基于遗传算法的多无人机塔杆巡检任务分配算法研究

“无人机+巡检车”作为一种新的电力系统巡检方式,受到广泛关注。驻车点的坐标、多无人机巡检所管辖区域内塔杆的分配是决定巡检效率的关键。首先,基于K-means聚类算法找到了所有塔杆坐标的聚类中心,即驻车点坐标;然后,以平均分配无人机巡检时间为目标函数搭建了无人机分配任务数学模型;最后,采用遗传算法优化目标函数,得到了最优无人机巡检任务分配。仿真算例表明,通过该方法分配的无人机的巡检时间十分接近,提高了巡检效率。

基于改进遗传算法的多无人机搜索航路规划

针对多无人机对特定区域内的目标搜索问题,提出了一种基于贪婪算法改进变异操作的自适应遗传算法。依据先验情报对搜索区域进行栅格化处理,并结合无人机性能约束建立基于状态更新周期的协同搜索模型;引入类0-1编码将无人机航向控制序列与搜索概率进行关联;考虑到机载雷达对某一区域的重复探测会在一定程度上提高搜索概率,提出加入贪婪算子的贪婪变异策略,并引入策略选择阈值实现依据搜索概率变化对变异策略的动态调整,提高算法后期的局部搜索能力。仿真结果表明,改进的自适应遗传算法整体性能较好,具有较强的搜索能力和鲁棒性。

基于匈牙利融合遗传算法的多无人机不平衡目标分配

基于无人机和目标之间的态势,研究不平衡目标任务分配建模和求解问题。首先,分析空战战场下无人机和目标之间的态势,提出一种某时刻的态势评估方法,建立多无人机不平衡目标分配模型;然后,用匈牙利遗传算法的目标分配算法求解该模型;最后,构建仿真算例进行仿真实验。仿真结果验证了所提算法的有效性,同时也表明了匈牙利遗传算法能够提升模型的求解效率。

基于改进遗传算法的大数据中心资源分配方法

为提高大数据中心在处理海量数据请求时的资源分配效率,降低运营成本,本研究采用改进的遗传算法优化资源分配过程。考虑到传统遗传算法在大规模系统中应用时存在的不足,如收敛速度慢、局部最优问题,本研究引入自适应变异率与精英选择策略增强算法搜索能力与适应性。本研究还设计了一种新适应度函数,以更精确地反映资源分配效率,满足公平性需求;进行了基于改进遗传算法的大数据中心资源分配模型设计,实现了大数据中心资源动态排序与高效分配。通过模拟测试,验证了改进遗传算法在资源利用率、响应时间、能耗等方面的表现。结果表明,与传统遗传算法相比,基于改进遗传算法的大数据中心资源分配方法在各项性能指标上都有显著提升,可支持大数据中心面对不断变化的工作负载和运行环境的适应性需求。

基于改进遗传算法的协同航迹规划方法

针对多无人机协同规划问题求解规模大、效率低的问题,提出了一种单-双亲遗传算法(PBGA)求解模型。该算法具有改进的编码方法和一种单双亲结合的进化策略,由单亲遗传算子进行种群进化,由双亲遗传算子跳出局部最优。仿真结果显示,PBGA具有收敛性,在小规模和大规模寻优算例中分别比传统遗传算法减少了70%和64%的收敛代数,对解决多无人机协同问题具有一定的参考价值。

基于改进遗传算法的多无人机任务分配

为解决传统遗传算法在求解多无人机任务分配问题时易陷入局部最优和收敛速度较慢的问题,文中提出一种融合模拟退火思想的改进遗传算法。首先描述多无人机任务分配问题,将其转化为多旅行商问题,并建立数学模型;然后在传统的遗传算法中引入Metropolis准则,对选择、交叉、变异后的子代种群进行优化调整,使算法可以跳出局部最优并快速收敛;最后进行仿真实验,采用TSPLIB数据库对改进算法进行有效性验证,分别求解不同规模的多旅行商问题,对算法的优越性进行验证,求解任务分配算例以验证改进算法解决多无人机任务分配问题的可行性。实验结果表明,改进的遗传算法能跳出局部最优,收敛速度显著提升,在求解多无人机任务分配问题时,寻优效果优于改进前的算法。

