全程弹道参数进行优化,保证所设计的弹道具有全局最优性和较强的抗干扰能力,即鲁棒性;给出了鲁棒最优弹道的详细设计步骤,以近程寻的反坦克导弹为例,给出了弹道优化数学模型.设计和仿真结果表明,该鲁棒最优弹道设计方法是准确、有效的.鲁棒最优弹道使近程寻的导弹能在武器系统约束条件下和扰动作用下,以最大着角命中目标.     

高超声速飞行试验助推段弹道优化方法

为减小高超声速飞行试验助推段飞行环境的恶劣程度,提出了一种生成三自由度最优弹道的方法。采用基于攻角编码的遗传算法,并用三次样条对攻角-时间历程进行平滑处理。优化过程首先搜索满足窗口参数的可行解,然后以攻角范围、最大动压、最大法向过载等参数为目标函数,以窗口参数为约束,搜索飞行环境恶劣程度最低的最优化弹道。计算结果表明,该算法能够避免理论弹道中存在局部高风险阶段的情况,并具有良好的鲁棒性。     

分布式雷达对非合作目标弹道测量精度分析

针对非合作目标高精度弹道测量问题,提出采用一主三副脉冲体制分布式雷达系统组网测量模式,对系统提供的“多测距多测速”冗余测元采用基于函数约束的测元层数据融合计算方法,通过仿真计算,分析了弹道测量精度,结果表明:在合理布站条件下,如果雷达测元只含有随机误差,则弹道测量精度很高; 如果测元存在系统误差,则弹道测量精度有所下降。针对消除测元系统误差,提出了4项修正内容。该文研究工作为今后作战试验条件下雷达组网测试和数据处理提供了参考。     

改进量子遗传算法在电机结构优化中的应用

针对电机电磁设计过程中结构尺寸多、约束条件复杂的特点,以某旋转磁系统在外的永磁无刷双转电机为原型,建立了以电机质量为优化目标,包含10个优化变量和11个约束的数学模型,使用引进了动态旋转角控制策略、量子交叉操作、量子变异操作的改进量子遗传算法对模型进行搜索,获得了质量降低、约束指标满足要求的结构尺寸方案,并比较了在不同参数下搜索效果,可作为进一步改进算法的基础。     

机动弹头引入段弹道优化设计

建立了机动弹头再入弹道的数学模型,该模型要求在满足热流约束的条件下,寻找一个攻角控制规律作为输入来使得弹道最优.采用遗传算法对此问题进行优化计算,并设计了一种适当的惩罚函数将其转化为无约束问题,提高了求解效率,得到了全局最优弹道和相应的初始伴随变量.实例计算结果表明,数学模型正确,计算方法可行,在满足热流约束的条件下可以求解出最大终端速度弹道.     

旋转稳定弹扰流片气动外形多目标优化设计

为提升旋转稳定弹的射击精度,将微型扰流片应用于旋转稳定弹,可以为弹丸提供侧向升力、改变弹体姿态,继而达到改变飞行轨迹的目的。通过数值模拟方法计算扰流片轴向力系数、法向力系数和静力矩系数,分析扰流片气动系数随外形参数和马赫数的变化规律,以及外形参数和马赫数对平衡攻角的影响;以扰流片主要外形参数为设计变量,以弹道修正量和终点存速为目标,考虑攻角、修正能力、扰流片尺寸等约束,建立多目标优化设计模型,并采用遗传算法获得全局最优解。结果表明：采用扰流片对弹丸进行姿态调整、弹道修正的方法可行有效;在亚跨声速段扰流片外形参数存在升阻比最优解,在超声速下升阻比随马赫数增加呈下降趋势。     

机动弹头引入段弹道优化设计

建立了机动弹头再入弹道的数学模型，该模型要求在满足热流约束的条件下，寻找一个攻角控制规律作为输入来使得弹道最优．采用遗传算法对此问题进行优化计算，并设计了一种适当的惩罚函数将其转化为无约束问题，提高了求解效率，得到了全局最优弹道和相应的初始伴随变量．实例计算结果表明，数学模型正确，计算方法可行，在满足热流约束的条件下可以求解出最大终端速度弹道．     

