基于差分进化算法的飞行器航迹规划

提出了一种基于差分进化算法的高超声速飞行器航迹规划方法并进行了仿真验证。建立威胁模型,将威胁模型投影到赤道平面内,利用一个有限项的多项式函数来逼近实际航迹在赤道平面内的投影,使航迹规划问题简化为在一个多项式系数空间中的搜索寻优问题。利用差分进化算法,鉴于高超声速飞行器特点,规划得到赤道平面内的航迹,根据对应关系,最后得到实际航迹。仿真结果表明,生成的航迹自动避开了威胁。     

基于遗传模拟退火算法的低空飞行器航迹规划

针对低空飞行器三维航迹规划问题提出了一种将遗传算法和模拟退火相结合的方法,通过把高程数据和各种威胁以及飞行器性能约束相结合建立起约束条件模型.根据飞行器机动性能和低空突防的特点,设计了有效的遗传算子,并使用模拟退火算法能较好地接近全局最优解的优点,抑制了遗传算法的早熟现象.结果表明该算法具有良好的适应性,能满足地形跟随--威胁回避的突防要求.     

基于有向图的动态最优航迹规划算法

地形跟随/地形回避(TF/TA)航迹规划是低空突防系统的关键技术之一.通常所使用的动态规划算法得到的规划航迹有时达不到目标点.针对此问题,提出一种最优航迹规划的改进动态规划算法,通过对数字地图进行网格划分并建立有向图的方法改进动态规划算法,使最优航迹能有效地回避障碍和威胁.仿真结果表明,所提出的航迹规划算法是有效的.     

基于差分进化算法的改进遗传算法的UUV路径规划

针对水下无人航行器在三维环境中的全局路径规划问题,从优化初始种群和提高收敛精确度寻得最优路径的角度改进遗传算法,并对遗传算法和差分进化算法的融合进行了研究。采用精英反向学习的方式筛选初始种群,寻得较优初始种群并融合差分进化算法思想改进遗传算法,提升了算法的全局搜索能力。结果表明,改进算法的初期收敛速度较快,规划的曲线能够降低UUV能耗,在一定程度上改善了陷入局部最优解的情况。     

基于滑模控制的改进差分进化算法

针对机器人轨迹规划问题,提出了一种基于滑模控制的改进差分进化（IDE）算法.以运行时间和能量损耗为目标函数.利用种群中最好个体和平均水平个体的差分引导变异方向,利用种群中最好个体替换最差个体,加快收敛速度.取消变异因子和交叉因子,降低人工干预,增强了模型稳定性.利用保形分段三次Hermite插值代替三次样条插值,防止拟合过冲,降低了抖振.基于给出的状态空间方程,设计了滑模控制律,通过李亚普诺夫函数方法证明了系统的稳定性.仿真实验和结果分析表明,改进的算法有较强的搜索能力,加快了收敛速度,降低了运动轨迹的抖振.     

一种改进的约束优化差分进化算法

提出一种改进的差分进化算法用于求解约束优化问题.该算法在处理约束时不引入惩罚因子,使约束处理问题简单化.利用佳点集方法初始化个体以维持种群的多样性.结合差分进化算法两种不同变异策略的特点,对可行个体与不可行个体分别采用DE/best/1变异策略和DE/rand/1策略,以提高算法的全局收敛性能和收敛速率.用几个标准的Benchmark问题进行了测试,实验结果表明该算法是一种求解约束优化问题的有效方法.     

基于Oracle罚方法的混合约束差分进化算法

为有效求解复杂约束优化问题,提出了一种基于Oracle的混合约束差分进化算法OBHSaDE.在OBHSaDE算法中,首先对Oracle罚方法进行了改进,并符合约束优化问题的求解要求.利用改进后的Oracle罚方法来快速找到问题的可行域,借助无约束优化算法SaDE能对可行域进行有效搜索,利用序列二次规划的超线性的收敛速度来减少评估次数和提高解的质量.仿真结果表明,改进算法不仅减少了评估次数、提高了解的质量,且具有很好的鲁棒性,还具有较少的用户参数,提高了算法的实用性.OBHSaDE是求解约束优化问题的一种具有竞争力的新方法.     

结合机械设计约束处理的差分进化算法

在机械设计当中,因为非线性问题广泛的存在于材料性能设计、零件几何结构设计、尺寸设计以及传动干涉等机械设计当中,需要进行机械设计的最优化设计方案的选择。在机械的优化设计当中,有很多的设计方法被广泛的应用,但无论是那种设计方法,对于约束处理的优化设计则是影响整个优化设计的成功与否的关键所在。本文将结合机械设计中运用差分进化算法来处理约束处理问题进行研究。     

改进差分进化算法求解整数任务分配

针对0-1任务规划模型存在维数灾维的问题,提出了一种基于改进差分进化算法的整数任务分配算法。将任务分配的0-1规划模型转化整数规划模型,不仅大幅降低了优化变量的维数,还减小了整式约束条件;将差分进化算法常用的变异算子DE/rand/1/bin和DE/best/2/bin结合起来组成新的变异算子,使得DE既保持了种群的多样性,又有较快的收敛速度和搜索精度,并用改进的差分进化算法求解整数规划;通过典型的任务分配实例验证了该算法在优化大规模任务分配的有效性和快速性。     

