基于合作进化算法的月面返回再入轨迹优化设计

在考虑热流、过载、动压以及开伞点参数等多种约束条件下,针对低升阻比返回舱月面返回再入轨迹优化设计问题,基于分段线性倾侧角参数化策略,提出了采用合作进化算法进行参数优化的策略来实现再入轨迹的快速高精度优化设计.首先采用以能量为自变量的分段线性倾侧角控制参数化策略,将连续最优控制问题转化为有限维参数寻优问题,然后基于逃逸粒子群算法和自适应差分进化算法的合作进化算法求解该问题.数值仿真验证了倾侧角参数化策略的正确性,对比试验分析表明合作进化算法较传统进化算法有更快的收敛速度和更高的优化精度的综合性能,更加适合月面返回再入轨迹优化设计问题的求解.

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.

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。

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。

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.

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。

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.

基于纹理与灰度协同进化的图像分割算法

为了获得更好的分割效果,成功地将局部二值模式(LBP)纹理模型和灰度特征纳入到合作型协同进化算法(Co-CEA)框架中,并实现了图像分割。该方法首先分别对LBP纹理模型和灰度特征进行编码,然后运用Co-CEA进行进化操作,最后通过本文提出的联合适应度函数确定分割区域。实验结果表明该方法在分割质量上效果明显,并有效地降低了时间复杂度。

基于合作协同进化的多机空战目标分配

为寻找一种满足多机空战需求的目标分配优化方法,提升空战效能,提出了一种基于合作协同进化的多机空战目标分配方法。首先,该方法基于单机空战优势,建立多机协同空战优势评价指标体系。然后,对战机间的协同相关性进行分析计算,建立多机协同空战目标分配模型。在变长度染色体遗传算法(genetic algorithm,GA)的基础上,设计了基于交叉、嫁接、分裂和拼接算子的改进合作协同进化算法,提高了模型的进化效率。最后,设计实验分别对优势评价指标体系的有效性、静态算例、动态算例和大规模无人战斗机算例进行仿真验证,并将2种模型以及4种算法的计算结果和所提算法的实验结果进行对比。仿真结果表明,改进合作协同进化算法适用于该模型计算,结果收敛稳定,亲和度值显著提升,能够优化目标分配方案,在空战中具有一定的应用意义。

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。

一种求解RCPSP的协同进化分布估计算法

针对大规模资源受限项目调度问题计算复杂的特点,提出一种合作式协同进化分布估计算法(CCEDA)。将合作式协同进化框架与分布估计算法相结合,将复杂问题分解为子问题,利用改进的分布估计算法对每个子问题进行协同优化求解。为提高分布估计算法的局部搜索能力,给出一种对解进行局部搜索的方法。将CCEDA用于求解标准问题库PSPLIB,并与GAPS、GA-DBH、GA-hybrid与GA-FBI算法进行比较,结果证明CCEDA拥有更好的求解性能。

基于容流匹配的进离场航班调度优化模型和算法

综合考虑机场的空中等待航班数量、空域容量、场面容量以及机场起飞需求等约束条件,以可变的优先级为调配手段,以总延误时间最短为目标函数,建立了一个新的基于容流匹配的进离场航班调度优化模型。引入合作型协同进化遗传算法,设计了用一对代表个体形成合作团体的新选择方式,有效解决了传统遗传算法种群多样性低、易早熟等问题。仿真结果表明,该模型能够在满足机场容量限制的同时,有效降低航班的总延误时间。

基于显著性分析的神经网络混合修剪算法

针对神经网络结构设计问题,提出了一种混合修剪算法。该算法首先利用合作型协同进化遗传算法和反向传播算法的不同优势,完成了对神经网络的结构和权值的初步调整;然后,在保证模型泛化能力的前提下,通过计算隐层神经元的显著性,借此修剪网络中显著性较小的神经元,进一步简化网络结构。最后,将给出的基于显著性分析的神经网络混合修剪算法用于股票市场的预测。仿真结果表明,该改进算法与其他优化算法相比,具有更好的泛化能力和更高的拟合精度。

从动态适值空间补偿信息:一种抗病态合作协同进化算法

针对合作协同进化算法(CCEA)动态适值空间的特点,研究信息补偿方法以消除由问题分解所导致的病态现象,并提出基于动态多种群进化策略的抗病态CCEA.每个协进化种群可动态分离出多个变化的子种群,利用它们同时获取多个全局或局部最优解作为交互信息,以实现信息补偿.针对引发病态行为的标准测试函数,与3种典型CCEA进行比较分析,实验结果表明所提出算法能有效克服病态现象,具有良好的全局优化能力.

基于多目标优化的汽车混合流水线平衡方法研究

近年来混合流水线逐渐被国内外汽车生产企业所接受并使用。由于流水线中混合了不同工艺的产品,如何将混合流水线调整至最大效率是其广泛深入汽车制造行业的主要障碍。目前对于混合流水线平衡系统的研究多为独立优化,分析了混合流水线平衡系统的组成部分:流水线平衡部分以及流水线排产部分的相互合作关系,提出对平衡系统整体求解的要求,指出使用具有协同求解各子问题能力的合作性协同进化算法求解这一多目标优化问题。

换热网络最优综合的智能设计方法及应用

基于系统优化设计思想,将换热网络综合问题等价分解为适合新型合作协作进化模型的系统结构优化和换热单元优化两部分,同时进行系统结构和换热单元的协作进化设计,最终得到它们之间的最优折衷。算例表明,该方法较好地解决了较大规模的换热网络最优综合问题,且能避免传统方法中存在的收敛速度较慢、易陷于局部最小值、目标函数必须可导等问题,并已成功用于某厂乙烯装置的全过程用能优化综合问题。

一种改进的代表个体选择方法的设计

文章简要介绍了传统合作型协同进化遗传算法,指出了该算法在代表个体选择方法上的不足,提出了一种新型的代表个体选择方法,并进行了算法性能验证。

协同进化方法求解多中心卫星任务规划问题

在分析多卫星中心内部特点及中心间关系的基础上建立了多中心协同规划问题(MCCOPP)的数学模型,提出了解决该问题的多中心合作协同进化规划算法(MCCCSPA)。MCCCSPA基于分治-合作策略,根据中心数目以及观测目标集合特点将观测目标分解分配至各中心;提出等长扩展二进制染色体编码方式有效表达问题的解,便于个体的交叉、变异、合作操作;并综合多中心个体代表合作求解本中心个体适应值;其中交叉、变异、合作算子在确保可行解的前提下保证各中心子种群的多样性、加快收敛速度。仿真实验及分析结果表明:该方法能够有效解决多中心协同的卫星任务规划问题。

基于优先级调配的进离场航班序列动态优化

以可变的优先级作为调配手段,针对航班的进离场序列建立了一种动态优化模型。首先,根据不同进离场阶段的航空器燃油消耗率和安全系数,进行航班初始优先级分配;然后,考虑机场的空中等待航班数量、空域容量、场面容量以及机场的起飞需求,对航班优先级进行二次调配。以总耗油量为目标函数,引入合作型协同进化遗传算法,设计了令一对代表个体形成合作团体的新的代表个体选择方案,改善传统遗传算法中存在的种群多样性低、易早熟等问题。仿真结果表明,在机场容量限制下,该模型仍可以实现流量的动态调配,并有效降低燃油消耗,缓解机场空域及场面的运行压力。