基于遗传算法的制导炸弹最优滑翔弹道研究

建立了制导炸弹铅锤平面内最优滑翔弹道问题的最优控制数学模型。为了克服传统数值优化方法对初始值敏感的缺陷及基于单一策略的混合遗传算法开发和探测搜索解空间所存在的矛盾性，提出采用基于自适应变尺度混沌遗传算法来求解最优滑翔弹道问题。一方面利用混沌运动的特性来保持群体的多样性，另一方面利用自适应变尺度来缩小搜索空间，提高算法效率。研究结果表明改进遗传算法能应用于求解弹道优化问题。最后分析了制导炸弹的最大射程滑翔弹道特性并得出结论。     

基于遗传算法与角度传感器的火炮射击方法

为解决三维环境中火炮射击弹道求解模型不精、地形起伏制约的问题,研究了顺次优化遗传算法和角度传感器姿态校正模型软硬结合的火炮射击方法。从软件角度,基于遗传算法的弹道解算模型动态缩小搜索范围,从弹道轨迹簇中顺次搜索最优水平角和竖直角,使理论角度误差小于0.001°,弹丸落点偏差距在0.005 mm以内,求解需0.01 s;从硬件角度,基于角度传感器的姿态校正模型运用电子罗盘水平指向与倾角传感器竖直指向的特性,同求解得到的最优水平、竖直角比较,对炮管进行立体校正,误差为0.001°,同理论角度误差相近,可消除地形的制约。     

基于自适应神经网络的火炮身管结构优化研究

针对火炮多学科优化设计存在计算量大、收敛慢和易陷入局部最优的问题,提出一种基于自适应径向基函数（RBF）神经网络的结构优化方法。编程计算火炮高低温压力曲线,并对ABAQUS有限元软件二次开发将其加载进有限元模型以获取身管的优化目标值,构建其与设计变量间自适应RBF神经网络模型。引入罚函数法处理约束条件,采用遗传算法在模型中求解寻优。每次优化迭代时利用建立的局部和全局分析模型分别选取更新点,增加样本点来更新神经网络,以提高神经网络的局部和全局预测能力。采用典型函数算例和某火炮身管结构多目标优化,实例验证了所提出优化策略的有效性。研究结果表明：身管优化后质量减小了6.63%,结构刚度提高了5.60%,最大等效应力减小了6.34%;与仅使用遗传算法相比,该方法所需的有限元模型调用次数降低了86.5%,运行时间减少了83.3%,为火炮结构设计和优化提供了参考。     

基于改进量子进化算法的巡航导弹航路规划方法

针对巡航导弹作战区域广阔、航路规划效率低的问题,提出了基于改进量子进化算法(IQEA)的巡航导弹航路规划方法。首先分析并确定巡航导弹航路规划空间,建立航路评价的代价指标;针对实数编码量子进化算法容易早熟、陷入局部最优的缺点,引入染色体的概率表达特性,使得每条染色体均能以一定概率表达优化问题的所有可行解;借鉴遗传算法的思想,在IQEA中引入染色体繁殖机制,结合动态量子门实现染色体的进化,实现算法局部搜索和全局搜索的平衡。仿真实验结果表明,基于带繁殖机制的IQEA的航路规划算法能够快速、稳定地搜索到代价更低的航路,所规划航路能够有效进行威胁规避、地形回避和地形跟随。     

多发弹气动参数联合辨识方法研究

利用局部优化算法对多发弹测量数据进行气动参数辨识,可能存在局部最优解,且同一气动参数多发弹的辨识结果有时差异较大。为提高弹丸气动参数辨识的准确性与合理性,提出一种同时 利用多发弹测量数据进行联合辨识的全局优化策略。该策略采用局部优化算法获得搜索空间,将弹丸飞行的稳定性条件作为约束条件,利用最小二乘准则构建准则函数,应用差分进化算法对多发弹数据同步全局寻优,从而获得唯一的全局最优解。以某大口径榴弹纸靶试验数据为例对所提方法进行了验证,结果表明：相比于现有的辨识策略,所提策略计算出的准则函数值更小,重构弹道结果与测量值更接近,且计算稳定性较好。     

