LeCMPSO算法求解异构无人机协同多任务重分配问题

无人机系统在军事领域有着广泛应用,由于战场环境复杂多变,无人机遭遇突发状况后需进行任务重分配.异构无人机是指多种类型的无人机,可完成单一无人机无法完成的多类型复杂任务,异构无人机协同多任务重分配问题约束条件复杂且包含混合变量,现有多目标优化算法不能有效处理此类问题.为高效求解上述问题,本文构建多约束异构无人机协同多任务重分配问题模型,提出一种学习引导的协同多目标粒子群优化算法(LeCMPSO),该算法引入基于先验知识的初始化策略和基于历史信息学习的粒子更新策略,能有效避免不可行解的产生并提升算法的搜索效率.通过在4组实例上的仿真实验表明,与其他典型的协同进化多目标优化算法相比,所提算法在解集的多样性、收敛性及搜索时间方面均具有较好的性能.

考虑时间依赖收益特性的敏捷卫星调度问题

随着地球影像需求的日益增长,敏捷对地观测卫星的任务调度问题已经成为了一个亟待解决的技术难题。由于观测角度对成像质量的影响,敏捷卫星调度问题需要考虑到一个重要的问题特性——时间依赖收益特性,即不同角度观测同一目标的收益不同,这无疑增加了调度的复杂性。根据问题模型特点,本文提出了一种基于分支定价的精确求解算法和一种高效且求解质量有理论保证的启发式算法。该精确算法是首个求解敏捷卫星多圈调度问题的精确算法,求解效果突出,对规模为150的算例能在平均500秒内得到最优解,性能远超商业求解器。所提出的启发式算法在求解质量上超越了文献中最先进的启发式算法,对规模为150的算例最优间隙平均不超过0.3%。

面向智能敏捷卫星的自主任务规划与调度

针对卫星机动能力提升和场景需求更加复杂的实际,设计了一种面向智能敏捷卫星的启发式调度方法。基于智能敏捷卫星系统,给出了调度问题的模型化描述;在此基础上,给出了滚动调度的自主任务规划调度框架,并基于系统延时指令和实时指令两个工作模式,在调度时机决策上分别采用混合触发机制和动态触发机制,并在调度算法上分别采用基于规则和优先级的启发式算法。另外,为了验证模型与算法在实际星上环境的表现,在板卡硬件上完成调度系统的设计与实现,并进行仿真实验,用以测试硬件系统的调度效果和延迟时间。

求解全局优化问题的智能遗传算法

提出了一种智能遗传算法,该算法融合了5种交叉算子、8种变异算子和5种灾变算子,能根据当前优化结果智能地选择交叉算子、变异算子和灾变算子,在不影响搜索过程随机性的前提下收敛于全局最优解。不同于传统遗传算法,本算法增加了对各种算子优化性能的统计,在优化过程中尽可能使用那些优化性能高的算子,从而提高了智能遗传算法的优化性能。为了验证本算法的性能,采用12种传统遗传算法和本算法同时对20个测试函数进行了求解。最终的数据实例表明,方法是可行的、正确的和有效的。

任务规划系统研究综述

任务规划系统作为举世瞩目的高科技技术,已经引起了广泛的关注和应用。目前世界上一些主要国家都在研制任务规划系统,且进展很快。为了更好地推进我国学者对于任务规划系统的研究,对任务规划系统的研究进行了全面综述。主要内容包括任务规划系统的发展、应用、主要实现方法及未来发展方向。在应用中,综述了任务规划系统在战场态势评估、无人飞行器、机器人领域的应用。在主要实现方法中,主要描述了数学规划、D*优化算法、A gen t方法和遗传算法四种方法。最后给出了任务规划系统未来发展方向:现代技术的融合、发展战略级任务规划系统及未来社会任务规划系统预研。

基于混合蚁群优化的卫星地面站系统任务调度方法

卫星地面站系统任务调度是一个典型的组合优化问题,优化过程极其复杂.鉴于此,提出了一种有效求解该问题的基于蚁群优化算法和导向局部搜索方法的混合优化方法.该方法将蚁群优化和导向局部搜索有效地结合在一起,极大地提高了优化绩效.实例计算结果表明,该混合方法能有效地求解卫星地面站系统任务调度问题.

