星基增强系统技术发展及应用研究

全球导航卫星系统(GNSS)是实现基于性能导航(PBN)的重要手段，星基增强系统(SBAS)对 GNSS 进行增强使其能够满足民航的高完好性标准要求。本文介绍了 SBAS 的概念和原理，并以广域增强系统(WAAS)为例，详细介绍了 SBAS 的系统架构、数据处理流程、 系统运行及管理和系统应用与服务，分析了 SBAS 的航空应用方法，并指出了利用双频多星座 SBAS 实现 CAT-I 精密进近的发展趋势和 SBAS 拓展到其他行业的应用趋势。     

求解多目标旅行商问题的混合遗传算法

一般TSP问题是单目标的,只追求一个性能指标：所走路径最短。然而对于具体的TSP问题,实际中常常需要考虑：路程最短、时间最少、费用最省、风险最小等等多方面的因素。设计了贪婪的复合变异算子（GCM）,引入隔代爬山法算子来提高多目标TSP问题的搜索能力。实验结果表明该算法是有效的。     

舰船艉管水润滑橡胶板条轴承与铜背衬的机械接触力学

基于对起伏和凹凸不平的表面微观几何学形貌统计分析,考查衡量微接触点的弹性和塑性变形区域,建立橡胶板条轴承与铜背衬接触的法向接触载荷、实际接触面积、弹性实际接触面积、塑性实际接触面积、橡胶塑性指数等的理论解。计算及分析结果表明：发生接触的突起期望数随着法向接触载荷的增加而增加,随着表观接触面积的增大而略微增加;橡胶板条轴承与铜背衬之间的间距随着法向接触载荷的增加而减小;在法向接触载荷一定时,橡胶板条轴承与铜背衬之间的间距随着表观接触面积的增大而增加;对于给定的表观接触面积,实际接触面积近乎恰恰与法向接触载荷呈正比,但不依赖于表观接触面积;平均实际接触压强随着法向接触载荷的增加而增加,随着表观接触面积的增加而减小;接触表面之间的接触电阻随着法向接触载荷的增加而降低;当橡胶塑性指数小于1.77或金属制品塑性指数小于0.6时,接触表面发生弹性变形;当橡胶塑性指数大于2.95或金属制品塑性指数大于1.0时,接触表面发生塑性变形。相关模型及仿真曲线图可为橡胶粗糙表面弹塑性接触的精确求解提供一定的理论基础。     

基于多种群进化的遗传算法

针对单个种群的遗传算法容易陷入局部收敛而出现早熟的情况,提出了一种新的多种群遗传算法,用多线程并行处理的方法实现种群之间同步进化。实验证明,基于多种群的遗传算法能够有效地避免局部收敛问题,通过与简单遗传算法进行比较,所提出的新算法不仅收敛速度快,而且收敛效率高,是一种可行、有效的算法。     

遗传算法和单体型组装加权最小字符翻转问题

单体型组装加权最小字符翻转（WMLF）问题指定个体联配的加权DNA片断数据,翻转权值和最小的SNP位点以推测出该个体的一对单体型。该问题是NP-难的,至今尚无实用的搜索寻优算法。根据DNA测序片段数据的特点提出了一种遗传算法。对于实际的生物实验数据,即使数据很大,该算法也可以在较短的时间得到WMLF问题的满意解,具有良好的可扩展性和较高的实用价值。     

多智能体系统中的协商模型

目前，对多智能体系统的应用多是以开放的、复杂的、变化的网络为平台，为了更好地与环境相匹配，同对提高智能体之间协商的效率，从全局与单个智能体两方面着手，提出了一种新的MAS全局模型，并相应地提出了全局协调Agent的三维模型以及智能体之间的协商模型。通过这一系列模型的模拟实现，证明了此协商模型是正确的与接近自然的。从理论上基本上解决了与当前流行的基于网络的各种先进的智能系统，分布式问题求解等领域的衔接，因而有一定的指导意义并具有广阔的发展前景。     

一种基于聚集距离的多目标进化算法

在多目标进化算法的研究中,解群体的多样性和运行效率是最重要的两个指标。在进化算法中一般采用构造非支配集的方法来保持算法的运行效率和解集的分布性;采用聚类技术来计算和维持解群体的分布性和多样性。文章提出了用庄家法构造非支配集和基于个体距离的聚类方法的多目标进化算法。经试验证明,该算法能够趋近到Pareto最优解,并且能保证较好的分布度。     

多目标进化算法的一种基于生成树的分布性维护方法

针对多目标进化算法的种群维护和运行效率相矛盾的问题,提出了一种基于生成树的分布性维护方法,即对整个种群构造一棵生成树,定义一种密度估计指标--树聚集距离,并结合树中的最短树枝和个体度数对种群进行维护.由于树聚集距离和度数具有动态性,每移出一个个体,种群中与之相连个体的信息都会发生相应的变化,因而可即时反映出种群的分布情况.与三个著名的算法NSGA-Ⅱ、SPEA2和C-NSGA-Ⅱ的比较实验表明,该方法能在得到良好分布性解集的同时,能以较快的速度对种群进行维护,具有较好的时间效率.     

一种具有可控性能的多目标遗传算法

文章基于极坐标的支配概念来描述多目标遗传算法中解之间的优劣关系,并由此提出了一种新的多目标遗传算法(PMOEA)。该算法可以通过参数的调节,让决策者在解的收敛性和分布性之间作折衷选择。在实验部分将PMOEA和NSGA2进行了性能比较,结果证实了PMOEA的性能可控性。     

针对非均匀问题的多目标进化算法

文章针对解集分布非均匀的问题,提出了一种新的多目标进化算法,称之为GNEA(带小生境的网格进化算法)。在算法中,针对分均匀问题的特点,采用了小生境技术来保持解集的局部非均匀分布,以及网格技术来保证整个解集的分布度。为了让GNEA运行效率更高,提出了用庄家法构造非支配集的方法。最后通过与其他算法进行比较,验证了算法具有较好的运行效率,且在解决非均匀问题上是一种有效的多目标进化算法。