赋权控制分配策略的空间优化设计

为提高静态赋权控制分配策略虚拟指令可达集的使用率,基于改进粒子群算法提出了一种离线确定控制指令最优化权值的空间优化设计方案.分别建立了加权伪逆法和混合优化法的数学模型,推导出统一的控制律形式,并给出了构造可达集空间的算法:引入量子和遗传因了,通过粒子的交叉操作增强粒子群的多样性,以快速求解控制指令权值的全局最优点.仿真结果表明,设计的方案可以实现赋权控制分配策略可达集空间的最大化.     

动态系统控制器的多目标优化设计方法

1　引言在控制系统理论与应用中 ,有两种多目标优化控制的提法 ,其一是将控制系统的传递函数的 l1 范数、H∞ 范数和 H2 范数作为目标函数的多目标优化控制 ,这方面的工作可参考文 [1 ]及所引用文献 ;其二是将控制系统的一些时域性能指标作为优化目标的多目标优化控制 .本文考虑后一种形式的多目标优化控制问题 .众所周知 ,对一个动态系统设计控制器时 ,一般有多个指标需要考虑 .最优控制器的设计可以是将这些指标加相应的权系数作和求解最小问题 .但是 ,这样处理存在两个问题 :对于某些问题 ,采取重要目标加大权往往达不到期望的目的 ;另…     

飞机飞行控制多目标优化研究

针对飞行控制系统单目标优化算法与飞行品质要求之间缺乏相关性,且物理意义不明确的缺点,提出了一种基于C*准则的模型参考飞行控制设计多目标优化方法。首先,使用飞行品质建立参考模型,保证所建立的参考模型符合期望飞行品质的要求。然后,通过模型跟随的方法,将飞行品质的要求引入多目标优化中,使得整个优化设计过程物理意义更加明确。最后,使用多目标NSGA-II对某型飞机纵向控制律设计进行数值仿真,结果显示提出的方法可以有效地提高控制器参数整定效率,整定结果满足期望的飞行品质要求。     

先进布局无人机多目标自适应概率引导控制分配

针对先进布局无人机多操纵面冗余的控制分配问题, 提出一种基于自适应概率引导的混合多目标控制分配方法. 首先, 根据冗余舵面操纵特性, 建立带约束的舵面动态效能模型, 提出精度需求不同的混合多目标优化指标. 随后, 为了综合平衡各目标寻优精度与求解速度提出基于自适应概率引导的多目标粒子群控制分配方法. 该方法根据各目标最优值与期望精度差值构建自适应概率函数, 依概率选择全局最优解, 引导种群向各目标期望精度方向精细搜索以提升算法解算精度, 减少无用搜索以提高求解速度; 同时, 根据收敛性指标增加变异因子, 避免算法陷入局部最优. 最后, 仿真验证该方法可有效处理舵面耦合及非线性特性, 减少能耗损失, 实现操纵面多目标控制分配, 使得无人机快速平稳跟踪控制指令.     

认知无线电网络中多目标频谱分配与功率控制

针对Underlay接入方式的认知无线电网络中的功率控制问题进行了研究,提出同时考虑频谱分配和功率控制两个因素。并且为了同时满足用户的多种需求,将网络容量和功耗效率构建成一个多目标优化问题,然后提出了一种基于NSGA-Ⅱ的改进多目标优化算法对该问题进行建模求解,得到了适合用户不同需求的Pareto最优解集。最后将所提方法与SPEA-Ⅱ算法进行了实验对比,仿真结果表明,所提方法能够有效地搜索到优化解,并且能够满足不同情况下的频谱和功率分配要求。     

模糊多目标优化控制

本文提出了对复杂过程进行高质量控制的模糊多目标优化控制(FMOC),它由两部分组成:模糊多目标预测控制(FMPC)和自适应的模糊多目标控制(AFMPC)。FMOC不仅能体现操作人员控制行为的多目标性,而且还能反映其心理过程对控制行为的影响,它基于对控制目标的全面评价来实现对过程的控制。将FMOC用于列车运行控制的仿真,结果证明了它的适用性。     

