基于蚁群的天基预警多目标优化算法

为了解决天基预警传感器调度问题,本文提出了一种基于蚁群优化算法和R_2排序算法的连续搜索空间多目标蚁群优化算法。算法中考虑传感器覆盖数量动态变化的任务约束,卫星及传感器数量的资源约束、地球遮挡、临边观测及观测距离等环境约束。针对传统蚁群算法在天基预警任务规划中存在的多目标权衡能力差以及连续搜索空间计算效率低等问题,本文对传感器调度方案进行R_2排序和多目标寻优计算,权衡了目标切换次数,传感器疲劳度以及目标观测时长等优化目标。将算法与元启发式和动态蚁群算法在观测资源充足,观测资源紧缺和观测资源严重不足3种状态进行对比仿真。结果表明:该算法可以在任务、资源和环境约束下对传感器切换次数、单星观测时长和总观测时长等目标进行优化,适用于天基预警星座系统对弹道导弹等具有红外特性运动目标的跟踪方案优化问题。     

多目标资源受限项目调度的多种群蚁群算法

为实现资源受限项目调度的多目标优化,通过改进传统蚁群算法,提出适用于多目标优化的多种群蚁群算法.该算法基于串行进度生成机制,每个蚁群具有各自的目标函数、与目标函数相匹配的不同搜索策略以及各自的信息素更新机制.各蚁群独立进行搜索决策,但各蚁群之间存在信息素的相互作用,从而实现加速搜索.针对多目标资源受限项目调度问题设计新的精英策略.在目标规划基础上构造一系列多目标项目调度算例,经系统测试表明,所提出的多种群蚁群算法能够有效优化资源受限项目的资源配置,实现多目标优化.     

融合多特征的天基典型目标光学识别方法

为满足天基近距离目标高精度探测和识别的需求,提出一种多特征融合的卫星局部识别方法.首先分析卫星局部物理特征,构建了融合形态学多特征参量的局部构件分形聚类参数集,并建立基于聚类特征加权组合的构件聚类模型.利用该模型即可实现通过计算待识别目标隶属于各构件类的匹配性概率来识别目标;在此基础上,针对空间目标光学成像的图像降质、局部遮挡等问题,提出了目标识别算法,并以其在实际应用中的识别概率为依据,结合粒子群算法迭代优化加权系数,提高了识别算法效率与鲁棒性;最后利用4类典型卫星及伽利略卫星缩比模型对识别算法进行了数字仿真和半物理实验验证.实验结果表明,在低对比度、SNR仅为5,且构件存在较严重变形与互遮挡的情况下,算法仍能有效识别卫星构件,识别概率优于0.95.     

基于多模型组合优化算法的风速预测方法研究

风速的随机性和波动性较强,单一算法预测模型的精度不高。为此,提出基于蚁群优化算法的灰色模型和遗传神经网络算法相结合的预测方法;给出改进灰色模型,并利用蚁群算法的全局寻优能力,以残差平方和最小为原则,对改进灰色模型的权值进行优化,实现了对风速的预测。为进一步提高精度,把蚁群优化灰色模型的结果作为遗传神经网络算法的输入,实测风速数据作为遗传神经网络算法的输出,对网络进行训练,进一步减小了风速预测的偏差。预测结果与风电场实测数据的对比分析验证了多算法结合的预测方法的准确性和有效性。     

Petri网融合蚁群算法的柔性装配系统调度

为解决柔性装配系统的调度问题,采用分层时延Petri网模型与蚁群优化算法相结合,将柔性装配系统分解成诸多个装配体,每个装配体再分解成多个柔性装配单元,对装配单元分别建模并用蚁群算法对装配方案遍历优化,最后确定装配系统的时延Petri网模型.该方法融合了Petri网和蚁群算法各自的优点,较好地解决了柔性装配系统中的装配建模和装配任务的分配优化问题.实验证明该研究可行有效.     

利用遗传算法的阵列馈电多波束反射面天线设计

为有效降低卫星载荷的重量,同时保证卫星较高的通信容量,设计了阵列馈电单口径反射面多波束天线,利用262个馈源形成目标区域600个高增益点波束覆盖;提出了一种新的优化方法,即基于方向图特征提取的遗传算法.利用该方法,结合馈源复用技术,实现了600个点波束快速优化.仿真结果表明,采用本文方法能够有效降低单口面阵列馈电多波束...     

