基于改进NSGA-Ⅱ的载人潜水器多开孔耐压结构优化

为提高载人潜水器耐压结构性能和设计效率,开展优化模型和优化算法的改进研究。进行耐压结构有限元模型的网格无关性分析,利用iSight软件对ABAQUS软件进行集成实现耐压结构的参数化分析,进行设计变量的灵敏度分析和降维处理以降低问题分析难度。利用最优拉丁超立方方法进行样本点的选取,进行样本点的参数化分析。基于典型近似模型对样本点进行拟合,选择拟合精度最高、满足工程需要的近似模型作为耐压结构的替代模型,并建立耐压结构多目标优化模型。结合正态分布交叉算子对第二代非支配排序遗传算法（NSGA-Ⅱ）进行改进,得到NSGA-Ⅱ的改进算法INSGA-Ⅱ,以改善NSGA-Ⅱ局部收敛等问题,在利用测试函数进行INSGA-Ⅱ的有效性验证的基础上,利用INSGA-Ⅱ进行耐压结构多目标优化求解。研究结果表明：参数化分析方法和高精度近似模型可平衡计算精度和设计效率之间的矛盾,在测试对比中,INSGA-Ⅱ所得到的Pareto解集在贴近性、均匀性和收敛性等方面均优于NSGA-Ⅱ,INSGA-Ⅱ得到的耐压结构多目标优化方案较NSGA-Ⅱ更优。     

基于改进型多目标粒子群优化算法的武器-目标分配

在作战中武器-目标分配(WTA)问题包含众多的变量,是典型的非确定性多项式完全问题。针对毁伤效能最大和用弹量最少两个目标函数,建立了基于改进型多目标粒子群优化(MOPSO-Ⅱ)算法的WTA模型。由于粒子群优化算法存在“维数灾难”瓶颈,应用了变量随机分解策略和合作协同进化框架,按照带精英策略的非支配排序遗传(NSGA-Ⅱ)算法中的排序方法对粒子群编码数据进行非支配排序。通过实例仿真分析,结果表明MOPSO-Ⅱ算法比NSGA-Ⅱ算法具有更好的求解精度与运行效率,能够获得满意的分配结果,且计算快速有效,比较适合较大规模的WTA问题实时求解。在作战中武器-目标分配(WTA)问题包含众多的变量,是典型的非确定性多项式完全问题。针对毁伤效能最大和用弹量最少两个目标函数,建立了基于改进型多目标粒子群优化(MOPSO-Ⅱ)算法的WTA模型。由于粒子群优化算法存在“维数灾难”瓶颈,应用了变量随机分解策略和合作协同进化框架,按照带精英策略的非支配排序遗传(NSGA-Ⅱ)算法中的排序方法对粒子群编码数据进行非支配排序。通过实例仿真分析,结果表明MOPSO-Ⅱ算法比NSGA-Ⅱ算法具有更好的求解精度与运行效率,能够获得满意的分配结果,且计算快速有效,比较适合较大规模的WTA问题实时求解。     

基于改进非支配排序遗传算法身复合材料身管多目标优化

针对复合材料身管设计时多个性能指标设计要求，基于有限元模型和优化设计方法，建立了复合材料身管多目标优化模型，优化的目标为身管一阶固有频率和身管质量，复合材料各层缠绕角和缠绕厚度为优化设计变量，优化方法采用改进的非支配排序遗传算法（NSGA-Ⅱ）；通过优化求解，获得了复合材料身管的Pareto最优解集；优化算例表明，采用NSGA-Ⅱ获得的Pareto前沿面曲线分布均匀，其所对应的复合材料身管设计方案在刚度和重量方面均有改善。     

基于防御雷达监控的多无人机协同侦察优化模型

针对多无人机协同侦察路径优化问题,构建一种分步求解有防御雷达监控的多无人机协同侦察优化模型.通过聚类分析的方法对待侦察目标点进行目标群的划分,运用TSP算法求出目标群内各目标点之间的最优侦察路径并对无人机进行任务分配.根据相关约束条件,建立以无人机在敌方雷达监控范围内的滞留时间最短为目标的MMTSP 优化模型.运用蚁群算法对所建模型进行求解,并进行实例分析.分析结果表明:该模型和方法具有可行性和有效性,可为多无人机协同侦察提供参考.     

基于改进蚁群算法的多约束供应保障网络路径优化

针对网络优化领域中的多约束网络路径优化问题,以战时供应保障路径优化问题为研究对象,建立一种保障代价最小的路径优化模型。分析保障路径优化中存在多约束限制问题的特点,在基本蚁群算法的基础上引入蚂蚁相遇策略,融合了多约束条件对保障路径优化的影响,通过正、逆反馈同时作用,对信息素更新策略进行改进,并对搜索最优保障路径实例的仿真。仿真结果显示:改进蚁群算法平均执行时间较基本蚁群算法提高了40.1%,说明改进的蚁群算法能在更短的时间内找到最优解,而且在避免陷入局部最优解方面具有更好的效果。     

内弹道多目标优化算法对比分析

为保证在威力不变的情况下,尽可能降低内弹道过程的最大膛压,建立基于NSGA-Ⅱ、CMOPSO、NSGA-Ⅲ多目标内弹道优化算法,对其进行计算分析.以某无后坐发射系统为研究对象,选定设计变量与目标函数,对目标函数进行无量纲化,对内弹道进行多目标优化,并对比3种算法在内弹道优化过程中的优劣.结果表明:CMPSO算法具有最大的相对速度分布,NSGA-Ⅱ具有最大的相对压力跨度,而NSGA-Ⅲ具有最好的收敛性.     

