基于微分进化-蚁群优化算法的潜航器航路规划

航路规划是包括新型巡航鱼雷和诱饵、远程布雷系统等潜航器完成指定任务的关键技术之一;为了解决蚁群优化算法在航路规划时存在的容易陷入局部最优、收敛速度慢等问题,引入了微分进化原理,对蚁群优化算法进行了改进,提出了微分进化-蚁群优化混合算法;该算法将微分进化的随机偏差扰动产生新个体的思想融入到蚁群优化算法中,对蚁群算法的信息素进行优化;最后以潜航器航路规划问题为实例,对改进后的混合算法进行了仿真研究;结果表明:提出的混合算法不仅能够得到更好的解,还能显著地提高算法的收敛速度。     

基于蚁群算法的多连接查询优化问题研究

介绍了蚁群算法在数据库查询中的应用,在给出蚁群算法的基本原理和程序流程的基础上,对传统蚁群算法进行了改进,将伪随机状态转移规则和局部信息素更新规则引入蚁群算法,提出了基于蚁群系统解决数据库多连接查询优化的方法,建立了多连接查询优化问题的数学模型,并进行了相关的实验;结果表明：当数据库的表数目较多时,基于蚁群系统算法对解决多连接查询优化问题有良好的求解性能,在求最优解品质和求最优解时间上都有较好的效果。     

基于人工鱼群-蚁群算法的UUV三维全局路径规划

针对水下无人航行器在三维环境下的全局路径规划问题,从优化初始信息素分布和转移概率角度,对人工鱼群和蚁群的融合算法进行了深入研究。融合算法中,对人工鱼群算法的状态表达式和移动步长进行了改进;对蚁群算法的启发值、信息素等进行优化设计;借鉴拥挤度因子思想,改进传统蚁群算法转移概率,提升算法的全局寻优能力。在对实际海洋环境数据进行栅格法建模的基础上,以路径长度为衡量指标,利用MATLAB软件进行算法的仿真验证。实验结果表明融合算法的初期收敛速度较快,最佳适应度值和算法耗时均得到改善,算法的有效性得以验证。     

军事协同巡检路线优化策略

为提高大规模多机器人巡检系统的工作效率,提出了改进的协同蚁群优化算法。该算法为每个巡检机器人设定一个路线优化蚁群,采用共享禁忌表的方式实现不同蚁群之间的信息共享,不同蚁群中的人工蚁采用代价竞争机制进行巡检节点选择,完成路线协同优化。协同蚁群优化算法能够根据巡检节点的分布完成巡检区域的分割与路线优化,提高了巡检区域划分的合理性。仿真实验结果表明,与基于地图分割的优化算法相比,协同蚁群优化算法能够根据巡检任务对巡检区域进行均衡划分,提高了巡检机器人的利用率,减少了整体巡检量,巡检效率得到了显著提升。     

遗传-蚁群算法在目标分配问题中的应用研究

针对传统算法很难满足大型水面舰艇编队防空武器的武器目标分配(weapon target assignment,WTA)问题,提出一种将遗传算法融入蚁群算法的混合算法。分析了遗传算法和蚁群算法的优缺点、利用遗传算法快速全局随机搜索能力生成一组粗略解,用其作为蚁群算法的初始信息素,再利用蚁群算法的并行性、正反馈机制,最后求得最优解,并对遗传-蚁群算法与蚁群算法、遗传算法这3种方法进行仿真比较。分析结果证明:遗传-蚁群算法用更少的时间获得最优的火力分配方案,缩短了武器系统反应时间,在求解质量方面有较大优势。     