应用GA的多侦察传感器目标最优分配

研究优化侦察效果问题,多侦察传感器训练演练任务中的侦察目标分配优劣直接影响着训练演练效果.为了提高侦察效能,通过分析传感器和目标的类别及数量,建立明确的目标函数,组成合理的仿真规划模型,采用遗传算法作为搜索最优方法,克服了传统算法缺点,能够快速而且有效地找出最大侦察效能下的目标分配方案.仿真结果表明,改进的方法为多传感器最佳侦察效果的相应训练演练提供了有益的帮助,节省了任务周期,降低了资源消耗.     

基于多目标优化禁忌搜索算法的停机位分配方法研究

针对机位资源分配不均给机场运行多方带来的公平性问题,提出多目标优化的停机位分配方法。建立以旅客通行距离、飞机滑行距离和远机位使用次数最小为多目标优化分配模型。分析航班属性设置分配优先级表。设计一种基于pareto最优的多目标优化禁忌搜索算法,使用pareto最优策略对解集进行筛选。在机场实际分配方案的基础上进行仿真实验,旅客通行距离和飞机滑行距离分别缩短18%和5%,机位资源的使用数量减少20%,航班靠桥率提高到93%,多目标优化禁忌搜索算法比遗传算法更优。     

基于多目标优化的网络通信任务均衡分配方法研究

针对传统方法网络通信任务分配均衡性较差问题,笔者提出基于多目标优化的网络通信任务均衡分配方法。首先该方法应用层次描述法对分层描述网络通信任务,将网络通信任务按类别划分,以延迟最小、耗能最小、分配均衡作为分配目标,然后建立任务均衡分配的目标函数,运用遗传算法对函数求解,最后得到最合理的分配方案。经对比实验,证明了本方法对网络通信任务分配的均衡性提升有较好的效果。     

多约束集群目标下武器-目标分配问题

面对未来作战中高密度、多方位的集群智能体,传统点对点饱和攻击已不是最佳策略,可通过选择合适的武器类型和作用点实现火力覆盖,达到武器数量小于目标数量的最大杀伤效果。综合考虑安全目标、毁伤门限、偏好指派等作战需求,首先,建立了多约束多目标武器-目标分配（CMWTA）数学模型;其次,设计了约束违反值的计算方法,并采用个体编码、检测修复和约束支配相结合的方式处理多约束;最后,设计了针对多目标武器-目标分配模型的收敛性度量指标,并基于多目标进化算法（MOEA）框架进行了仿真分析。其中在进化算法框架对比中,SPEA2下的Pareto集合容量主要分布于[21,25]区间内,NSGA-Ⅱ下的Pareto集合容量主要分布于[16,20],而MOEA/D下的Pareto集合容量均小于16;在修复算法验证中,修复算法将三种进化算法框架的Convergence指标提升了20%以上,且可将Pareto解集中不可行解的比例保持在0%。实验结果表明,在求解CMWTA模型中,SPEA2算法框架在分布性和收敛性上优于NSGA-Ⅱ和MOEA/D算法框架,且所提修复算法有效地提高了进化算法对非支配可行解的求解效率。     

飞机环控/发动机系统多目标优化分析

一种以系统熵产最小为目标函数的优化方法,应用到飞机环控/发动机系统的综合优化计算。由于在不同飞行阶段为使系统总的熵产减小对设计变量的要求不尽相同,甚至存在冲突,引入多目标优化的思想进行优化计算。将任务剖面内不同飞行阶段系统总的熵产最小视为不同的目标函数,通过分析系统之间交联关系、选取设计变量和分析约束条件建立多目标优化计算模型。采用自适应进化多目标粒子群优化算法对模型进行优化计算,得到非劣最优解集,为方案决策提供理论依据。仿真结果证实该方法的有效性,为飞机系统综合优化提供一种新思路。     