基于多目标局部变异-自适应量子粒子群优化算法的复杂地形多传感器优化部署

对复杂地形下的多传感器部署问题进行研究,提出了基于多目标局部变异-自适应量子粒子群优化（LM-AQPSO）算法的多传感器多目标优化部署方法。该方法对复杂地形进行多属性网格建模,给出了传感器探测模型和优化目标。引进局部变异和参数自适应策略对量子粒子群优化算法进行改进,并提出了基于LM-AQPSO的多目标Pareto最优解集优化算法。考虑多目标部署需求,构建了基于Pareto最优解集的多传感器优化部署模型。仿真实验结果表明：相对于经典的改进非支配排序遗传算法,所提算法优化的Pareto最优解有着更好的收敛性和分布性,且寻优时间更短;所提模型能有效解决多目标多传感器部署问题,并能同时提供更多的决策方案。     

多管火箭炮定向管的多目标优化及多属性决策研究

针对某多管火箭炮(MRLS)复合材料定向管的结构设计指标,根据有限元分析方法和优化设计方法,以复合材料定向管的复合铺层厚度、铺层角度及定向管中定位部的位置为优化设计变量,定义定向管固有频率和定向管质量为优化目标,结合有限元数值计算结果,采用改进非支配排序遗传算法(NSGA-Ⅱ),建立了复合材料定向管的多目标优化模型。通过优化求解,得到帕雷托(Pareto)最优解,并由这些Pareto最优解构成决策矩阵,利用客观赋权的信息熵法计算各属性的权值,并运用逼近理想解的排序方法(TOPSIS)进行了多属性决策研究(MADM),对Pareto最优解作了排序。引入比刚度结构效能对比分析优化前后的定向管性能,表明对定向管的优化设计是有效的。     

基于E占优NSGA-2的测试优化选择方法

为解决测试不可靠条件下的测试选择问题,对测试不可靠条件下的测试优化选择问题进行研究.将该问题还原为多目标问题来分析,以虚警率、测试数量、测试成本为目标,以故障检测率、隔离率为约束条件建立了问题的数学模型.以贝叶斯网络测试性模型为基础,利用提出的E占优NSGA-2算法求解该问题.利用该方法对某装备开展测试优化选择设计,并与NSGA-2算法、HBPSOGA算法进行对比,验证了该方法的有效性与实用性.     

基于文化基因算法的多目标优化

针对粒子群算法收敛速度慢、求解精度低的不足,提出了将粒子群改进作为全局搜索,多目标模拟退火算法作为局部搜索的文化基因算法,将交叉和变异操作引入粒子群全局搜索中帮助跳出局部最优。对于多目标优化问题,根据非劣解的拥挤度决定最优值的选取策略,并将该算法用于多目标优化的实际求解中。仿真结果表明,该算法不仅能快速有效地得到Pareto解集,并且能有效地保持所求最优解的多样性。     

基于NSGA-Ⅲ算法的集群目标来袭火力分配建模与优化

火力分配建模与优化作为集群目标来袭防御任务规划的关键环节,对提高防御效果、保证任务完成质量具有重要意义。针对集群目标来袭防御策略呈现出由传统点对点饱和攻击向合理火力覆盖转变的基本趋势,建立以攻击效益最大、自身剩余价值最大、武器消耗最小为目标函数,以毁伤门限、武器资源总数和0-1整数约束为约束条件的集群目标火力分配模型;提出基于非支配排序遗传算法-Ⅲ（NSGA-Ⅲ）的集群目标来袭火力分配优化框架,给出具体的优化流程;面向想定的作战任务进行仿真实现,并通过收敛性指标和间距指标对NSGA-Ⅲ算法与第2代强度Pareto进化算法、NSGA-Ⅱ算法的性能进行对比分析。结果表明,NSGA-Ⅲ算法各项性能更优,能够更有效地解决集群目标来袭火力分配建模与优化问题。     

改进蚁群算法优化的密集装配路径规划

为提高密集装配工艺作业效率,针对其装配工艺建立数学模型,得到装配过程中的多目标路径规划问题。 根据轮盘赌原则对蚁群算法进行改进,克服了算法容易陷入局部最优解问题并对装配轨迹进行优化。结果表明：该 规划探索出密集装配工艺的最优路径,提高了装配工艺效率。     

