基于蚁群算法的多目标优化

提出2种结合颜色矢量的谱匹配算法。一种算法是从空间矢量关系的角度提取不受光源影响的图像颜色特征,结合图像特征点的几何特征,为待匹配的2幅图像分别构造亲近矩阵,通过对亲近矩阵进行奇异值分解构造一个反映特征点之间匹配程度的关系矩阵,从而获得匹配结果。另一种是将得到的匹配结果作为初始概率,通过双随机矩阵计算谱匹配概率矩阵,获得匹配的最终解。实验结果表明, 2种算法都具有较高的匹配精度。     

基于模型的综合电子系统应用探索

在综合电子系统的研发过程中,针对基于文档的传统开发方法中存在的开发周期长、需求验证困难以及更改流程复杂等问题,文中提出了应用基于模型的系统工程(MBSE)方法。基于航空航天领域中主流的Harmony方法,通过需求分析、功能设计、逻辑设计、详细设计和集成验证,探索了MBSE应用于系统设计、仿真、验证与评估的方法和流程,提出了实施策略。该方法保证了数据的可追溯性,提高了设计效率,降低了设计风险,可为MBSE方法在综合电子系统中的进一步应用提供参考。     

基于蚁群算法的多目标优化

针对多目标优化问题,提出一种用于求解多目标优化问题的蚁群算法。该算法定义连续空间内求解多目标优化问题的蚁群算法的信息素更新方式,根据信息素的概率转移和随机选择转移策略指导蚂蚁进行搜索,保证获得的Pareto前沿的均匀性以及Pareto解集的多样性。对算法的收敛性进行分析,利用2个测试函数验证算法的有效性。     

基于差分进化和粒子群优化算法的混合优化算法

为了发挥差分进化和粒子群优化算法各自拥有的特点,并克服自身存在的问题,提出了一种混合优化算法(简称DPA).该算法首先利用差分进化的变异和选择算子产生新的群体,然后通过使用粒子群优化算法和交叉、选择算子进行局部搜索.在整个算法过程中,群体寻优范围先扩散再收缩,反复迭代渐进收敛.通过3个标准算例的测试表明,新的混合优化算法与差分进化和粒子群优化算法相比,具有收敛速度快、搜索能力强、鲁棒性好的特点.     

液体运载火箭推进系统固有频率的通用化计算研究

为了能够快速有效地对各种构型的液体运载火箭可能出现的POGO振动问题进行初步分析,对液体运载火箭推进系统固有频率的通用化计算问题进行了研究.采用模块化的部件动力学方程进行通用化建模,并引入粒子群优化算法来解决通用化模型带来的高阶方程的求解问题.最后,针对某发动机液氧系统进行了固有频率计算,并讨论了粒子群优化算法的求解效率,以及蓄压器对固有频率的影响.研究成果可进一步应用于液体运载火箭POGO振动的稳定性分析及其抑制研究.     

群智能算法在飞行器总体设计中的应用

飞行器总体设计直接影响飞行器的战术技术指标,在其设计过程中往往要经过多次反复,因此需要优化手段获得较优的飞行器总体技术方案。群智能算法由于自身的特点受到广泛关注,应用前景广泛。本文选择常用的3种群智能算法,即粒子群优化算法、差分进化算法和蚁群算法对某飞行器总体方案进行优化设计,并对结果进行对比分析。