基于遗传算法的多无人机对岸打击任务分配研究

无人机在军事领域发展迅速,在对岸打击任务中无人机能够发挥打击作用,但无人机载弹量有限无法单独完成战备工程的打击任务,往往需要多种无人机共同完成打击任务。为实现最大化打击效果,需要找出最优任务分配完任务,针对异构无人机打击对岸目标的任务分配最优求解问题,采用遗传算法求解最优任务分配方案,通过对对岸打击任务分配模型建模,得出遗传算法的适应度函数。基于遗传算法容易“早熟”的问题,在遗传算法迭代过程中调整最优个体遗传数目和变异概率,提高遗传算法效率。最后通过仿真实验验证,改进的遗传算法能有效解决异构无人机打击对岸目标的任务分配问题。

基于改进遗传算法的火力分配寻优模型研究

为求解远程火力打击方案优化问题,设计一种基于剪枝的改进遗传算法。基于不同时期的种群适应度,调整自适应选择策略和自适应交叉策略,提高了算法的收敛精度,加快了收敛速度。在确保种群多样性的前提下,保证了算法的收敛性。仿真试验对比结果分析表明所设计的改进算法具有更高效的寻优能力。

基于改进自适应遗传算法的微电网负荷优化分配

主要研究了微电网负荷优化分配的问题,即在满足微电网安全运行约束和负荷需求的条件下,优化微电源的出力,使微电网的发电总成本最小。分析建立了微电网负荷优化分配的数学模型,考虑了微电网运行约束条件、负荷需求,微电源的燃料消耗、维护成本与起动成本,以及动态的网络损耗量和购电、售电价格等。研究了微电网分别处于孤网运行与联网运行时的经济性。并运用基于实数编码的改进自适应遗传算法对其进行数值求解。最后,通过算例验证了所提出的方法的有效性。

基于自适应遗传算法的蜂窝网络信道分配

为解决遗传算法用于蜂窝网络固定信道分配时存在的过早收敛问题,通过采用最大需求优先最小冲突初始化方式、渐进式变异技术和一种新的交叉概率、变异概率自适应调整策略,提出一种自适应遗传算法。通过评估一组benchmark问题,证明该算法对解决信道分配问题具有较强的最优解收敛能力,收敛速度较快。

采用自适应遗传算法的机床公差分配研究

针对当前机床几何精度建模忽视装配过程中的调整量,以及机床公差分配时缺乏科学可行的方法问题,利用状态空间模型描述机床实际装配过程,考虑装配过程中的调整控制量,建立了更加准确的机床装配精度模型,并引入种群多样性指标,构建了用于机床公差分配的自适应遗传算法。以TGK46100精密卧式坐标镗床为研究对象,建立了装配精度要求与基础大件角度误差之间的映射关系,以零件加工总成本最小为目标函数,采用构建的自适应遗传算法,完成了该机床基础大件角度公差的分配。结果表明:与不考虑装配调整量的偏差累积方法相比,该方法放宽了零件加工精度,最大放宽幅度达到了36.4%,平均放宽幅度为12.0%,从而在满足最终装配精度要求的前提下,降低了零件加工制造成本,为机床公差分配提供了更加准确的精度建模方法和可行合适的公差分配方法。

基于改进遗传算法的异构多无人机任务分配

针对异构多无人机协同任务分配问题,提出了一种基于改进的遗传算法的多UAV任务分配方法。根据多UAV协同任务分配问题的特点,设计了新的遗传算子,并且对适应度值做了标定,有效避免了算法在最优解附近摆动现象的发生,从而提高了任务分配的效率。充分利用改进遗传算法的全局搜索能力,有效地解决多约束条件下多UAV协同目标分配问题。仿真结果表明,改进的遗传算法能够稳定快速地找到较优分配方案,并且算法简单有效。

基于动态自适应遗传算法的舰艇防空火力分配

本文提出一种基于自适应编码思想的遗传算法用于解决水面舰艇防空火力分配问题,该算法采用自适应编码,自适应选择与自适应的交叉与变异算子,能在较短的时间内得到全局优化解。仿真实验结果表明:新算法与其他算法相比,在优化性能和时间性能方面都有了一定的改善,可以较好地避免陷入局部最优,能较好地解决舰艇防空火力分配问题。

