多频段电磁屏蔽效能的分析

本文阐述了传输线模型在电磁屏蔽效能中的应用，发展了平面波屏蔽理论，并对单层及多层媒质的情况进行了讨论。文中给出了带有一般参数的屏蔽效能基本表达式，可方便地用于多层媒质的屏蔽效能计算。它也能用于垂直或斜入射到多层非损耗性各向同性媒质（包括绝缘介质和金属镀层）的多频段设计中。本文利用传输线模型对Ａ类夹层屏蔽结构进行了多频段分析和设计。     

基于强电磁脉冲的车辆电磁屏蔽效能仿真分析

强电磁脉冲对车辆电子设备的破坏效应是十分严重的,而电磁屏蔽是有效减少电磁干扰的方法。利用传输线方法（TLM）研究车辆整体在强电磁脉冲（EMP）作用下增加屏蔽材料对电磁屏蔽产生的效果,分析了入射平面波入射方向和极化方向对此电磁环境下屏蔽效能的影响。仿真实验表明车体上增加金属材料屏蔽层对电磁脉冲屏蔽的影响是比较显著的,且电磁脉冲激励源的传播方向和极化方向是影响屏蔽效能的重要因素。

Abstract：

The destructive effect of electronic equipment in vehicle is quite serious in high power electromagnetic pulse.The electromagnetic shielding is an effective way to reduce electromagnetic interference.The electromagnetic shielding effectiveness of whole vehicles under the condition of high power electromagnetic pulse （EMP） was analyzed by transmission line method （TLM）.The impact analysis of shielding effectiveness of the incident plane wave direction and polarization direction was given.Simulation results show that adding metal shielding layers on vehicle body has significant effect on the reduction of high power electromagnetic pulse,and the shielding effectiveness is related to incident wave propagation direction and polarization direction.     

遗传算法及其在RoboCup中的应用

从遗传计算、遗传编程和遗传学习等三个方面，概述了遗传算法在RoboCup（机器人世界杯足球锦标赛）应用领域中的研究进展。在此基础上，提出了一种采用混合智能的Agent结构，作为进一步研究的解决方案。     

平面波斜入射多层材料的屏蔽效能与反射衰减

为解决多层屏蔽材料和吸波材料在分析设计中屏蔽效能和反射衰减的计算问题,从电磁场理论出发,提出了平面波斜入射时材料分界面的输入阻抗,导出了TE波和TM波以任意角度入射多层材料的屏蔽效能和反射衰减计算公式。通过对计算公式的验证与分析,实验验证了计算公式的有效性。研究了电磁波入射角度与极化方式对多层材料的电磁屏蔽效能和反射性能的影响,其结论可用于指导电磁材料的设计与应用。     

电磁屏蔽效能的计算方法

本文对工程界广泛应用的、用于计算电磁屏蔽效能的等效传输线法,进行了分析,指出了该法应用的局限性。文中在各类屏蔽理论的基础上,讨论了计算电磁屏蔽各种方法的适用范围及物理意义。     

基于TLM的机箱孔缝电磁屏蔽效能数值分析

计算机因散热和装配需要,机箱上会存在大量孔缝结构.孔缝结构在不同辐射源作用下的电磁泄漏直接影响计算机的屏蔽效能.以计算机机箱为研究对象,采用传输线矩阵法(TLM)对机箱孔缝电磁屏蔽效能进行仿真研究.阐述了TLM原理,采用并联节点二维TLM单元和对称凝缩节点(SCN)的三维TLM单元算法进行孔缝建模仿真;并首次提出使用耦合微带线的辐射场作为辐射源,对机箱孔阵、接缝、风扇等结构进行了近场和远场电磁泄漏仿真分析;采用平面波辐射场进行远场电磁干扰的数值仿真.通过对比分析不同辐射源和不同结构的屏蔽效能,发现在两种不同辐射场下导致机箱电磁兼容故障的主要结构相同.通过对机箱结构改进措施的仿真设计,实现了屏蔽性能的改善.     

