地基运载火箭交会空间目标弹道快速优化设计

针对地基拦截器与空间目标交会这一复杂非线性优化问题,研究了基于改进粒子群算法的弹道快速优化设计方法.根据拦截交会弹道特点,设计了飞行程序优化模型,融合粒子群搜索的随机性和递进搜索的高效性,构建了适用于拦截交会弹道设计这类复杂非线性优化问题的改进粒子群算法.采用该改进粒子群算法进行拦截交会弹道仿真,结果表明,该改进粒子群算法计算精度较高,优化耗时较少,能够实现拦截交会弹道的快速优化设计.     

无线传感器网络节点定位的混沌粒子群优化算法

针对粒子群优化算法收敛速度慢且稳定度不高的问题,把混沌寻优思想引入到粒子群优化算法中,提出一种基于混沌粒子群优化算法的无线传感器网络节点定位算法。该算法首先对当前粒子群中的最优粒子进行混沌寻优,然后用混沌寻优的结果随机替换粒子群体中的一个粒子,通过迭代搜索最佳坐标。仿真结果表明,在参数合理设置的前提下,该算法性能稳定,并且具有较快的定位速度和较高的定位精度。     

基于技术成熟度和二进制粒子群优化算法的装备测试设计优化方法研究

针对复杂装备测试性设计过程中测试设计优化问题,在分析现有优化方法的基础上,提出了一种基于技术成熟度评价( TRA)方法和二进制粒子群优化(BPSO)算法的测试设计优化方法.该方法根据装备测试设计的技术成熟度分析结果建立目标优化模型,然后应用二进制粒子群算法对模型进行求解,得到的结果直接用于装备的测试性设计工作.由于考虑...     

Memetic算法在无人机侦察航路规划中的应用

为解决无人机侦察航路规划问题,采用文化基因算法(memetic algorithm,MA)进行求解。以粒子群优化算法作为主搜索策略,采用基于模拟退火的加权法对非劣解进行局部搜索。目标函数综合分析了战术效果、航程、安全性、飞行时间等指标要求,并从环境和无人机自身分析航路规划约束条件。最后对算法性能进行了测试,实验结果表明该文化基因算法比单独使用粒子群优化算法具有更高规划效率,得到的初始侦察航路较优。     

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。     

一种新的混合聚类算法

针对模糊C均值算法与粒子群算法的不足,提出了一种基于粒子群算法和模糊C-均值算法的混合聚类算法.该算法将全局搜索和局部搜索有机结合,采用两阶段的聚类分析方法,解决了FCM算法易于陷入局部最优和PSO算法局部搜索较弱的问题.实验结果表明,该算法具有较好的有效性,增强了全局收敛能力,减小了分类错误率.     

基于粒子群遗传算法的三轴磁通门误差校正

针对目前磁通门磁力仪误差校正方法中存在的校正精度不高和受初始参数影响较大的问题,提出一种基于粒子群遗传算法的磁通门误差校正方法。该方法首先在分析误差产生机理的基础上建立了误差校正模型,随后利用粒子群遗传算法来求解校正参数,该算法通过对粒子群中的适应度较差的粒子进行交叉、变异操作来增加算法的全局最优搜索能力。仿真实验结果表明,与传统的粒子群优化算法相比,基于粒子群遗传算法的误差校正能快速地收敛,且具有较强的全局最优搜索能力,可以实现对磁通门磁力仪的高精度校正。     

一种改进粒子群算法优化BP神经网络实现核素识别方法

为获得全局最优点,提出一种改进粒子群算法优化BP神经网络实现核素识别方法.该算法用一种动态改变惯性权重与学习因子的自适应方法,优化BP神经网络的阈值与权值,通过训练BP神经网络识别模型得到粒子群的全局最优解,利用最优权值与阈值实现核素识别.分析结果表明:该方法不仅能更快地收敛于最优解,同时能更好地平衡全局搜索和局部搜索能力,有效地改善算法的收敛速度和识别精度.     

基于IBPSO 的模拟电路故障特征提取方法

针对有效采样点法提取故障特征时冗余信息多、易造成维数灾等问题,提出利用改进的二进制粒子群算法提取故障特征。研究粒子群优化算法和二进制粒子群优化算法的差异以及在故障特征提取方面存在的不足,通过改进群体极值的更新方式避免搜索结果陷入局部最优。以Sallen-Key带通滤波器为诊断实例,完成9类模拟电路故障模式的特征提取。结果表明:通过该方法进行特征提取可有效降低故障诊断模型的复杂性,与二进制粒子群优化算法相比,该方法在特征维度和诊断准确率上具有明显的优势。     

基于混合离散粒子群算法的多无人作战飞机协同目标分配

针对多无人作战飞机(UCAV)协同目标分配问题,提出了一种基于混合离散粒子群算法的多UCAV协同目标分配方法。混合离散粒子群算法根据多UCAV协同目标分配问题的特点,设计了新的粒子群位置和速度更新公式,并且充分利用粒子群优化算法的全局搜索能力,同时利用禁忌搜索的局部搜索能力,使2种算法的优势得到互补,较为显著地提升了原算法的性能。仿真结果表明:混合离散粒子群算法能够有效地解决多约束条件下多UCAV协同目标分配问题,并且算法简单、灵活,易于实现和扩展。     

