人机合作多蚁群协同进化算法的潜艇管路布局

本文针对潜艇多管路布局空间结构,运用协同进化的思想,结合人机合作思想,提出了基于人机合作的多蚁群协同进化算法的潜艇管路智能布局方法;该算法潜艇的每一条管路对应一个蚁群,一方面采用基于顺序蚁群优化算法的布局,一方面采用人机合作的多蚁群协同进化方法对选取的系统模型进行布局优化以使多管路布局达到最优;该算法既不必考虑布局顺序,又避免了增加管路布局数量时组合爆炸现象的发生,从整体优化管路布局;在测试模型上的验证结果验证了该算法的可行性和有效性。

基于合作协同进化算法的航迹冲突解脱研究

为解决基于航迹运行(Trajectory Based Operation,TBO)模式下大规模航迹战略冲突解脱问题,建立了综合考虑最小化冲突数量和航迹调整成本的双目标优化模型.设计了基于超体积指标的多目标合作协同进化算法(Indicator-based Cooperative Coevolution Multi-objective Evolutionary Algorithm,IBCCMOEA)进行模型求解,采用非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm Ⅱ,NSGA-Ⅱ)进行子种群优化.同时,设计了自适应遗传算子加快算法收敛速度.分别采用中国航路网络繁忙时段442架和1014架航班历史飞行数据进行仿真验证,将所提算法与NSGA-Ⅱ,基于分解的多目标进化算法(Multi-objective Evolutionary Algorithm Based on Decomposition,MOEA/D)以及多目标合作协同进化算法(Cooperative Coevolution Multi-objective Evolutionary Algorithm,CCMOEA)进行对比分析.实验结果表明所提算法相比于其他算法收敛速度提升了7.54%,可以获得无冲突的飞行计划且航迹调整成本减少了约9.62%.所获得的结果可以满足TBO环境下的协同决策需求,算法收敛速度可以满足效率要求.

基于合作协同进化和IMPSO算法的多阶段多目标电网规划

提出一种模型,其任务是在满足安全约束的条件下,确定何时、何地,新建多少线路以满足各阶段电网负荷增长的需要,同时使建设费用、运行费用和网损费用最小。尝试将合作协同进化算法与IMPSO算法结合,应用于多阶段多目标的电力系统规划问题,在各阶段中采用IMPSO算法多目标优化,各阶段之间通过合作协同算法根据各约束条件进行协调。与常规算法比较,在算例分析与实际应用中取得了较好的效果。

合作型协同进化遗传算法求解分布式柔性作业车间调度问题

针对以最小化最大完工时间为优化目标的分布式柔性作业车间调度问题,提出一种合作型协同进化遗传算法。采用工厂分配和工序排序解耦编码,基于机器负荷解码并基于工厂负荷初始化种群,使算法在较优的解空间内迭代搜索。利用分而治之的思想,将问题分解为多个子问题,通过随机协同机制促进子种群协同进化并提高全局搜索能力。使用基于关键工厂的多重局部扰动策略,提高算法的局部开发能力。在基准实例上进行实验,并与其他算法进行对比,验证了所提算法的有效性。

基于非支配遗传算法及协同进化算法的多目标多区域电网规划

基于快速分类的非支配遗传算法(NSGA-II)是一种新型的多目标遗传算法,文中首次将其应用于电网优化规划。多个算例分析表明NSGA-II算法在电网规划中具有良好的优化效果,为各目标之间的权衡分析提供了有效的工具;协同进化算法采用分解-协调的思想处理复杂系统的演化,可以克服当优化问题规模扩大时,常规进化算法易于出现过早收敛的现象。据此提出将协同进化算法和NSAG-II算法相结合,以用于处理大规模多区域的电力系统规划问题,在各子网采用NSAG-II算法优化的过程中进行多区域协调。与常规遗传算法相比,算例分析取得了更好的规划结果。

基于协进化多子群蚁群算法的多无人作战飞机协同航迹规划研究

协同航迹规划是有效提高多无人作战飞机(UCAV)协同作战效能的关键技术之一。分析了多UCAV协同航迹规划问题中的空间协同约束、时序约束以及任务时间约束,建立了基于"协同系数"的协同航迹性能评价指标;在此基础上,通过引入蚂蚁子群间的协同进化策略,并对蚁群算法状态转移规则、信息素更新机制进行了改进,设计并实现了基于协进化多子群蚁群算法的协同航迹规划算法。仿真实验结果表明:本文方法能够很好地处理多UCAV协同任务中的各类约束条件,是一种有效的协同航迹规划方法。