基于知识的智能优化引导方法研究进展

为了提高智能优化方法的优化性能,国内外学者通过知识来加强对优化过程的引导.对基于知识的智能优化引导方法进行了综述:一方面通过传统人工智能手段来实现对智能优化方法的引导;另一方面通过特定知识模型来实现对智能优化方法的引导.从前期优化过程中挖掘有用知识,采用知识来引导后续优化过程,极大地提高了智能优化方法的优化性能.

基于ELECTRE-IV方法的坦克陆上机动性能评估

坦克对地面战争的胜利具有重要的作用。机动性优劣对坦克作战能力的发挥具有极为重要的影响,因此对它进行科学的评估也就有相当重要的意义。坦克机动性能的评估是一个典型的多目标决策问题。采用ELECTRE-IV方法评估坦克陆上机动性能,给出了该方法的具体描述,进行了具体的实例检验。结果表明,这种方法科学合理,为坦克机动性的评估提供了新思路。

基于仿真的坦克陆上机动性能评估

该文采用仿真方法对坦克的陆上机动性能进行了综合评估。提出了"随机地图"的概念,这样可以仿真各种典型的地形。运用仿真方法建立了坦克机动性评估模型,并编制应用程序,进行实例检验。结果表明,这种方法科学合理,为坦克机动性的评估提供了新思路。仿真方法具有普遍意义,能推广应用于坦克其它性能的评估。

基于神经网络的坦克机动任务规划

在未来高技术局部战争条件下,坦克不得不面临一个动态复杂的战场环境,这就要求坦克能根据战场环境实时地进行任务规划。以单辆坦克在陆地上的自主机动为背景,提出了一种基于神经网络的坦克机动任务规划方法。在机动任务规划的实施方面,重点描述了两个基本方面:坦克机动环境的评估及坦克机动任务规划的自主实现。以神经网络方法为基础,提出了实现坦克自主机动的基本思路,并编制应用程序,进行实例检验。结果表明,这种方法科学合理,为坦克机动任务的规划提供了新思路。神经网络方法具有普遍意义,能推广应用于坦克其它方面的任务规划。

基于多规则实时学习神经网络的时间序列预测模型

在总结现有神经网络方法缺陷的基础上,提出了模型的思路:预测网络小型化;实时学习;多次预测取均值;加入规则辅助神经网络预测。相对于传统的神经网络模型来讲,该模型突出了动态学习、动态预测的特色,增加了辅助预测的3大规则(异常处理规则、再学习规则和取均值规则)。给出了该模型的工作流程,并以一个实际问题说明了该模型训练、预测的全过程。数据实例表明,该模型是正确的、可行的。同时和其他5种模型预测结果的对比表明,该模型的预测结果是最优的,这充分体现了模型的有效性、先进性。

求解双层CARP优化问题的演化学习型遗传算法

双层有能力约束的弧路径优化问题(capacitated arc routing problem,CARP)的研究对象通常是某个城市或地区,首先聚焦于该地物流系统的宏观配置,然后考虑相关服务的完成问题。针对双层CARP优化问题,提出了一种演化学习型遗传算法(learnable genetic algorithm,LGA)。建立了LGA的基本框架,设计了构件知识和算子知识等知识形式。在LGA中,采用扩展启发式方法辅助生成初始种群,使用算子知识为选择、交叉和变异选择操作算子,应用构件知识为交叉和变异操作选择断点位置,同时借助局部替换程序不断地向当前种群中注入新个体。LGA的框架为现有优化方法改进提供了一种有益借鉴。

神经网络的坦克目标威胁评估

在未来高技术局部战争条件下,坦克不得不面临一个动态复杂的战场环境,这就要求坦克能根据战场环境实时地进行目标威胁评估及自主射击。以坦克的自主作战为背景,提出了一种基于神经网络的目标威胁评估方法。首先提出了包含来袭目标性质、指战员指令、保卫目标的重要度、我方武器性能值等一套威胁评估指标体系;然后采用神经网络方法进行威胁评估。神经网络方法的优势主要体现在:①考虑了诸因素的相互关联;②充分考虑了战术信息;③权系数对具体环境的适应性;④方法的通用性。实例结果表明,神经网络方法科学合理,为坦克目标威胁的评估提供了新思路。神经网络方法具有普遍意义,能推广应用于其它武器平台的目标威胁评估。