遗传算法在卫星广播调度中的应用

提出了一种基于遗传算法的卫星广播调度算法。利用新的编码方法,把卫星广播调度问题和寻找满足约束条件的矩阵优化问题相对应,通过设计相应的遗传操作算子提高遗传算法的收敛性能,从而较好地实现了利用遗传算法对卫星广播的调度。在卫星个数相同条件下对三种有代表性的卫星广播调度要求进行了实验比较,说明了不同的调度要求对收敛速度的影响。遗传算法的性能决定了本文所提出的算法适用于不同规模的卫星广播调度问题,实验表明该算法是一种收敛速度快,稳定性强的高效卫星广播调度算法。     

基于均匀设计的多目标遗传算法在柔性工作车间调度中的应用

采用均匀设计技术合成多个适应度函数以提高搜索方向的空间均匀性,并针对多目标柔性工作车间调度问题的特点,设计了基于工序顺序和基于机器分配两种交叉变异的操作以及小生境技术、精英保留策略和遗传操作自适应调整策略来提高种群的多样性和搜索的效率。实验证明,本文提出的算法所得结果比较理想。     

自适应多目标遗传算法在柔性工作车间调度中的应用

针对柔性工作车间调度问题的特点，提出了一种新的自适应多目标遗传算法，其特点包括：同时运用了基于工序顺序和基于机器分配两种交叉变异方法以弥补经典工作车问调度问题中交叉变异操作的局限性；根据遗传算法搜索的历史自适应的调整两种交叉变异方法的概率以提高算法的搜索效率和稳定性；引入多目标遗传算法中的小生境技术以保持种群的多样性；采用精英保留策略保护进化过程中的优秀个体。实验结果证明该算法在多目标柔性工作车间调度问题的应用上，可以产生分布性较好的高质量的解。     

一种两层生产计划问题建模及其遗传算法设计

研究了一种两层生产计划集成问题,上层为能力约束批量计划问题,下层为并行双机调度问题。采用单个模型来描述整个集成问题,目标函数由库存费用、缺货费用和加班费用三部分组成。对于该集成优化问题,设计了遗传算法整体求解,每个个体中同时包含了批量计划和作业排序的信息,并通过遗传算子的设计,避免了不可行解的出现。通过数值仿真实验,对三种不同规模的问题进行了计算,通过对计算结果的分析,验证了遗传算法的可行性和有效性。     

多目标优化设计中的Pareto遗传算法

遗传算法的随机性和隐含并行性,使它能同时搜索到多个局部最优解并获得最优解集。为了发挥遗传算法群体搜索的优势,提高多目标优化设计效率和灵活性,在自适应遗传算法的基础上引入群体排序技术、小生境技术和Pareto解集过滤器,建立了一种适用于多目标优化设计的Pareto遗传算法。以Pareto前沿面的形式给出优化设计的Pareto最优解集,供设计者按设计意愿选择最优的设计结果。采用Pareto遗传算法进行跨声速翼型的多目标优化设计,设计结果表明,Pareto遗传算法是十分有效的,完全可以用来进行多目标优化设计。     

基于学习机制的退火并行遗传算法应用研究

本文综合并行遗传算法(PGA)和模拟退火算法(SA)的优点,提出一种新的退火并行混合优化策略(PGASA).该算法克服了并行遗传算法局部搜索能力弱的缺点,在子种群的搜索中引入SA作为GA种群的变异算子,增强和补充了PGA的局部进化能力;同时将机器学习原理引入到混合算法中,增加了种群的平均适值,有效地避免了最优解的丢失,加快了进化速度.针对车间调度中的典型问题进行了仿真,结果证明了新算法的有效性.     

基于遗传禁忌混合搜索算法的设备布局研究

针对设备布局影响制造系统的总体功效的问题,但同时遗传算法在实际应用中,出现早熟现象,爬山能力弱,等一系列缺点提出遗传禁忌混合搜索算法,该算法将遗传算法和禁忌搜索相结合,遗传算法的交叉算子中增加记忆功能,避免迂回搜索,以禁忌搜索作为遗传算法的变异算子。通过实例计算,证明遗传禁忌混合搜索算法是一种行之有效的算法,对解决设备布局这类组合优化问题具有实用价值。     

求解模糊资源受限项目调度问题的遗传算法

本文研究了以排序健壮性最大为优化目标的具有模糊加工时间和模糊交货期的资源受限项目调度问题,采用六点模糊数表示模糊加工时间和模糊交货期,引入了2种模糊数的弱比较方法,即重心距离法和积分值法.针对这一优化问题设计了一种基于任务链表编码形式的遗传算法.数值实验结果表明该算法优于文献中的相关算法,同时实验结果也表明基于2种模糊数的弱比较方法对算法性能影响较弱.     