基于蚁群算法的测试任务调度优化方法

复杂系统测试通常存在任务复杂、测试时间长、资源浪费等问题,对资源和任务进行合理调度具有重要实用价值。提出基于蚁群算法的测试任务并行任务调度优化方法,对测试问题进行描述,与蚁群算法结合,设计了启发函数、状态转移规则;根据算法流程获得测试时间最短的任务调度序列;针对任务序列多解的问题,提出资源均衡度的评价标准,得到最优的资源任务调度序列。基于蚁群算法解决了复杂测试系统任务调度问题,对某实际测试系统资源任务集进行调度仿真,并与随机穷举法对比验证算法的有效性,结果表明该方法能大大节约测试时间。测试实例与当前常用的半串行测试进行对比,测试效率提升了43.07%;所得结果为最短测试时间任务调度序列中资源均衡度最高的。     

一种新型启发式搜索算法研究

提出了一种用于解决复杂优化问题的新的启发式算法--蚁群算法.采用该算法进行了无人机的航路规划,为求解无人机航路规划问题提供了一种新的算法.该算法对传统蚁群算法进行了改进,更好地解决了无人机的航路规划问题,文中进行了相应的仿真,仿真结果表明了算法的有效性.     

战时通信装备备件配送模型

针对战时通信装备备件抢修,建立了带硬时间窗的战时通信装备备件多目标优化配送数学模型,并用蚁群算法对问题进行了求解。算法设计中,为解决模型求解中蚁群算法存在早熟、收敛性差等问题,引入伪随机规则调整状态转移概率;利用时变函数更新信息素强度。实验结果表明,该算法能得到较好的全局最优解,验证了模型的有效性。     

基于蚁群算法的军事通信网路由算法

蚁群算法是一种新型的模拟进化算法,初步的研究已经表明该算法具有许多优良的性质,为求解复杂的组合优化问题提供了一种新思路.文中即对蚁群算法进行改进,用于解决军事通信网路由技术中的DCLC路径问题.     

基于ACA_PSO算法的无人机分布式任务分配方法

为解决分布式任务分配问题，采用“粒子化”的蚁群算法进行无人机分布式任务分配。基于蚁群_粒子群混合算法，在原有蚁群算法基础上进行改进，使其具有“粒子”的特性。建立扩展协同多任务分配问题模型(ECMTAP)，采用构造允许的状态转移集合的方法，大大减少了产生的不合理解的个数，并弥补了蚁群算法陷入局部最优和早熟问题的缺点。实验结果表明：该算法能够有效地解决复杂约束条件下的多无人机分布式任务分配问题，具有较好的收敛速度和任务分配结果。     

流水线加工调度问题的神经网络算法

针对启发式算法求解调度问题时算法执行时间短,但计算结果较差的问题,提出一种基于目标增量的构造优化神经网络算法。通过引入一个加工时间为0的虚拟工作,利用相邻工件加工结束时间差矩阵,将求解无等待流水线加工调度问题的最小最大完工时间问题映射为TSP问题,建立构造优化神经网络模型,将流水线调度问题映射到神经网络上。实验结果证明：该算法在时间性能和结果的最优性方面较启发式算法SA2、RAJ、GR和目标增量法有较大提高,对于大规模问题该算法优势明显。     

基于频谱异质的多单元双向频谱拍卖算法

针对频谱资源的异质性,提出一种基于频谱异质的多单元双向频谱拍卖算法.利用双边频谱拍卖模型,从多单元拍卖和异质频谱拍卖2个方面对算法进行改进,允许买家竞买、卖家提供多个不同中心频率的异质信道,实现互不干扰买家间频谱复用.分析证明了该算法满足拍卖机制设计的3个经济学性能:个体理性、收益均衡和真实性.仿真实验结果表明,该算法在频谱拍卖效率和系统收益方面皆有良好表现.     

