基于数值求解的远程交会路径规划优化研究

研究航天器多脉冲远程交会路径规划问题,由于航天器在变轨过程中,应减少发动机燃料的消耗,有利于增加有效载荷.因此,在多冲量变轨问题描述的基础上,通过选择优化变量建立了无摄动的燃料最优和考虑摄动的燃料最优变轨优化模型,利用遗传算法、序列二次规划及GA+SQP串行混合优化算法进行优化求解,进行了数值仿真.通过仿真实现了不同脉冲次数的远程交会路径规划,并对比分析了摄动的燃料最优变轨优化模型,提出了相应的串行优化策略,通过算例对所提出的算法进行了仿真验证,实现了航天器路径规划数值优化求解的目的,可为多脉冲远程交会提供参考.     

采用双模飞行的粒子群优化算法

基于对现实中鸟群飞行方式的模拟,提出一种采用双模飞行的粒子群优化算法.该算法中的粒子在搜索过程中可使用变轨和不变轨两种飞行模式,并根据群体信息反馈和自身状态选择自己的飞行模式.文中选取典型的高维复杂优化问题作为算法优化性能测试.实验表明该算法的全局搜索能力有较大提高,能有效避免早熟收敛问题,可用于求解高维的复杂优化问题.     

分布估计算法在航天器近距离最优交会中的应用

针对空间在轨服务飞行器实施近距离变轨最优化问题,探讨了在能量和时间两项指标情况下,航天器轨道机动中能量时间综合最优化的研究方法。基于C-W方程,推导了在轨服务器在双冲量变轨时的特征速度,以时间-燃料为指标构造了相应的模型,并针对基本遗传算法局部搜索能力不强的问题,采用一种新的利用统计学习手段从群体宏观角度建立描述解分布的分布估计算法。仿真结果表明,该分布估计算法可加速算法的收敛,具有良好的优化能力,能够从宏观上对整个群体建立模型,得到了混合指标下时间和能量关系,实现近距离变轨最优指标的精确数值模拟。从数值结果的对比分析中得出了一些有意义的结论,可供下一步研究参考。     

混合蚁群算法和遗传算法在特征选择和参数优化问题中的运用

机器学习的性能受特征选择和参数优化的影响很大，针对这一问题，采用基于蚁群算法和遗传算法的混合算法对特征选择和参数优化问题进行了探究。实验结果表明，该混合算法相比单个的蚁群算法或遗传算法，在特征选择和参数优化方面，具有更高的准确率。     

基于离散微粒群优化算法的SVM参数选择

支持向量机（SVM）的学习性能和泛化能力主要取决于参数选择，然而传统的优化算法难以解决此问题。文中通过支持向量的个数建立优化目标函数，采用微粒群优化（PSO）算法对其优化，寻找最优参数。PSO是一种新兴的基于群体智慧的进化算法。实验表明，微粒群优化算法是支持向量机参数选择的有效方法。     

嫦娥一号卫星的地月转移变轨控制

文章阐述了嫦娥一号卫星地月转移阶段（从星箭分离到进入使命轨道）的高可靠、高精度自主变轨控制方案,介绍了飞行轨道、轨控策略及控制参数优化、星上自主变轨控制的系统设计和相关参数的地面标定等,给出了在轨飞行试验的验证结果。     

采用混合遗传算法的有限推力轨道拦截优化

在轨道拦截问题中,研究了天基动能拦截器(KKV)的有限推力轨道拦截优化问题.针对在有限推力条件下,确定速度增益变轨方案,提出建立了轨道拦截优化数学模型,并将复形调优算法加入到遗传算法中,利用该混合遗传算法,以发动机燃料消耗质量最小、拦截时间最短和拦截脱靶量最小为综合优化指标,对轨道拦截进行了优化.以太阳同步轨道上的天基KKV拦截GPS卫星轨道上的目标点为例,分析了混合遗传算法用于轨道拦截优化的性能进行了仿真.仿真结果表明,混合遗传算法能有效解决轨道拦截这一复杂非线性多目标优化问题,同时增强了局部搜索能力,提高了计算效率.     

