基于NSGA—Ⅱ算法的RLV多目标再入轨迹优化设计

传统的再入轨迹优化设计通常只考虑单目标优化问题，例如最小热流、最小大航程、最小控制能量等。随着人们对降低费用和提高性能的期望越来越高，多目标再入轨迹优化问题也引起了注意。以往人们通过加权因子等方法将多目标问题转化为单目标问题，避免了复杂的多目标优化算法的应用。但也引入了新的参数，且每次优化只能获得与该参数相关的1个解。NSGA—Ⅱ算法是最近发展起来的具有优良性能的多目标遗传算法，它引入了快速分类、约束支配和精英策略，1次运行可以获得多个Pareto最优解。文中利用NSGA—Ⅱ算法来求解具有最小热载和最大横程的2个目标的再入轨迹优化问题。算例表明NSGA—Ⅱ算法能够有效地搜索到优化轨迹的Pareto前沿，是RLV初步设计的有力工具。     

进港飞机调度多目标优化问题的改进NSGA-II算法

基于多目标优化问题的Pareto最优解概念,提出了一种求解非劣解集的改进非支配排序遗传算法(NSGA-II),用于解决多条跑道情况下进港航班调度问题,要求航班总延误时间平方和及总延误成本两个目标最少。重点讨论了算法实现中的基于最近邻思想的启发式交叉算子和改进的变异算子,以及对非劣解集的筛选操作。最后进行了仿真实验,对优化结果进行了分析比较。研究结果表明改进NSGA-II算法对多跑道进港飞机调度多目标优化问题具有较好的应用前景。     

基于INSGA-Ⅱ算法的机械手多目标轨迹规划

针对机械手时间最优、能量最优、平滑性最优等多目标下的轨迹优化问题,设计新的多目标轨迹优化方法.采用高次B样条曲线插值方法,构造机械手高阶连续且起始和终止的运动参数均可指定的关节轨迹, 保证了机械手运动性能.采用改进非支配排序遗传算法 （INSGA-Ⅱ）对机械手轨迹进行优化,得到一组Pareto最优解集,该算法采用一维Logistic映射产生初始种群并利用不可行度选择操作处理约束条件.在6自由度串联机械手上的计算结果表明,采用高次B样条轨迹规划方法可以得到高阶连续的机械手分段轨迹,采用INSGA-II方法可以对B样条轨迹实现有效的多目标寻优,得到理想的Pareto分布,为用户提供较多的选择.     

贝叶斯优化算法在多目标优化问题中的应用

贝叶斯优化算法是近年来在进化算法领域兴起的一种新兴算法,用贝叶斯网络概率模型来显式地反映变量之间的依赖关系及可行解的分布,更符合实际问题的本质,在众多领域获得应用。针对多目标优化问题,在Pareto优化概念的基础上,用非占先排序及拥挤距离的方法来选择群体,形成解决多目标优化算法的Pareto贝叶斯优化算法,实验结果表明,Pareto贝叶斯优化算法要优于经典多目标优化算法NSGA-II。     

多雇主软件需求优选的存档NSGA-II算法

为解决多雇主的软件系统需求优选问题,使得所有雇主同时达到最优满意度,提出基于存档的NSGA-Ⅱ算法,通过将多雇主需求优选问题定义为多目标优化问题,自动而有效地求解满足数量较多的雇主需求优化目标的解集.实验结果表明:本文提出的需求优选方法,能够在资源和成本的限制下,求解一个令尽可能多雇主满意的需求集,在雇主平均满意度、最小满意度、满意度方差等评价指标上均优于基线方法.基于存档NSGA-Ⅱ遗传算法的需求优选方法能够为软件工程需求分析提供科学、合理的优选方案.     