导弹总体参数优化设计的合作协同进化MDO算法

传统的导弹设计方法不能很好地实现各子系统设计的协同 ,而多学科设计优化技术十分适合现代计算机网络环境下的多学科协同设计。根据协同进化与MDO在本质上的相似性 ,采用合作协同进化的方法进行MDO算法研究 ,以充分发挥进化算法的优越性。给出了一种基于合作协同进化的MDO算法 ,将该算法应用于导弹的气动 发动机 控制一体化优化设计。

汽车门板内饰多机器人焊接的动态协同规划

为了减小多机器人协同焊接的路径长度并提高机器人之间的负载均衡度,提出了基于动态规划-个体差异进化遗传算法的协同焊接规划方法。以多机器人协同焊接路径长度、负载均衡度为优化目标建立了优化模型,并分析了协同焊接约束条件。针对单机器人焊接路径规划问题,在遗传算法中针对染色体进化能力的差异性,提出了个体差异进化策略,给出了基于个体差异进化遗传算法的路径规划方法。针对多机器人协同焊接问题,使用动态规划将其划分为3个子问题,实现了多机器人协同焊接任务分配和路径规划。经某型汽车前门焊点路径规划验证,个体差异进化遗传算法规划的路径最佳长度、平均长度均优于传统遗传算法;经后门焊点的4机器人协同焊接验证,在满足无干涉约束下,这里方法的路径长度、负载均衡度优于文献[11]离散粒子群算法。实验验证了这里方法在多机器人协同焊接分配和规划问题中的优越性。

一种改进的多目标合作型协同进化遗传算法

针对传统多目标算法早熟收敛及多样性不足的问题,提出了一种改进的非支配排序合作型协同进化遗传算法(Improved Non-dominated Sorting Cooperative Coevolutionary Genetic Algorithm,INSCCGA)。该算法利用外部档案存储每一代进化过程中产生的精英个体,并对其不断进行更新,以加快算法的收敛速度。同时提出了一种新型子种群之间协同进化的方式,增强候选解的多样性。利用ZDT系列标准测试函数,与经典的多目标进化算法NSGA-II以及多目标协同进化算法NSCCGA进行了对比,结果表明改进算法具有更好的收敛性以及均匀的解分布。

求解连续函数优化问题的合作协同进化布谷鸟搜索算法

为改善布谷鸟搜索算法求解连续函数优化问题的性能,提出合作协同进化的布谷鸟搜索算法.改进算法通过应用合作协同进化框架,将种群的解向量分解成若干子向量,并构成相应子群体.利用标准布谷鸟算法更新各子群体的解向量.各子群体为其它子群体提供最优个体,组合成问题解向量并完成子群体评价.经10个测试函数实验仿真,结果说明改进算法能有效改善求解连续函数优化问题的性能.同时,针对连续函数优化问题,该算法与其它算法相比是有竞争力的优化算法.

基于合作式协同进化算法的神经网络优化

针对一般遗传算法优化神经网络存在的不足,提出合作式协同进化遗传算法实现神经网络结构和权值同步优化方法.首先,结合合作式协同进化遗传算法本身特性和神经网络特点,给出种群分割方法;其次,为了实现结构和权值的同步优化,提出一种新的混合编码方法,并根据该混合编码方法设计新的交叉和变异算子;然后,根据编码结构、代表个体和合作团体之间的关系,提出一种新的结构优化方法;再次,给出进化过程所需代表个体选择、适应度构造方法等.最后,通过双螺旋线问题验证本文算法的有效性.

基于进化算法的多无人机协同航路规划

以突防航路时域协同指数、空域协同指数、突防时长指数和受威胁指数为规划目标,以最小直线航路段长度、可飞空域、续航能力和进入任务航路方向为约束,构建了多无人机协同突防航路规划模型。结合模型特点,利用合作型协同进化遗传算法对该模型进行求解。

变种群规模合作型协同进化遗传算法及其在优化中的应用

分析合作型协同进化遗传算法的进化效率和计算复杂性等与子种群规模的关系;在此基础上提出子种群规模自适应调整算法的思想,给出子种群规模调整的依据和调整方法;进而提出基于实数编码的变焦遗传算法.典型函数优化实例验证了该算法具有计算复杂性小和进化效率高的优点.