有限计算量下模拟退火算法的参数序优化

针对模拟退火算法作为一类全局随机搜索算法，其理论收敛条件难以严格实现，有限计算量下的算法性能在实际应用时对参数有严重的依赖性，并且确定合适参数的经验或试验方法缺少系统性等问题，提出将有限计算量下模拟退火的最优参数确定问题视为随机优化问题，并基于序优化和最优计算量分配技术研究出一种确定最优参数组合的系统性方法．典型调度问题的仿真结果验证了该方法的可行性和有效性．     

基于改进和声算法的直流电机PID参数优化

直流电动机PID参数优化，是电机控制中的重要优化问题。智能优化算法相较于人工调参有明显的优势。和声搜索算法结构简单，可调参数少，已成熟运用于多种参数优化问题，但其寻优精度较低，且容易陷入局部最优。文章使用Tent混沌映射初始化和声库，设置全局自适应的和声参数，在搜索过程中加入麻雀搜索策略进行协同搜索，并将麻雀种群库与和声库进行信息交互，提出一种自适应混沌麻雀和声搜索算法（adaptive chaotic sparrow harmony search,ACSHS）。通过仿真实验证实ACSHS算法在收敛速度和寻优精度上比几种优秀的PID参数优化算法更为有效。     

采用机动飞行的蝙蝠算法

针对基本蝙蝠算法存在着易陷入局部最优、后期收敛速度慢等问题,提出了采用机动飞行的蝙蝠优化算法.该算法中每只蝙蝠根据其当前在群体中位置的优劣情况选择不同的飞行模式,处于较优位置的蝙蝠选择机动飞行模式,随机变轨逐步向群体最优位置靠近捕获猎物;而处于较差位置的蝙蝠选择非机动飞行方式,随机移动捕获猎物.为表明所提出算法的有效性和正确性,通过九个典型的基准函数优化实验测试,实验结果表明,该算法具有较好的优化精度和较好的全局搜索能力.     

改进的粒子群优化算法对断路器储能弹簧的优化设计

针对断路器储能弹簧传统经验试算的设计方法易导致弹簧结构参数不合理、断路器的体积大及分断性能差的问题，应用一种结合鲶鱼效应改进的云粒子群优化算法对断路器的储能弹簧参数进行优化设计。首先，根据储能弹簧的工作原理，推导储能弹簧的数学优化设计模型以及弹簧参数设计的约束条件；然后，根据优化模型对算法进行改进，在传统粒子群优化算法的基础上，引入鲶鱼效应策略产生多样候选解，避免算法陷入局部最优值，并结合云模型适时调整寻优速度权重因子，以加快算法的收敛和提高全局搜索能力；最后，采用改进算法对断路器的储能弹簧优化模型进行仿真及相应的弹簧参数计算。实验结果表明，可以应用改进的粒子群优化算法对断路器储能弹簧进行优化设计，设计结果更加小型化、分断性能更优。     

基于量子粒子群优化SVM算法的水质预测研究

水质分类受多个特征属性影响。采用支持向量机（Support Vector Machine, SVM）方法研究水质预测问题。对特征属性过多导致SVM的分类精度下降的问题，采用主成分分析算法进行特征降维。针对SVM中的多参数优化问题，采用量子粒子群优化算法对SVM参数（核函数、惩罚因子）进行寻优。提出了一种基于主成分分析和量子粒子群优化的SVM算法。实验结果表明，该方法能够快速提取出最优参数组合，其泛化性能较高。     