变信赖域序列凸规划RLV再入轨迹在线重构

针对可重复使用运载器（RLV）的再入轨迹重构问题,提出一种基于变信赖域序列凸规划的RLV再入轨迹快速求解方法. 首先,通过离散化及对非凸约束的线性化处理,将RLV的非凸轨迹优化问题转换为凸优化问题,然后通过序列凸规划方法对凸优化问题进行求解. 在序列凸规划求解过程的初始迭代中,采用预测校正算法对初值猜测轨迹进行设计,确定轨迹求解的终端时间;在后续迭代过程中,设计基于优化性能指标的信赖域更新策略,提升算法的收敛性能. 在轨迹快速求解方法的基础上,考虑RLV再入过程中可能发生的突发事件,如实际轨迹大幅度偏离参考轨迹或目标点变更,基于变化的初值约束及终端约束在线重构轨迹,并结合重构轨迹和LQR（Linear quadratic regulator）方法设计再入制导律实现对重构轨迹的有效跟踪. 最后,将此设计方法与Gauss伪谱法及传统序列凸规划算法进行仿真对比验证. 仿真结果表明:变信赖域序列凸规划方法相较于伪谱法和传统的序列凸规划方法在轨迹求解实时性及收敛性方面有较大的提升,具备应用于轨迹在线重构的能力,此外,所提出的轨迹在线重构方法具备良好的鲁棒性以及抗扰性.     

多目标进化算法综述

多目标进化算法已经成为解决多目标优化问题的主要方法之一。本文详细介绍了经典的多目标进化算法,并分析了各种算法所采取的策略,给出了各个算法优缺点分析。讨论了多目标进化算法的应用。     

多目标进化算法综述

多目标进化算法已经成为解决多目标优化问题的主要方法之一。本文详细介绍了经典的多目标进化算法,并分析了各种算法所采取的策略,给出了各个算法优缺点分析。讨论了多目标进化算法的应用。     

基于多目标遗传算法的可调节变量产品族优化

为了实现可调节变量产品族的优化设计,在建立可调节变量产品族原理模型及优化模型的基础上,提出基于非支配排序遗传算法（NSGA-II）的产品族优化设计流程.根据产品族优化设计的数学模型,用NSGA-II算法求得多目标优化问题的Pareto集,并使用基于模糊集合理论的方法选择一个最优解.在优化设计的第一阶段中NSGA-II算法独立优化每个产品,依据设计变量的变化率确定产品平台常量集合及平台常量取值.第二阶段用NSGA-II算法优化每个实例产品的可调节变量值,在满足产品族设计要求的前提下,提高实例产品的性能.对通用电机产品族进行优化设计,并与One-Stage-Ps方法进行比较,证明了该方法在工程应用中的正确性与高效性.     

升力式再入飞行器再入轨迹优化分析

在充分调研分析国内外轨迹优化方法的基础上,选择直接法将升力式再入飞行器的再入轨迹优化问题转化成参数优化问题,而后采用序列二次规划法来解该参数优化问题,并采用C＋＋语言编写了优化算法,最后进行了再入飞行器的最大射程轨迹优化分析.仿真结果表明,采用本文所述的方法能够对升力式再入飞行器这一类轨迹优化问题进行优化分析,并具有较...     

载人飞船标准再入轨道的设计

分析了弹道──升力式载人飞船再入大气层过程中的轨道机动能力，并据此选取标准再入轨道，最后探讨了各种再入误差源对无制导再入落点的影响，这是飞船再入制导的基础。     

基于Pareto的系统分解法及其在飞行器外形优化设计中的应用

针对飞行器外形设计这一复杂的多目标问题,开展了相应的多目标优化方法研究。采用系统分解法来降低大系统的复杂度是工程设计中常用的方法,但是传统的系统分解法在处理多目标问题时通常是把多目标问题转化为单目标问题,最后得到单一优化解。利用PARETO方法的特点,提出了基于PARETO的系统分解法来解决传统系统分解法使用中的这个问题,经过优化可以得到均匀分布的PARETO解集,便于进行分析比较和选择。最后针对具体算例进行气动与隐身特性的综合优化设计,经过一轮优化后,所得到的一系列优化方案其气动和隐身性能都有较大提高,不仅达到了期望的设计要求,而且可以对该解集进行分析比较,以选择需要的优化结果。     

基于能态近似法的再入轨迹优化设计

针对间接法中,终端积分时间在迭代前后无法相同这一问题,介绍了能态近似法在再入飞行器三维轨迹最优化问题中的应用。首先给出了再入飞行器轨迹最优化控制问题模型,其中运动方程为三自由度模型,性能指标选为飞行器再入过程中所受的总加热量最小,控制变量则为迎角和滚转角。再入飞行过程中受到加热率、过载和动压约束,终端状态约束分别为速度、航迹倾角、高度、经度和纬度约束。文中引入了比能的概念,代替时间变量作为新的积分变量,此时末端能量只由终端速度和终端高度确定,从而解决了积分终止条件的固定问题。应用共轭梯度法和乘子法对带有约束的最优控制问题进行求解。通过仿真,计算机实时生成了一条满足终端约束条件、控制量约束条件的最优化轨迹。仿真结果表明该方法具有一定的实时性,且精度较高。仿真得到的最优轨迹能够满足飞行器自主导航对轨迹实时性的要求,具有较好的工程应用前景。     