使用蚁群优化和凝聚层次的混合聚类

为了获得全局最优的高质量层次聚类结果,针对智能蚁群优化算法改进凝聚层次聚类算法,以获得高质量的层次聚类结果,提出一种新的基于蚁群优化和凝聚层次聚类的混合聚类方法.该方法使用改进的凝聚层次聚类算法和新的目标函数生成聚类的系统树图,利用内部指标评估解决方案,用智能蚁群优化算法支持的信息素反馈和信息素挥发机制控制蚁群在解决方案空间中的搜索.由于使用了元启发式优化,加快了搜索过程,避免了局部最优.在加州大学欧文分校多个数据集上的实验结果表明,新方法具备一定的可行性.     

"北京"三号卫星

2021年6月11日,"北京"三号卫星成功发射.该卫星采用最新研发的CAST3000E卫星公用平台,具备智能化、敏捷成像、动中成像等第二代敏捷卫星的技术特征,尤其是敏捷动中成像技术,实现了遥感卫星对地观测技术的革新. CAST3000E卫星公用平台以高分辨率光学成像对地观测应用为主要目标开展平台研究和设计,突破了"三超"(即超高敏捷、超高稳像、超高精度成像)和"三智"(即智能复核控制、智能自主规划、智能图像处理)为特征的新一代敏捷卫星平台技相关术.该平台支持多模式(敏捷成像和动中成像)成像任务,实现多斜条带拼接、多视立体成像、对地动态监视成像、沿曲线轨迹成像等复杂光学成像任务,成像效能和成像质量大幅提升,使我国敏捷卫星技术水平达到国际领先水平.     

基于协作协进化的多Agent协作机制的研究

协作问题是自主多智能体机器人系统研究的关键问题之一.基于多智能体机器人系统的CCP协作协议所生成的各Agent的任务序列依赖于目标的初始顺序,难以得到优化解.提出了一种利用协作协进化实现多Agent协作的机制,采用多种群协作生成多Agent系统的任务执行序列,在给定的任务分解所产生的所有可行解中寻找优化解,从而达到优化系统的性能的目的.利用该机制,对3个智能体协作搬运8个物体进行计算机模拟,结果表明,该方法在优化任务执行序列方面作用明显,从而能有效提高多智能体机器人系统的协作性能.     

基于群体智能的多机器人任务分配

针对具有松散和紧密耦合型任务的大规模多机器人系统,研究了基于群体智能的任务分配方法。系统采用层次结构,高层用蚁群算法实现松散耦合型任务分配的寻优,提出逆转分配思想让蚂蚁代表任务,为每个任务选择任务的承担者。底层分别提出了基于蚁群、粒子群蚁群和量子蚁群实现机器人联盟的形成——产生紧耦合型任务解,并进行仿真。仿真结果表明,基本蚁群算法得到的解质量最差;粒子群蚁群算法得到的分配解最好,但是运算时间最长;量子蚁群算法得到的解稍次于粒子群蚁群算法,但分配时间比另两种算法减少了一半。因此,在大规模的多机器人任务分配中,量子蚁群算法具有更强的适用性。     

带软时间窗的公共自行车调度路径问题

为了提高公共自行车调度的效率,研究了一种带软时间窗的自行车调度路径问题.首先根据公共自行车调度工作内容,建立多目标调度路径模型,然后设计一种改进的蚁群算法对模型进行了求解.实验结果显示,本文方法求解的调度路径比模拟退火算法、蚁群算法和遗传算法分别缩短了18.4%、24.3%和13.0%,而且还能有效节约调度车辆.     

模拟退火蚁群算法在VRP问题上的应用

车辆路径问题是物流系统优化的核心问题,在满足相关需求的情况下需要达到路径最短、成本最低等目的。文章提出一种模拟退火算法和蚁群算法的组合,通过改进蚁群算法相关参数、采用邻域算法对解进行二次搜索,从而改变解的质量并进行优选,以实现在满足相关约束条件下达到路径最短的优化。将该组合算法与基本蚁群算法、改进型的蚁群算法及VRP官网算例进行比较,实验结果表明,该组合算法在时间上和准确度上都有较大的提升,具有较好的应用价值。     

GA-ACO算法用于IMX系统测试数据自动生成

在综合管理X-软件系统测试数据生成中,针对遗传算法不能利用系统提供的信息,需要迭代多次才可找到测试数据,而蚁群算法在搜索初期信息素匮乏的情况下测试效率很低等问题,提出了基于混合遗传蚁群算法的测试数据自动生成方法,通过运行一定次数的遗传算法,产生优化解并作用于信息素的分布,再利用蚁群算法精确求解.在三角形程序和综合管理X-软件系统上的实验表明,该方法在保持性能不变的情况下,大幅降低了迭代次数和消耗时间,提升了测试效率.     

