基于抗原进化的免疫算法

基于抗原进化的免疫算法,分析描述问题对应的抗原,产生初始抗体群,计算抗体浓度比率和抗体繁殖率值,获得时间尺度上最佳抗体.以机载雷达多目标跟踪测向数据优化处理为例,其偏差为抗体进化,当满足收敛条件,输出此时数据,再以目标继续运动时刻的信息为抗原,优化搜索目标,实现目标的可靠分辨和有效截获.     

基于粒子群优化算法的模糊飞行控制器设计

提出了一种基于粒子群优化（PSO）算法的模糊飞行控制器优化设计方法。PSO算法通过粒子跟踪本身所找到的最优解和种群的最优解来完成优化．该算法具有可调参数少．简单易实现，优化速度快的特点。将PSO算法用于对模糊飞行控制器隶属函数的优化设计中，以达到提高控制效果与简化模糊控制器设计的目的。仿真结果表明．利用PSO算法进行优化设计所得到的模糊飞行控制器具有优良的控制性能。     

基于差分进化算法的自行高炮随动系统PID参数整定

针对传统PID参数整定效率低且无法考虑构件间力元等因素对参数整定的影响问题,建立随动系统机电联合仿真模型,利用智能优化算法整定PID参数.建立了考虑行进间车体姿态扰动的随动控制系统模型,并结合上装虚拟样机建立随动系统的机电联合仿真模型,采用实车试验方法验证联合仿真模型的正确性.在此基础上,以时间乘以误差绝对值积分为优化...     

基于进化算法的贝叶斯网络度量

利用图形模型描述进化过程中的种群,能够充分体现遗传信息的整体结构和内在联系,快速有效地进行网络图的构造与度量是将图形模型成功应用于进化算法的关键.贝叶斯网络是一类重要的图形模型,本文通过分析其结构,给出了用于刻划其度量的有关定义.对于染色体的某两个基因位置a、b,对应于贝叶斯网络图中的任意两个孤立的顶点,主要研究了a、b无连接、存在从a到b的连接以及存在从b到a的连接等三种基本图形的度量值关系.     

基于进化算法的无人飞行器路径规划研究

提出了一种基于遗传算法和B-样条曲线的路径规划新方法。以昏样条曲线控制点的坐标作为遗传因子用遗传算法来进行规划；根据这些控制点，运用B-样条曲线在3维坐标系中生成飞行器路径轨迹。该轨迹是由一些小的B-样条曲线光滑连接而成。由于只对控制点进行规划减小了系统的计算量，极大提高了系统的实时性。仿真表明运用该算法规划的路径可以以最优的轨迹把无人飞行器指引到预定的目的地。     

基于微分进化算法的软件测试数据自动生成

介绍了微分进化算法,并结合函数极小化策略提出了基于微分进化算法的软件测试数据自动生成的方法,进行了实例验证．     

基于高斯算法的小行星固定时间拦截

为了防止未来有小行星撞击地球,想要对小行星实施固定时间拦截;首先根据给定的地球与小行星的撞击点位置以及小行星与地球撞击点的速度,建立小行星的轨道模型;利用小行星与地球的轨道模型预推出拦截卫星发射点的位置,再利用高斯算法建立卫星的固定时间拦截轨道模型,并计算卫星发射速度,以及碰撞后小行星的速度;最后,对所建立的模型进行数值仿真。仿真结果表明：若地球将与小行星发生碰撞,则拦截卫星将按拦截轨道运行固定时间后成功与小行星拦截相撞。     

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。     

人工神经网络的MB─P学习算法及其在毫米波辐射计目标识别中的应用

简要地介绍了人工神经网络的一种改进的误差后向传播学习算法（ＭＤ─Ｐ）。并将这种算法用于毫米波辐射计目标识别系统，仿真结果表明，其分类精度很高，具有较高识别率。     

基于模拟退火算法的元器件布局优化设计

为了在设计中提前预估并优化元器件的力学环境,通常采用有限元仿真的方法。在对电路板进行有限元仿真的基础上,通过MATLAB编程实现了模拟退火算法(Simulated Annealing,SA)在元器件布局优化上的应用。优化结果表明,该方法能够有效降低元器件管脚处的加速度及应力值,改善了电路板的力学环境,延长了电子设备的使用寿命,提高了整体的可靠性,具有实用价值和推广意义。     