基于混合粒子群优化算法的火箭弹内弹道优化设计

针对无控火箭弹的内弹道优化问题,以增加射程为目标,在发动机总冲恒定的约束条件下,分别建立了固体火箭发动机单室单推模式和单室双推模式的内弹道数学模型和优化模型,采用改进的混合粒子群优化算法,对固体火箭发动机的内弹道特性进行优化设计,求得了全局最优解。仿真结果表明,提出的混合粒子群优化算法具有较好的全局寻优能力和鲁棒性,是解决固体火箭发动机内弹道优化问题的有效方法; 设计的优化策略将某型122 mm无控火箭弹的最远射程提高了3.75%～4.45%,仿真结果对无控火箭弹的总体设计具有一定的理论指导意义。     

基于随机规划的火炮膛内发射性能不确定性优化

为了研究大口径火炮膛内发射性能的不确定性优化问题,编制了内弹道程序并嵌入ABAQUS有限元软件进行二次开发,构建了膛内发射动力学模型。综合考虑火炮内膛结构参数、弹丸结构参数与发射装药参数等不确定性因素,通过分布参数模拟其随机特性,利用BP神经网络建立了膛内发射动力学模型的代理模型。基于蒙特卡洛模拟得到不确定约束函数的概率分布,以内弹道性能指标构建概率约束函数,以起始扰动的均值与标准差构建不确定目标函数,建立膛内发射性能的随机不确定性优化模型。运用多目标遗传算法进行优化求解,获得了该问题的最优解与不确定参数的合理区间,证明了该方法的有效性。     

基于斯坦纳树的雷场网络大面积损坏修复策略

战场环境下预先设定的智能雷场网络易受到敌方攻击而导致大面积损坏,雷场网络被分割成数个互不相连的部分从而丧失了通讯功能。通过将问题映射到斯坦纳最小树问题,提出了一种新颖的雷场网络修复策略。首先采用雷场区域网格模型限制算法的搜索空间,随后引入蛙跳和离散量子粒子群混合优化(JF QDPSO)算法确定中续节点位置,修复受损网络。仿真实验表明该策略能够有效的恢复网络拓扑结构,算法计算较快,与其它算法相比,重建后的网络通信能耗小,网络生存周期长。     

基于Pareto遗传算法的无后坐炮内弹道多目标优化设计

针对某中口径无后坐炮研制中的内弹道设计问题,将多目标优化的Pareto遗传算法与无后坐炮经典内弹道数学模型相结合,以最大膛压和初速作为优化设计的目标,对药室容积和发射药药量进行了多目标优化设计,提出了一种基于Pareto遗传算法的无后坐炮内弹道多目标优化方法。优化结果表明:所采用的Pareto遗传算法与内弹道相结合是可行的; 利用Pareto遗传算法,所得数个内弹道目标优化解以Pareto前沿面的形式给出,设计人员可根据需要从中选择无后坐炮内弹道的最优设计方案。     

基于遗传算法的装备技术准备资源平衡

为解决装备技术准备流程中人力过载的问题,提出采用网络计划技术构建模型,利用遗传算法(genetic algorithm,GA)解决资源平衡问题的方法.通过分析网络计划中工序逻辑关系的特点,建立资源优化数学模型.在求解算法设计中,通过生成具有逻辑关系的初始种群来减少非法染色体的产生;针对资源平衡问题的特点设计惩罚策略,用于解决产生非法染色体的问题.实例结果表明:该方法能解决装备技术准备流程中存在的问题,具有很好的普适性.     

一种基于化学反应优化和粒子群优化的混合型优化算法

针对现有化学反应优化算法存在的不足,提出一种基于粒子群优化算法(particle swarm optimization,PSO) 和自适应化学反应优化算法(adaptive chemical reaction optimization,ACRO)相结合的混合算法(a hybrid optimization based on ACRO and PSO,ACRO-PSO)。在ACRO 算法的领域算子基础上,融入PSO 算法的全局算子,加入权重系 数控制本地搜索和全局搜索的比例,修改分解反应合化合反应出现的时机,利用化合反应输出最优解,采用标准测 试函数对ACRO-PSO 进行性能分析。仿真结果表明,ACRO-PSO 算法能高效地解决待优化问题。