考虑分配次序的无人机协同目标分配建模与遗传算法求解

本文研究了动态战场环境中的多无人机协同目标分配(MUCTA)问题,首先通过分析UAV分配次序对打击任务总收益的影响,设计了动态战场环境的更新规则,将航程代价和任务代价作为惩罚项修正目标函数,建立了考虑分配次序的UAVs协同目标分配优化模型.然后针对模型的物理意义改进了遗传算法基因编码方式,设计了MUCTA遗传算法,该算法利用状态转移思想,引进SDR算子获得多种分配次序种群,同时以单行变异算子修正UAV与目标对应关系,并采用最优个体法和轮盘赌法筛选子代个体.最后仿真结果验证了所设计算法的有效性.

自适应遗传算法在气田开发规划产量分配优化模型中的应用

在气田开发规划产量分配优化模型的基础上,引入一种具有自适应选择、自适应交叉与自适应变异操作的自适应遗传算法对模型的求解进行了研究,并运用MATLAB6.0编写算法程序,选取开发规划产量分配优化模型中的定成本产量最大模型,实例分析该算法在气田开发规划产量分配优化模型中的具体应用,并与传统遗传算法和SUMT方法进行结果对比,取得了较好的效果。

基于云自适应遗传算法的NoC路径分配研究

路径分配是NoC设计流程中的两个关键步骤之一;路径分配的结果对NoC系统的性能尤其是通讯延时有着很重要的影响;多约束条件下的NoC路径分配问题是NP完全问题,要求出其最优解比较困难,目前常用的方法是利用启发式算法求得其较优解;文中提出一种基于云自适应遗传算法的NoC路径分配解决方案,该算法利用云模型对传统遗传算法加以改进,采取新的方法自动调整遗传算法过程中的交叉概率pc和变异概率pm,将适应度与云模型的3个参数Ex、En、He相互结合,从而达到优化遗传算法的目的;将此算法应用于2D-Mesh拓扑结构的NoC中,以平衡链路负载和联合优化为实验目标,以优化静态通讯分配结果;实验证明,文章所采取的算法在平衡链路负载和联合优化方面均取得了良好的效果。

一种改进的自适应遗传算法求解专家分配问题

基金项目管理中,专家分配问题的研究具有很现实的意义。在解决专家分配问题上做过一些基础性的工作,提出了使用遗传算法及一种信息素指导变异的新算法求解该问题。实验证明,遗传算法是一种可行的途径,并且信息素指导下的启发式变异操作,可以加速算法向最优解搜索。但是,这两种方法都存在局部搜索能力差的问题,在算法运行的中后期会出现大量的冗余迭代。鉴于此,提出一种信息素指导下的自适应变异方法求解专家分配问题。实验证明,新算法具有更强的收敛能力和局部搜索能力。

基于自适应遗传算法的冷连轧负荷分配优化

针对冷连轧轧制力模型精度低的问题,利用BP神经网络预测变形抗力和摩擦因数,并与现有的轧制力解析模型相结合,用来提高轧制力的设定精度,再以各机架轧制力等比例均衡分配为优化目标,采用改进的自适应遗传算法,设计了一种冷连轧负荷分配优化方法。通过对某五机架冷连轧机的负荷分配进行比较,结果表明自适应遗传算法具有比标准的遗传算法收敛性能更好、精度更高等优点,可以作为冷连轧负荷分配优化的新方法加以推广。

基于自适应遗传算法的无人机航路规划

在规划区域内随机产生一系列威胁点和相应威胁半径来量化无人机(UAV)任务环境,通过纵向剖分目标区,将航路点的表示由二维缩减到一维,采用实值编码以提高运算精度.针对遗传算法(GA)早收敛和收敛慢的问题,在交叉和变异中设计了自适应算子.计算仿真表明该控制算法能使无人机在复杂环境中回避威胁,快速选择最短路径,提高了规划效率.

自适应双边界约束遗传算法的储位分配研究

在采用精英保留策略改进遗传算法的基础上,创新性地提出一种自适应双边界约束策略来改进遗传算法,使改进后的算法在提升搜索效率上效果显著,收敛性增强。实验数据表明,自适应双边界约束遗传算法应用于仓储管理的储位分配算法的寻优平均效率提升77.8%,寻优平均速度提升62.5%。