基于智能搜索的坦克机动任务规划

在未来高技术局部战争条件下,坦克不得不面临一个动态复杂的战场环境,这就要求坦克能根据战场环境实时地进行任务规划。以单辆坦克在陆地上的自主机动为背景,提出了一种基于智能搜索的坦克机动任务规划方法。在机动任务规划的实施方面,重点描述了两个基本方面:坦克机动环境的评估及坦克机动任务规划的自主实现。构造了一种智能搜索方法,同时应用这种方法提出了实现坦克自主机动的基本思路,并编制应用程序,进行实例检验。结果表明,这种方法科学合理,为坦克机动任务的规划提供了新思路。神经网络评估方法具有普遍意义,能推广应用于坦克其它方面的任务规划。

基于tensor-flow神经网络算法改进的人脸识别

针对传统应用于CIFIR-10数据集的基于tensor-flow神经网络算法需要对数据集进行人为预处理、容易过拟合和准确率低等缺点,改变特征维度和加入卷积层CNN以提升迭代速率,通过drop out、权重衰减和L2正则化方法改善过拟合问题,并使用梯度下降法对神经网络模型进行优化,得到了收敛速率局部波动,但准确率、迭代效率都有较好的结果,为神经网络的设计提供了理论参考。

基于多目标演化优化的SVM对抗仿真测试算法

机器学习通常从数据中挖掘潜在的模式与规则,容易受到数据的影响而产生诸如过拟合、欠拟合等现象,进而影响学习模型的泛化与鲁棒性能。从对抗仿真测试的角度考察SVM可能存在的脆弱不稳定性,采用的对抗仿真策略是通过选择性地污染训练样本标签,模拟攻击SVM分类器使其性能退化,以测试其对训练样本的依赖性。为探究SVM分类器在不同样本组合攻击下的性能损失上限,设计了最小攻击代价-最大攻击成效这一对矛盾目标,构建了SVM仿真测试的多目标优化模型。该模型本质上是一种典型的多目标组合优化问题,可采用适当的多目标演化算法求解目标间的一组非支配解集,揭示分类器在不同样本组合攻击下的分类性能表现。在人工及真实数据集上的仿真对比实验结果表明:所提方法能够一次性生成不同攻击水平下的最优攻击样本组合,取得最大的分类性能损失,更能全面测试SVM分类器性能的稳定性。

考虑废物包装时间的车辆回收路径规划方法

针对考虑废物包装时间的车辆回收路径规划问题,建立问题数学模型,提出禁忌搜索算法与模因算法求解该问题,并与爬山算法、遗传算法进行对比。模因算法是爬山算法和遗传算法的结合。实验结果表明:在解的质量方面,禁忌搜索算法与模因算法所求出的解的质量要远远好于另外两种算法,但在运行时间上,禁忌搜索、爬山算法与遗传算法要远优于模因算法。

面向创新能力培养的“调度理论与方法”课程建设构思

各高校以提升学生创新能力培养为目标,在课程体系建设和知识点梳理方面进行了大量卓有成效的工作。以"调度理论与方法"课程为例,简要阐述了面向创新能力培养的课程建设构思。

无人驾驶坦克自主作战决策系统框架

提出了一个分布式解决无人驾驶坦克自主作战决策的框架,将自主作战、动态任务规划和任务策略的智能评估等思想引入无人驾驶坦克自主作战决策系统。包括以下两个重要内容:主体个体的能力和职责;信息和知识如何在主体之间传播使得他们能准确地完成作战任务。文中重点是无人驾驶坦克自主作战决策系统中主体之间动态知识的交换。主体确保自己的行为是一种动态的经验操作和直接与其他主体交流事实、需求和规则的结合。在各个主体中,知识可以作为事实、规则、需求的结合体来传播交换。

面向动作序列的敏捷卫星任务规划问题

针对新一代敏捷卫星对地观测任务规划问题,考虑了直拍直传、立体成像、多条带拼接等复杂任务需求和观测、数据下传、对日定向等九种卫星动作,在任务规划的同时进行卫星动作规划。设计并实现了前瞻启发式构造算法,算法满足卫星存储、能量等复杂约束,在前瞻过程中每次决定当前任务是否安排。采用基于专家知识的多种启发式规则决定任务安排与安排卫星动作序列。仿真实例及实际工程应用表明,算法可以在很短的时间内给出较好的结果,证明了本文方法对于敏捷卫星任务规划问题的适用性。