基于直接配点法的再入轨迹优化设计

介绍了直接配点法在再入飞行器三维轨迹最优化问题中的应用。首先给出了再入飞行器轨迹最优化控制问题模型,其中运动方程为三自由度模型,性能指标选为末端速度最大,控制变量则为迎角和滚转角。再入飞行过程中受到加热率、过载和动压约束,终端状态受到航迹倾角和高度的约束。然后,应用直接配点法将最优控制问题离散化为非线性规划问题,即将动态优化问题转化为静态参数最优化问题。选取各节点和配点上的状态量和控制量作为优化参数。最后应用基于M at-lab语言的SNOPT软件包对参数最优化问题进行求解,该软件包对于求解大型非线性规划问题具有很好的收敛性。仿真结果表明直接配点法对于再入飞行器轨迹初始参数取值不敏感,且求解过程具有一定的实时性。因此,直接配点法对于再入轨迹优化问题的求解是可行的。     

某型飞艇外形多目标优化设计及其决策

飞艇的外形设计直接影响了飞艇的飞行性能、气动特性以及结构重量。文中以飞艇的阻力最小以及结构重量最轻作为优化目标,采用多目标粒子群优化算法对某型飞艇的外形进行了多目标优化设计。实际工程设计中,存在的诸多扰动因素会影响设计方案的性能。由于飞艇体积庞大且气囊为柔性材料,扰动因素对于飞艇的性能影响尤为明显。为此,文中提出了一种"基于信噪比的多目标决策方法"。该决策方法以信噪比为准则,不仅可以方便地对多个设计方案进行评价和排序,而且考虑到了工程实际中误差的客观存在,具有较大的工程应用价值。采用基于信噪比的多目标决策方法,从飞艇外形多目标优化的非劣解集中选择出最稳健的设计作为该型飞艇外形的最终设计方案。     

基于新型Memetic算法的多目标优化

为了更好地解决多目标优化问题,提出一种求解多目标优化问题的新型memetic算法。该算法利用微粒子群算法的全局搜索能力和同步启发式局部搜索相结合进行局部微调;利用基于模糊全局极值的概念处理种群中过早出现收敛以及解多样性保持等问题。通过进一步检测得出新算法的特点并展示其在多目标优化问题上的独立性和综合效应。同时应用新型算法对IEEE14节点标准电网进行无功优化计算。结果证明,该新型memetic算法具有很好的寻优能力,验证了该算法的有效性及科学性。     

基于K-Means全局引导策略的多目标微粒群算法

提出了一种基于K-means全局引导策略的多目标微粒群算法(KMOPSO),通过K-means算法从归档集中选出K个均匀分布的非支配粒子作为全局最优引导,以保证种群中的粒子向整个Pareto前端移动,提高解的多样性. 用基于最近邻居的剪枝算法控制归档集规模,同时保证其中非支配解的多样性. 引入变异策略来加强算法的局部搜索能力,避免早熟收敛. 用5个经典函数进行了仿真测试,实验结果表明,该算法能有效地解决多目标优化问题,不但能收敛于Pareto最优前端,而且在解的多样性方面优于改进的非劣分类遗传算法和基于拥挤距离的多目标微粒群算法.     

基于复合形方法的翼型优化设计研究

将流场分析程序和复合形优化方法耦合起来，发展了一种工程实用的翼型优化设计方法，用以提高翼型在多个设计点、在多种约束条件下的气动性能。通过求解N-S方程得到升力、阻力、力矩系数等气动参数，并以这些参数的适当组合构成目标函数，利用复合形优化方法对形成的目标函数进行最优化。算例表明，文中给出的翼型优化设计方法设计质量高，计算结果稳定，在工程上有较大的应用价值。     

基于GA的电力系统多目标模糊无功优化

针对传统无功优化的目标单一性,建立了以有功网络损耗和节点电压偏差均最小为目标的无功优化模型,采用模糊数学将不同量纲目标进行归一化,并转化为单目标模糊规划模型.鉴于多目标无功优化模型的复杂性,以及连续、离散控制变量并存,采用遗传算法搜索全局最优解.对某21节点系统进行了多目标无功优化分析,验证了该模型的可行性和优越性.