用粒子群优化算法重构超二次曲面三维模型

针对在三维重构过程中用L—M（Levenberg—Marquardt）方法求解超二次曲面参数拟合问题的不足，提出了用粒子群优化算法来进行超二次曲面参数拟合的新方法．本文详细阐述了超二次曲面的三维表示特性，L—M算法拟合超二次曲面参数模型的分析，以及用粒子群优化算法拟合超二次曲面参数模型的原理、实现方法和实验结果．用粒子群优化算法对超二次曲面进行参数拟合，克服了L—M方法的缺陷，取了满意的效果．     

基于NSGA-II 算法的上面级转移轨道中途修正时机优化

设计了一种基于NSGA—Ⅱ的中途修正时机优化算法．基于上面级运动方程和Lambert远程变轨,通过算例验证了中途修正的必要性,确定了修正策略．引入NSGA—Ⅱ算法,对中途修正的目标函数进行优化,得到了修正时刻的最优解集．结果表明,该算法得到的修正时机优化Pareto最优解集完整且分布均匀,中途修正效果很好．     

蚁群算法参数优化

针对蚁群算法运行参数选取问题,提出一种利用粒子群优化算法对蚁群算法的运行参数进行优化选择的方法。将蚁群算法的运行参数作为粒子群的位置信息,在算法迭代过程中使用粒子的当前位置作为算法参数,运行蚁群算法求解标准优化问题,设计适应值评价函数对求解性能做出评价,引导粒子向着适应值高的方向趋近。仿真结果表明,该算法能够方便有效地实现对蚁群算法运行参数的优化选取。     

基于随机森林算法的机械加工工艺参数优化研究

针对机械加工工艺参数频繁调整、参数不精确进而影响加工质量的问题，提出了一种基于随机森林算法的机械加工工艺参数优化方法。根据铣削量、铣削深度、铣削速度等要素，创建出机械加工工艺参数优化的目标函数，以铣削最短总时间为目标，构建了具体的参数优化模型。VTest仿真表明，与基于粒子群算法的加工工艺调整方法相比，随机森林算法对机械加工工艺参数选择的精确性与稳定性均具有显著优势，对推动精密零部件机械加工工艺的发展具有积极意义。     

遗传算法在钟表机芯设计中的应用

在钟表机芯设计中，齿轮参数的优化设计是一个组合优化问题，很难用传统优化方法解决.遗传算法是一种基于生物进化原理的启发式搜索方法，近年来，它成功地解决了许多计算难题.使用该算法的难点是如何将具体问题映射成适于该算法的编码以及根据编码进行各种操作.该文对传动系统各齿轮参数序号进行编码，成功地解决了齿轮参数的优化设计问题，也为一般机械设计中传动系统参数的优化提供了经验.通过比较，利用遗传算法得出的参数比用专家系统得出的参数更优.     

非线性整数规划的粒子群优化算法

提出了一种新的粒子群优化算法来求解无约束的整数规划问题，粒子在[0，1]空间内运动，并与整数空间对应。对粒子群优化算法参数的合理选取进行了实验分析，给出了算法参数选取的基本原则。数值试验计算结果表明该方法比较有效，并具有通用性。     

布局问题的模拟退火算法

布局问题属于ＮＰ－完全问题已被研究多年，模拟退火法是一种新的通用启发式优化算法，现已广泛用于解决大规模集成电路逻辑布线设计、图象处理等组成优化问题，本语文通过对布局问题及模拟退火算法的分析，将它们综合起来构成了求解布局问题的模拟退火算法，计算结果表明，本文算法得到的解优于传统优化方法所得到的解；本文还通过实验对算法中各参数所起作用进行了论述。     

基于粒子群优化算法的约束布局优化

布局优化是NP难问题，也是复杂的非线性约束优化问题．针对这个问题，将新的基于粒子群优化的方法应用于布局参数的优化，提出了适合粒子群优化的约束处理，并通过与直接搜索算法的混合，加强了算法在局部区域的搜索能力．通过实例将该算法与乘子法以及基于遗传算法的布局优化方法进行了比较．仿真结果表明，该算法可以提高布局优化问题解的质量，同时降低计算费用．