执行器不确定系统鲁棒预测动态控制分配策略

针对多操纵面级联飞行控制结构中执行器存在多面体不确定的问题, 提出了一种基于鲁棒预测控制理论的动态控制分配策略. 考虑位置约束和速率约束, 建立了多面体不确定冗余执行器的增广控制模型; 以执行器状态和虚拟指令跟踪误差为增广变量构造二次型李亚普诺夫函数, 将无穷时域Min-Max非线性规划转化为线性矩阵不等式凸优化问题, 设计了保守性小的鲁棒预测控制律. 各个控制指令汇集到一个混合优化控制分配器, 由它分派控制指令, 以最优地补偿执行器的不确定动态特性. 仿真结果表明, 该策略可综合补偿执行器的多面体不确定性, 在操纵面偏转范围内精确地跟踪虚拟指令, 保证了闭环系统的稳定性, 具有较好的鲁棒性.     

卫星有效载荷的多目标多学科设计优化研究

在卫星有效载荷系统研究中,实施多目标多学科优化的可行性设计。首先,分析了开展卫星有效载荷多学科设计优化的关键技术。建立了包含天线、转发器、数据传输、可靠性、成本和质量的多学科分析模型。然后,应用多目标遗传算法对某卫星有效载荷的可靠性和成本进行多目标设计优化,获得最优解集。最后,运用多学科协同优化结合遗传算法进行可靠性单目标设计优化。研究结果表明:有效载荷的多目标多学科设计优化全面考虑了多个学科之间的关系,设计人员可按需选择其满意的优化结果,大幅提高设计效率;协同优化方法有助于实现学科自治、并行设计,提高设计的灵活性和缩短设计周期。     

基于差分进化的粒子群算法的鼓式制动器多目标优化设计

为了提高鼓式制动器的设计水平,建立了一种以制动鼓体积最小和制动器温升最低为目标的鼓式制动器多目标优化模型,并使用一种基于差分进化的粒子群算法进行优化设计.为了进一步增加算法多样性,该算法将差分进化策略引入到多目标粒子群算法中;为了避免粒子飞行速度过快,陷入局部最优解,加入一种速度控制策略.通过无约束的ZDT系列和三个有约束的基准测试函数进行测试,并与其他四种算法进行对比实验,证明该算法在收敛性和多样性方面都占优,在工程实例的求解结果表明了算法的工程可行性.     

求解人力资源分配问题的多目标微粒群优化算法*

提出一种改进的多目标微粒群优化算法来求解人力资源分配问题.通过对种群进行正交初始化,保证了个体在整个可行解空间上的均匀分散,使得算法能够在整个可行解空间上进行均匀搜索;通过基于网格技术的外部存档非劣解删选策略,有效地保留了逼近Pareto前沿的非劣解;引入一种广义的学习策略来提升粒子向Pareto前沿收敛的概率.实验结...     

遗传算法在多目标优化应用中的对比研究

多目标优化应用研究在过程工程领域越来越受重视。本文首先给出了多目标优化问题的一般形式,指出多目标问题求解任务：引导搜索向整个的Pareto优化范围;Pareto优化前沿上保持解集的多样性。在简要论述遗传算法求解多目标技术的基础上,对应用了遗传算法求解多目标的两种方法进行了对比研究,并给出了线性加权遗传算法和一种多目标遗传算法的计算框图。指出线性加权法求解Pareto最优解时不能不能很好地处理非凸区域、均匀分布的权重值不能生成均匀分布的Pareto前沿等局限性,以及多目标遗传算法生成种群多样性及Pareto最优解均匀分布的优点,并用实例进行了验证说明。     

多目标进化策略在无线传感器网络中的优化设计

无线传感器网络是由大量受能耗约束的节点组成,兼顾规模和节能的路由协议是无线传感器网络的重要部件。提出了基于多目标进化算法的无线传感器网络的路由优化设计,针对无线传感器网络的能耗、带宽、及时延等指标进行优化。在多目标进化算法中,通过对种群进行初始化、选择、交叉、变异等操作构建非支配集,并使用小生境技术保证种群的分布性。通过与LEACH及SSSL协议的比较,可知基于多目标进化算法可以有效地降低节点的能量消耗,减少网络带宽消耗,降低时延,延长网络的生存时间。