基于简便约束粒子群优化算法的空空导弹μ-PID控制器设计

针对现有约束粒子群优化(PSO)算法存在的算法复杂、应用范围受限、优化效果不佳等缺陷,提出一种新型约束粒子群算法。该算法采用目标函数替换的方法将约束优化问题转化为非约束优化问题,具有简便易用的优点。通过典型测试函数测试并和其他具有代表性的约束PSO算法进行对比,表明该算法在处理约束优化问题上的优越性。为了验证该算法应用于工程的可行性,以样例导弹纵向模型为对象,针对经典Raytheon控制结构,采用该算法设计了μ-PID控制器。仿真结果表明,样例导弹控制器可以在满足多种时域指标的同时具有良好的鲁棒性能,达到了设计指标要求,验证了所提出算法的有效性。     

不可靠测试条件下基于多目标粒子群的测试优化选择方法

针对测试条件下多目标优化的问题,提出一种在不可靠测试条件下的测试优化选择方法.通过对测试优化选择过程进行分析,建立多目标优化的数学模型,利用最大似然估计法得到故障测试样本参数信息,采用E占优多目标粒子群算法选取最优解,并通过某导弹雷达组件实例验证了算法的有效性与可用性.结果表明:该方案可在兼顾所有因素的同时,着重关注漏检率因素.     

基于粒子群算法的移动机器人路径规划

基于粒子群算法的移动机器人路径规划,通过建立目标函数、变换坐标等对环境建模,再引入粒子群优化算法,得到全局最优路径.MATLAB仿真结果显示,此方法可有效地解决空间作业机器人路径规划及避障问题.与传统遗传算法比,该法建模容易,计算快捷,可以在不同的障碍物环境下得到不同的优化轨迹,     

基于优先排序与粒子群优化的装备保障任务规划方法

针对装备保障任务规划过程中保障资源占用冲突及保障任务逻辑关系约束的实际问题,构建基于任务优先排序的解空间模型,并进一步提出基于优先排序与改进粒子群优化的装备保障任务规划方法。该方法将分解后的保障任务按照其重要性和逻辑顺序进行优先排序,并根据排序结果对粒子群优化算法得到的任务与资源匹配解空间进行调整,以解决资源占用冲突和逻辑顺序问题。为保证每次迭代后的粒子为可行解,提出不可行粒子的多维异步处理机制,提高了粒子群优化算法的搜索效率。通过实例应用仿真分析,验证了该方法在装备保障任务规划中的有效性和优越性。     

基于整数域改进粒子群优化算法的多平台武器目标分配

武器一目标分配( WTA)问题是军事运筹学中经典的NP完全问题,其模型为非线性整数规划模型,包含多种约束条件,求解复杂、收敛速度慢,采用改进粒子群优化( PSO)算法求解WTA问题.在建立WTA最优化分配模型的基础上,提出了一种针对多约束WTA问题的粒子编码方案及模型的适应度函数,解决了粒子的整数域初始化问题.采用粒子...     

基于改进序列二次规划的非线性控制分配

针对多操纵面飞机舵面偏转角与力矩系数之间的非线性问题,提出一种改进粒子群算法(particle swarm optimization,PSO)和序列二次规划算法(sequential quadratic programming,SQP)相结合的方法来解决非线性控制分 配问题。以飞翼模型为对象,对模型舵效进行分析,在舵效非线性的情况下,采用拟合函数的方法来表示舵效的非 线性;对粒子群算法进行改进,采用拟牛顿法及线搜索方法对序列二次规划方法进行改进,并对改进后算法的拟合 效果进行比较;在线性舵效与非线性舵效下进行仿真对比,验证了算法的有效性。仿真结果表明：该算法能提高粒 子群算法的全局搜索能力,保证分配的准确性。     

基于遗传算法的导弹集群多任务分配优化问题

针对导弹集群协同作战的任务分配问题,提出了一种基于遗传算法的任务分配方法,提高了多任务组合优化问题的搜索能力.该方法采用一种任务组合编码的新方法,实现在整个解空间上寻找到最优组合问题的全局最优解或次优解.实验结果表明,本文方法能有效地解决导弹集群的任务分配问题,获得令人满意的实验结果.     

基于粒子群优化极限学习机的雷达识别方法

针对相控阵雷达识别的问题,提出一种基于粒子群优化极限学习机(PSO-KELM)的识别方法.在核函数极限学习机(kernel extreme learning machine,KELM)的基础上,引入粒子群优化算法(particle swarm optimization,PSO),求得核函数参数最优解,提高相控阵雷达识别准确率.通过构建雷达数据库,使用粒子群优化极限学习机的方法对不同噪声情况下的雷达数据进行识别,并与核函数极限学习机、核函数支持向量机(kernel support vector machine,KSVM)和半监督式迁移学习(semi-supervised and transfer learning,SSTL)的方法进行对比.仿真结果表明:在不同雷达种类和不同噪声情况下,该方法识别准确率均高于其他方法.     

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。