基于自适应遗传算法的连续时空最优搜索路径规划研究

针对连续时空最优搜索者路径问题,利用随机微分方程描述Markov运动目标,建立了同时优化搜索者方向和速度的规划模型,并考虑了搜索速度对探测能力的影响。设计了一种新颖的自适应变异遗传算法,算法采用较高的变异概率作用于父代精英个体组,通过引入3种控制因子对变异方向和幅度进行自适应控制,动态调节局部搜索和全局搜索的平衡。在对方向未知的逃离目标搜索算例中,得到了近似对数螺旋曲线的搜索路径;在直升机搜索多目标的路径规划中,提供了合理有效的搜索方案。算法对比表明所给出的算法在全局优化能力和稳定性上有明显的优势,适用于求解连续搜索路径规划问题。     

基于协同进化算法的多舰扩方应召反潜搜索方法

反潜作战是现代海战中水面舰艇的主要作战任务之一,对潜搜索行动是水面舰艇反潜作战的重要组成部分,是实施对潜攻击的前提和保证.针对目前常规多舰扩方搜索方法存在搜索效率低、协同能力弱的问题,对现有的2种多舰扩方搜索样式进行协同路径优化.根据舰艇声呐搜索原理以及实际反潜战术的应用,以在固定搜索时长内使得搜索效能最大为目标,建立了2种搜索样式最优协同路径问题的数学规划模型,给出了运用改进的协同进化算法规划多艘舰艇搜索路径的具体求解过程,并通过仿真实验得到不同搜索样式下的多舰协同最优搜索路径.结果表明:该方法具有搜索范围大、搜索效率高的特点,相比常规方法具有较大优势,适用于解决多舰扩方反潜搜索路径规划问题.     

基于交叉效率排序多目标进化算法的备件供应优化

为了对备件供应网络进行优化并制定最优供应方案,以缩短总供应时间、减少供应成本和降低中断风险为目标,以备件满足度、库存容量等为约束建立了多目标优化模型。基于交叉效率排序多目标进化算法求得模型的非支配解集,同时决策出最优解。优化过程中采用改进数据包络分析计算各最优解的二次目标交叉效率,指导算法朝最优效率个体收敛,对求得的非支配解进行排序从而选择出最优方案。算例表明：通过交叉效率排序多目标进化算法优化得到了13个互不支配的备件供应方案,且确定了交叉效率为0.927 8的方案为最优方案;新算法优于未采用排序和采用自评效率排序的多目标进化算法。     

目标多个最优解的GA求解法及其运用

在寻求目标多个最优解的算法的基础上，提出了一种新的寻求目标多个最优解的GA求解法。通过分析组合优化问题的特点，对原来的小生境半径的自动确定方法进行改进，最后得出了一种新的方法。将此方法运用于防空群作战目标分配，通过仿真结果表明该算法操作简便，计算更快。     

有限混合泊松分布参数优化的改进EM算法

为解决 EM 算法易于陷入局部最优的问题,提出一种有限混合泊松分布参数优化的改进 EM 算法。建立混合泊松分布模型,利用 EM 算法求解模型中的参数向量,并结合算例指出该算法对初值敏感的缺陷,引入智能优化算法对算例进行改进。分析结果表明：使用优化算法后,对数似然度的增大十分明显,增加了求得最优解的概率。     

增强型电磁轨道发射器重要参数分析及优化

为研究增强型电磁轨道发射器性能参数的影响并且预测发射器性能,建立了基于脉冲电源仿真模型、磁扩散方程有限元模型和运动学方程的增强型电磁轨道发射器计算模型。分析了轨道参数、电气参数和载荷质量对发射器出口动能和系统效率的影响;同时考虑出口动能和系统效率作为双目标,通过NSGA-Ⅱ优化算法对发射器的重要参数进行优化。结果表明:轨道长度、电容值和载荷质量对性能指标的影响是非单调的。优化模型能够有效求解增强型电磁轨道发射器重要参数的Pareto最优解集,为增强型电磁轨道发射器的优化设计提供理论依据和技术支持。     

求解直觉模糊多目标规划的改进遗传算法

针对多目标规划获取的参数模糊,求解算法容易早熟收敛和陷入局部最优的问题,提出了求解直觉模糊多目标规划的改进遗传算法。该算法通过定义多目标规划的非隶属度,调节λ参数控制方案选择,执行模拟退火拉马克学习,增强局部搜索能力,指导个体寻找最优值。仿真分析表明,该算法可以灵活地产生多种方案,有效克服早熟收敛和陷入局部最优的问题。     

战时通信装备备件配送模型

针对战时通信装备备件抢修,建立了带硬时间窗的战时通信装备备件多目标优化配送数学模型,并用蚁群算法对问题进行了求解。算法设计中,为解决模型求解中蚁群算法存在早熟、收敛性差等问题,引入伪随机规则调整状态转移概率;利用时变函数更新信息素强度。实验结果表明,该算法能得到较好的全局最优解,验证了模型的有效性。