基于增强学习的无人直升机姿态控制器设计

自适应启发评价（AHC）增强学习结构分别逼近马尔可夫决策过程的值函数和策略函数．策略梯度增强学习能够将随机不确定的马尔可夫决策过程转换为确定性的马尔可夫决策过程。通过将AHC增强学习和策略梯度增强学习相结合,对PID控制器参数进行在线自适应整定,实现对无人直升机姿态控制性能的在线优化。仿真结果表明．与固定PID参数控制器相比,该算法能在线调整控制器参数．并很好地控制了无人直升机的悬停姿态。     

基于二次型性能指标学习算法的温度控制系统

针对单神经元PID控制中学习速度较慢,动态响应时间长等问题,提出基于二次型性能指标学习算法的单神经元PID控制器,改善单神经元PID控制器的性能。同时,基于该算法进行了工业用温度控制试验箱设计。样机实验表明,该种新型控制算法具有学习速度快、动态响应时间短的特点,该系统具有良好的动态品质和稳态性能。     

基于量子遗传算法的军用道路纵断面优化设计

为实现军用道路纵断面变坡点里程和设计标高的同时优化,在分析传统纵断面优化设计方法的基础上,提出了一种基于量子遗传算法的纵断面优化设计方法,以工程量大小作为评价函数,建立了优化设计数学模型,并给出了详细的求解步骤,最后进行了实例仿真。实例仿真结果表明:与传统的遗传算法相比,本算法模型具有更好的全局寻优能力,能更快速地给出军用道路纵断面设计的初始优化方案,若在此基础上进行人工调整,优化效果更为明显。     

基于改进遗传算法的最优交会控制器设计

文中采用一种改进遗传算法设计最优交会控制器.建立了自动交会线性二次型最优控制模型.为了提高遗传算法的性能,设计了多操作变异等改进措施.仿真结果表明,改进遗传算法可以成功地完成18个参数交会控制器的最优设计,优于Matlab工具箱和经典遗传算法.     

参数自适应教与学优化分数阶PID控制器设计

本文针对分数阶PID控制器调节参数多、人工调参难度较大的问题,提出了参数自适应教与学优化分数阶PID控制器设计方法。分数阶PID控制器参数寻优过程引入种群适应度方差表征种群的“聚集程度”,将影响算法收敛速度和收敛精度的教学因子设计成种群适应度方差的函数,使其在算法迭代过程中根据种群的“聚集程度”自适应调节算法收敛速度。当种群聚集程度高时,提高教学因子取小值的概率,增强种群的多样性;当种群聚集程度低时,提高教学因子取大值的概率,提高算法的收敛速度。通过仿真验证,本文提出的参数自适应分数阶PID控制器控制整数阶系统、分数阶系统均可获得优良的控制效果,与参考文献设计的控制器相比在动态性能上有显著提升,参数自适应分数阶PID控制器较整数阶PID控制器在响应速度上提高69.8%,超调量减少92.6%,稳态误差减小32.4%。     

基于多岛遗传算法的小型有效载荷分离装置质量优化设计

以小卫星为代表的小型有效载荷具有功能密度高,新技术吸纳快的特点,对分离姿态偏转、分离冲击、分离参数偏差等提出更高的要求,使得传统分离装置设计方法有一定局限性,容易导致分离装置结构质量偏大。本文建立了基于多岛遗传算法的分离装置质量优化数学模型,优化结果表明,在满足分离约束条件下,该方法能够有效减轻分离装置结构质量,同经验计算值相比,质量减轻约30%,节省了材料,降低了成本,具有实用价值和推广意义。     

基于模糊控制器的自适应遗传算法

基于模糊控制器的自适应遗传算法,通过模糊控制器自适应地动态改变交叉率、变异率的值;从而使该算法最快达到全局最优解.其模糊控制器的设计及求取Pc(交叉率)、Pm(变异率)的步骤包括:输入、输出变量的选取,输入、输出语言值及隶属度函数的定义,模糊规则表的建立,模糊推理及解模糊.     

基于遗传算法的交货期限Flow-Shop调度

针对生产调度领域中的仓库、交货期限制的问题,将生产线简化为Flow-shop,描述约束条件并建立单条生产线的数学模型.用遗传算法对生产调度进行染色体编码,按个体适应度大小确定该个体被遗传到下代群体的概率.用比例选择算子并将优良个体复制到下代群体中,互交换配对染色体的部分基因,进行交叉运算得到合法个体以实现生产调度寻优.