一种鲁棒自适应容积卡尔曼滤波方法及其在相对导航中的应用

针对无人机编队相对导航系统中视觉导航传感器量测噪声服从非高斯分布的问题,提出一种带噪声估计器的鲁棒自适应容积卡尔曼滤波(CKF)算法。该算法将Huber求解线性回归问题与协方差匹配方法相结合,利用残差序列实时估计,调整系统过程噪声和量测噪声的统计特性,并采用遗忘加权参数对接收到的测量数据进行加权,从而准确地估计出无人机之间的相对位置、速度和姿态信息,提高了鲁棒CKF算法的自适应能力。仿真结果表明,与标准CKF算法和鲁棒CKF算法相比,该算法对受污染的噪声统计特性有较强的自适应性,估计精度高,鲁棒性更强。     

基于归一化优势函数的强化学习混合动力履带车辆能量管理

基于强化学习的能量管理策略由于状态变量和控制变量的离散化,处理高维问题时存在“维数灾难”的困扰。针对此问题,提出一种基于归一化优势函数的深度强化学习能量管理算法。采用两个具有归一化优势函数的深度神经网络实现连续控制,消除离散化。在对串联式混合动力履带车辆动力总成建模的基础上,完成深度强化学习能量管理算法的框架搭建和参数的更新过程,并将其应用于串联式混合动力履带车辆。仿真结果表明,该算法能够输出更为细化的控制量以及更小的输出波动性,与深度Q学习算法相比,对于串联式混合动力履带车辆的燃油经济性提升了3.96%. 通过硬件在环仿真实验验证了强化学习能量管理算法的适应性,以及在实时控制环境下的优化效果。     

基于混沌蚁群算法的集群无人机协同任务分配

针对无人机集群协同任务分配问题,以无人机集群完成所有任务的总航程和未完成任务数最小为优化目标,构建多目标的多任务分配数学模型,并提出基于混沌蚁群算法的优化方法对模型进行求解。借鉴混合算法能提高单一算法性能的思想,在集群任务分配问题中将混沌算法的遍历性、随机性和蚁群算法的信息素正反馈机制结合起来,并通过仿真实验验证所提方法的有效性和适用性。结果表明：基于混沌蚁群算法的集群无人机协同任务分配方法能够增强全局寻优能力,提高算法效率,为多无人机分配最优的任务序列。     

基于"吨·公里"的军事物流配送决策模型

为解决配送中心同时向多个部队提供配送的运输决策问题,提出以“吨·公里”为决策目标的军事物流配送决策模型。结合部队决策实际,提出贪婪遗传遍历求满意解的新算法。利用扫描法按运载能力进行编组,用改进的遗传算法对每组配送次序进行排序,再引入贪婪法寻求配送最优结果。该算法将贪婪扫描法与改进的基于种群扩展的多变异遗传算法进行有机融合,能有效解决车辆编组和配送次序问题;最后通过仿真实验,验证该算法的简捷性、实用性和有效性。     

基于改进布谷鸟搜索算法的结构耐久性优化方法

将布谷鸟搜索算法与耐久性分析相结合,研究一种结构耐久性优化设计方法。建立了以可靠寿命为目标或约束的结构耐久性优化模型,针对复杂结构可靠寿命函数非线性强、多极值等问题,引入一种新型群智能全局优化算法——布谷鸟搜索算法,从迁徙策略、收敛准则、约束处理等方面研究改进了布谷鸟搜索算法,进一步提高了其收敛性和效率。利用双循环方法求解可靠寿命目标、单循环方法处理可靠寿命约束的概率优化策略,提出了一种稳健的结构耐久性全局优化的改进布谷鸟搜索算法。通过某轻量化车辆传动箱体应用,结果表明该方法具有较好的收敛效果和计算效率,在满足耐久性约束条件下实现了减轻质量的目标。     

基于改进蚁群算法的无人机2 维航路规划

针对传统蚁群算法在无人机3 维航路规划中存在搜索时间长、容易陷入局部最优解的问题,提出一种蚁 群算法的改进策略。将固定翼无人机的性能约束条件作为待扩展节点是否可行的判断条件,减小计算量和算法搜索 时间;对航路点的高度规划采用直接设定策略,将3 维航路规划问题简化为2 维航路规划问题,减小算法的复杂性; 改进全局信息素更新规则和安全启发因子,解决了局部最优解和威胁源规避问题。仿真结果表明：改进蚁群算法与 传统蚁群算法相比,能够有效规划出一条从起点到终点的飞行航路,具有更高的有效性和实用性。