基于协同进化NSGA-Ⅱ的多目标交直流配电网规划方法

针对目前进入深度试验的交直流混合配电网,提出了一种交直流配电网网架规划模型,实现经济目标和运行可靠性目标的两目标优化规划。针对该优化模型,采用带精英策略结合协同进化思想的NSGA-Ⅱ算法进行优化求解。进行了交直流混合规划算例分析,结果论证了所提方法的可行性和有效性。

基于合作协同进化遗传算法的大型工程项目组合管理模型研究

针对大型工程项目组合管理问题,在分析工程项目组合中项目间收益、资源、工期和结果相关性的基础上,建立考虑相关性的工程项目组合选择数学模型。将合作协同进化算法与遗传算法相结合,应用于工程项目组合选择模型问题的求解,根据工程项目实施阶段划分不同的子种群,各子种群之间通过合作协同进化算法进行协调。最后,通过实例计算验证了算法的有效性和实用性。

双系统合作式协同进化算法求解不可分解函数

针对不可分解函数求解问题,基于合作式协同进化(cooperative co-evolutionary,CC)框架,发展一种双系统协同进化算法。该算法给出一种双系统A,B的CC框架新结构形式及其相应的协调机制,以增加算法的多样性和收敛性;给出双系统A,B各自求解的两种算法,例如差异进化、改进粒子群算法选择原则和匹配方式,使该两种算法具互补性,并且与双系统A,B各自角色相匹配,目的是提高基于CC框架双系统算法的计算性能。经不可分解函数集(维数D=1 000)测试表明,本文算法计算性能(计算精度和标准差)与其他3种典型算法相比,对于其中某些函数求解占优,总体上4种算法对函数集的求解各有所长,具有互补性。

基于非线性规划协同进化遗传算法的防空导弹火力优化分配研究

为了进一步提高防空导弹目标分配问题的求解效率和解算能力,建立了防空导弹目标火力分配模型,提出了一种非线性规划协同进化遗传算法(NLPCGA)。该算法是综合非线性规划算法(NLPA)局部搜索能力强和协同进化算法(CA)求解质量高的优点,并利用遗传理论提高算法的求解效率。通过结合实例,仿真结果表明NLPCGA算法在求解防空目标火力分配问题上要优于单独两种智能算法,可以有效快速地找到最优火力分配方案,为防空作战指挥决策提供支持。

灾变合作型协同进化遗传算法及其在Job Shop调度中的应用

合作型协同进化遗传算法是多个子种群通过协作而共同进化的新型算法,常应用于多目标、大规模的优化问题。本文在合作型协同进化遗传算法的基础上,进一步模拟自然界中的灾变现象,在原先的算法中加入灾变算子,提出灾变合作型协同进化遗传算法,以防止出现不成熟收敛现象,并用经典的函数优化问题和Job Shop车间调度问题进行仿真实验,其结果验证了改进算法的优良性能.

基于多目标优化算法的多无人机协同航迹规划

多无人机协同航迹规划是无人机协同作战的关键技术之一。本文提出的一种针对多无人机协同航迹规划的多目标优化算法,即协同非支配排序进化算法(cooperated non-dominated sorting genetic algorithms-II,CO-NSGA-II),针对多架无人机的航迹距离、安全性、时间以及空间的协同性进行规划。运用多目标优化算法,克服了传统航迹规划中需要为各目标函数取权值的不足,并且可以生成多组可供选择的解。同时引入协同进化策略,将各无人机的航迹规划视作子种群,各子种群间进行合作,子种群内采用非支配排序进化算法(non-dominated sorting genetic algorithms-II,NSGA-II)进行独立优化。考虑到各机间的协同约束,用时间空间协同系数替代传统算法中的"拥挤距离"参数。仿真结果表明通过本文算法能够有效实现多无人机协同航迹规划。

一种三维多UAV协同航迹规划的空间模糊文化算法

针对多无人机在三维环境下航迹规划搜索空间大、多机协同困难等问题,提出一种基于空间模糊表示和差分进化相结合的文化算法.该方法首先用模糊集合表示三维空间网格点,提高关键路径点的被关注度;然后组合空间模糊信息、历史信息和协同信息成为文化算法的信念空间,用以剪枝规划的搜索空间;在文化算法的种群空间则利用差分进化生成满足多机协同约束的优解,并用差分获得的未知领域知识扩展信念空间,保证进化种群的多样性;最后,通过共享信息促进知识的积累和修正搜索的方向.仿真实验表明,该方法提高了关键路径点选取的效率,能够探索空间中更多的未知区域,避免求解陷入局部最优,更符合多机协同的需求,有助于快速规划出多条可行的协同航迹.