Intelligent vehicle lateral controller design based on genetic algorithmand T-S fuzzy-neural network

1.INTRODUCTION Effectivelateralcontrolisthepremiseofintelligent vehicle(IV)tracking.However,duetothenon lin earityandparameterstime variety,thelateralcon trollerdesignisadifficulttask.Manyworkshad beendoneforvehiclelateralcontrollerdesign.Ref.[1]usingstandardlinearquadraticcontrolapproach,Ref.[2]usingsliding modelapproach,Refs.[3～5]usingH infinityapproach,Ref.[6]usingnonlinear gain optimizedapproach,Refs.[7,8]usingfuzzy logicalapproach,studythelateralcontrolproblem,respectively.Refere…     

属性约简的两阶段遗传算法

属性约简是数据挖掘的一个重要研究内容. 为了解决具有多种属性类型的决策表约简问题,在粗集和二元关系聚合理论的基础上,利用属性重要性作为评价标准,提出了一种两阶段遗传约简算法. 算法的第一阶段是为了找出尽可能多的约简,第二阶段力求寻找最小约简. 根据算法每个阶段的目标设计了编码方案、种群规模、适应度函数、终止条件、选择、变异和修正操作. 实验表明,与标准遗传算法相比,两阶段算法在计算最小约简时更为准确和稳定.     

用于函数优化的正交Multi-Agent遗传算法

将Multi Agent系统、遗传算法和正交试验设计方法相结合,提出了一种混合进化算法———正交Multi Agent遗传算法。它以Multi Agent系统为基础,通过Agent间的相互作用与每个Agent所具有的知识和自学习功能来提高算法的全局优化能力和收敛速度;同时利用正交试验设计方法产生较好的初始种群和设计正交交叉算子以获得更好的后代;针对正交试验设计产生初始化种群在函数维数很高时需很大存贮空间的缺点,提出了子空间分割法来产生所需的初始化种群,它只需要原来存贮空间的十分之一。首先,对维数为30或100的12个标准测试函数进行仿真试验,结果表明正交Multi Agent遗传算法具有很强的全局优化能力和较快的收敛速度;其次,算法对这些标准测试函数进行高维优化(高达200维),实验结果表明正交Multi Agent遗传算法具有较好的高维搜索能力。     

Method for electromagnetic detection satellites scheduling based on genetic algorithm with alterable penalty coefficient

The electromagnetic detection satellite （EDS） is a type of earth observation satellites （EOSs）. The Information collected by EDSs plays an important role in some fields, such as industry, science and military. The scheduling of EDSs is a complex combinatorial optimization problem. Current research mainly focuses on the scheduling of imaging satellites and SAR satellites, but little work has been done on the scheduling of EDSs for its specific characteristics. A multi-satellite scheduling model is established, in which the specific constrains of EDSs are considered, then a scheduling algorithm based on the genetic algorithm （GA） is proposed. To deal with the specific constrains of EDSs, a penalty function method is introduced. However, it is hard to determine the appropriate penalty coefficient in the penalty function. Therefore, an adaptive adjustment mechanism of the penalty coefficient is designed to solve the problem, as well as improve the scheduling results. Experimental results are used to demonstrate the correctness and practicability of the proposed scheduling algorithm.     

一种自适应多Agent协同遗传算法

提出了一种自适应多Agent协同遗传算法。该算法由协调控制器下的多个相对独立的Agent组成,每个Agent都是由简单遗传算法构成的计算实体。协调控制器根据每个Agent的产出和成长性,自适应地分配计算资源,使有限的资源得到更加合理的利用。各Agent之间通过个体迁移和跨域交叉进行协作,个体迁移为A gent引入新的遗传基因,跨域交叉能产生出更加优良的后代个体,从而改良各个个体种群的品质。测试结果表明,该算法具有很好的收敛性能