基于改进差分进化算法求解连续矩阵问题

矩阵分析在控制中可以对系统的稳定性和控制观测性能进行改善。传统的约旦递推法和Kronocker积算法是基于大量的数值分析、矩阵转换的基础上进行的,过程繁冗,求解效率低;在工具箱求解的基础上提出改进的差分进化算法,并加入边界约束对典型的若干连续矩阵求解,启发式的特点引导搜索的智能进行同时对违约变量进行处理,简化了求解过程,提高了求解精度。通过对矩阵方程的仿真结果对比,证明了该智能算法为矩阵状态参数估计提供了新的解决途径。     

An improved constrained differential evolution algorithm for unmanned aerial vehicle global route planning

This paper formulates the global route planning problem for the unmanned aerial vehicles (UAVs) as a constrained optimization problem in the three-dimensional environment and proposes an improved constrained differential evolution (DE) algorithm to generate an optimal feasible route. The flight route is designed to have a short length and a low flight altitude. The multiple constraints based on the realistic scenarios are taken into account, including maximum turning angle, maximum climbing/gliding slope, terrain, forbidden flying areas, map and threat area constraints. The proposed DE-based route planning algorithm combines the standard DE with the level comparison method and an improved strategy is proposed to control the satisfactory level. To show the high performance of the proposed method, we compare the proposed algorithm with six existing constrained optimization algorithms and five penalty function based methods. Numerical experiments in two test cases are carried out. Our proposed algorithm demonstrates a good performance in terms of the solution quality, robustness, and the constraint-handling ability.     

一种基于JADE改进的差分演化算法

差分演化算法有局部搜索能力不足、容易跌入局部最优等缺点,其搜索性能主要依赖于对杂交概率和缩放因子的设置。为了改善上述缺陷,对带归档的自适应差分演化算法JADE进行深入的研究与分析,提出了改进的自适应差分演化算法ZJADE。该算法采用斜帐篷混沌映射函数初始化种群,在每次迭代中为每个个体分别产生满足正态分布、柯西分布的杂交概率和满足正态分布的缩放因子,并且记录成功变异个体的杂交概率和缩放因子,引入统计杂交概率,采用两种策略自适应地更新杂交概率。在13个经典测试函数上将ZJADE算法与多种经典自适应差分演化算法进行对比,实验结果表明,ZJADE算法在解的精度与收敛速度上更优,具有更好的搜索性能。     

基于改进蚁群算法的最优加工工艺路线规划

定义了加工特征、加工链以及加工单元的基本概念。利用执行成本加权求和计算加工单元之间的广义欧式距离。通过对信息素浓度的更新由实时更新改进为循环后更新,使新的蚁群算法不仅简化了计算复杂性,而且增强了最优工艺路线规划的客观性。根据机加工之间具体的约束方式以及蚂蚁选择节点方式规定寻径过程中的tuba表。建立了基于改进蚁群算法的最优加工工艺路线规划算法流程。     

改进蚁群算法的机器人焊接路径规划

利用改进蚁群算法,引入最大最小蚂蚁系统和局部搜索策略,避免蚁群算法出现早熟、停滞问题,并提高了算法的求解速度和精度,实现了合理规划白车身机器人焊接路径和提高焊接机器人的工作效率的目的.设计了白车身机器人焊点规划程序,并将其应用到白车身底板某工位,从仿真结果表明:将改进蚁群算法应用到白车身机器人焊接路径规划中,验证了算法的有效性和可行性.     

基于改进A*算法的三维航迹规划技术研究

A*算法在实现节点搜索时执行的是大空间搜索,该方式在三维空间中对时间和内存的消耗都较大。结合无人机的机动性能限制以及飞行任务来改进A*算法,可以达到缩小搜索空间的目的,同时对open表的管理进行改进,以减少扩展节点排序所花时间,从而整体缩短规划所需时间。通过此种方式规划出来的航迹能够最大程度地满足无人机的机动性能要求,仿真结果表明,此种方式计算速度快且能保证性能接近最优。     

改进蚁群算法在旅游路线规划中的应用研究

在研究了基本蚁群算法后提出了偶遇算法,提高了蚁群算法蚂蚁一次周游的质量。针对旅游路线规划的问题,改进了路径的求法,使蚁群算法可以实现动态规划,从而实现旅游景区的负载均衡。提出一种基于改进蚁群算法的旅游路线规划问题求解的有效方法。实验结果表明该方法具有较好的有效性和实用性。     

基于改进差分进化的车辆路径优化算法

差分进化算法是一种具有记忆个体最优解和种群内部信息共享的特点的新型进化算法,本质上可看做是一种基于实数编码的、具有保优思想的贪婪遗传算法。针对具有NP难的车辆路径优化问题,提出了一种改进的差分进化算法。利用贪心算法产生初始种群,定义合法化修复变异个体的方法,采用改进的顺序交叉,并在变异操作之后,加入新的选择机制。使用Matlab进行了算法的实现,实验结果表明了改进DE算法能够高效地解决VRP问题。     

求解多处理器任务调度问题的改进差分进化算法

针对多处理器系统任务调度复杂问题, 在自适应差分进化算法基础上增加惯性速度分项, 提出一种称为惯性速度差分进化(IVDE) 的改进算法, 以避免陷入局部最优解. 结合启发式任务列表, 对算法的状态编码提出了处理器列表(PL)、部分偏序任务列表(PTL) 和全部任务列表(CTL) 等3 种形式. 通过求解随机生成的任务调度标准图和真实求解任务问题, 进行了数值仿真验证, 其中PTL-IVDE 算法相比蚁群优化(ACO) 算法、混合遗传算法(TLPLC-GA), 能快速求得更好的任务调度方案.