基于蚁群算法的产品虚拟设计方法

为了更有效地解决产品优化问题,建立了基于相关矩阵的多目标产品优化虚拟设计模型,提出了一种基于蚁群算法的产品虚拟设计方法,并在C++环境下进行了仿真实验.实验结果证明,该方法有效地解决了产品虚拟设计中的优化求解问题,实验结果准确可靠.     

给水管网水质模型管壁余氯衰减系数校正

针对给水管网水质模型中各管道管壁余氯衰减系数难以确定的问题,采用余氯衰减一阶反应模型以及拉格朗日时间驱动动态水质模型,以管网节点余氯浓度作为校正数据,建立了在多工况下管壁余氯衰减系数校正数学模型.提出了基于极大极小蚁群算法的管壁余氯衰减系数校正方法,将可视度与经验余氯衰减系数值相对应,选择最优蚂蚁进行信息素更新.为避免陷入局部最有解,将信息素值限定在一定范围内.在优化求解过程中采用国际通用水力水质模拟软件EPANET2获得所需的校正数据.算例结果表明,在管网水力模型准确和节点流量已知的前提下,采用极大极小蚁群算法对管壁余氯衰减系数进行校正,能够使模型节点余氯浓度的计算值与测量值更好地吻合.     

基于募集机制的连续蚁群系统及其应用

针对经典蚁群算法只适用于离散优化问题的不足，从蚂蚁觅食的生物学行为出发，以寻觅最优食
物源为目标，运用蚁群的海量募集和成群募集两种机制，并结合蚂蚁的厌食现象，均衡地搜索，由此构
建了适用于连续问题的蚁群优化系统（MG-CACO）.经典函数的测试表明，MG-CACO的全局寻优效率高，稳
健性良好，尤其对高维问题的适应性强.将MG-CACO用于二甲苯异构化装置的操作条件优化，效果令人满
意，其全局寻优性能和稳定性均优于其他方法.     

求解TSP问题的改进蚁群算法

分析了标准蚁群算法易于出现早熟停滞现象的主要原因，在原有算法基础上引入局部信息激素、最优最差路径信息激素更新策略及变参数策略，扩大了解的搜索空间，有效抑制了收敛过程中的早熟停滞现象，大大提高了算法收敛速度；同时引入局部最优搜索策略，增大了解突变的机率，求解质量得到了极大的改善．对于典型旅行商问题库中旅行商问题的实验及与标准蚁群算法的比较实验验证了该方法的有效性．     

基于蚁群优化的风电机组绝缘可靠性灰色预测

目前风电机组可靠性分析主要是针对风电机组整体系统,缺乏对关键部件可靠性的深入研究,且需要处理大量数据,增加了可靠性测试的成本和难度,因此,在深入研究绝缘主要故障机理的基础上,将两种基于小样本数据的灰色模型引入到绕组绝缘可靠性预测中.为提高预测精度,以两种灰色模型为基础,以最小偏差平方和为标准提出了基于蚁群算法的绝缘可靠性优化模型.预测结果表明,绝缘可靠性满足威布尔分布.利用实测数据进行验证,两者的符合度较好,证明利用所提模型可以有效缩短可靠性测试周期,降低实验成本.     

自适应蚁群算法在空间机器人路径规划中的应用

为了弥补传统路径规划方法缺乏足够鲁棒性的问题,采用自适应蚁群算法实现了空间机器人路径规划.针对传统蚁群算法在计算初期出现停滞的现象,修改了信息激素物质的更新方法.自适应蚁群算法根据学习次数和与最近障碍物的距离来调节信息激素物质.仿真结果表明,该算法在采用较少蚂蚁的情况下,与一般蚁群算法相比,能够快速找到理想路径.