利用逃逸能量的太阳帆最快交会轨迹优化

讨论了运载火箭的逃逸能量产生的初始速度增量对太阳帆最短时间交会问题的影响,将逃逸能量的影响处理为端点时刻状态方程受不等式约束的最优控制问题,利用间接法得到了对应的两点边值问题的求解模型。结果表明,利用该模型可以计算逃逸能量最佳的利用量,而最优的转移轨迹并非总是对应于最大的逃逸能量,因此合理利用逃逸能量能够有效缩短飞行时间。相对于一般的不考虑逃逸能量的太阳帆轨迹优化模型,本文中提出的模型能够有效利用末级火箭的助推能力,同时有效缩短了太阳帆的任务飞行时间,对于工程应用具有更实际的参考价值。

正余弦动态干扰哈里斯鹰算法的PCNN参数优化图像融合

哈里斯鹰优化算法存在前期全局开发种群分布不广泛、后期局部开发易陷入收敛精度不够的缺陷,因此提出一种正余弦动态干扰的哈里斯鹰优化算法。首先,在前期的全局开发阶段,对两种不同的进化策略分别采用余弦函数和正弦函数进行鹰群群体分布干扰,从而扩大群体分布范围,强化鹰群初期全局探索阶段的广度,为后期进行局部开发提供更好的条件;然后,在局部开发阶段,通过对猎物逃逸能量公式进行曲线化调整,使得猎物能量损耗与自然界中的真实能量损失更加匹配,进而提升开发阶段的捕获能力;最后,将改进的正余弦动态干扰的哈里斯鹰优化算法对脉冲耦合神经网络(PCNN)的链接输入、时间衰减系数、链接强度3个参数进行优化,并应用于可见光与ToF置信图的图像融合。采用6种对比算法及24个测试函数对改进后的算法进行仿真实验验证,证明了基于正余弦动态干扰的哈里斯鹰优化算法具有较好的寻优能力和更高的收敛精度。通过与其他融合算法进行对比实验,验证了改进后的融合算法相比原始算法的融合效果有显著提升。

托卡马克逃逸电子能量的定标关系

在欧姆加热与辅助加热的托卡马克等离子体装置中，逃逸电子的约束时间τr与传统新经腆模式的理论预计值有所不同。文章使用1维数值模型，包括逃逸电子产生、加速和衰减效应，来推断逃逸能量εr与逃逸约束时间的关系。模拟结果给出逃逸能量εr和放电参数的定标律。

基于离散哈里斯鹰算法求解车辆路径问题

针对带容量约束车辆路径问题,提出一种离散哈里斯鹰算法。在哈里斯鹰算法的基础上,根据车辆路径的编解码特点,重新定义算法在全局搜索和局部开发阶段的更新策略;在全局搜索阶段利用随机插入和反转策略更新哈里斯鹰个体的位置,提高算法的全局开发能力;在局部开发阶段利用转移算子和移除算子设计哈里斯鹰个体的更新机制,提高算法的局部精细化搜索能力;通过改进逃逸能量平衡全局搜索和局部开发能力。实验结果表明,重定义的更新策略均能有效提升算法效率,将该算法和其它启发式算法的结果相比较,所提算法在求解精度和稳定性方面更具优势。

HL-1M装置逃逸电子的定标律

使用一维数值模型,推断了逃逸能量εr与逃逸约束时间τr的关系。模拟结果给出能量εr和放电参数的定标律。在HL-1M装置中不同实验条件下测量了硬X射线谱,研究了逃逸电子能量εr模拟的定标律,并推导出HL-1M装置放电的逃逸电子的约束时间与逃逸电子扩散系数。

HL-1M装置逃逸电子的定标律

在欧姆加热与辅助加热的托卡马克等离子体装置中，逃逸电子的约束时间τr与传统新经典模式理论的预计值有所不同。本文使用了1维数值模型，包括逃逸电子的产生、加速和衰减效应，来推断逃逸能量εr与逃逸约束时间的关系。模拟结果给出逃逸能量εr对放电参数的定标律。

基于趋化校正的哈里斯鹰优化算法

针对哈里斯鹰优化(HHO)算法收敛速度慢、易陷入局部最优的缺点,提出了一种改进HHO算法,即基于趋化校正(CC)的哈里斯鹰优化(CC-HHO)算法。首先,通过计算最优解下降率和变化权重来识别收敛曲线的状态;其次,将细菌觅食优化(BFO)算法的CC机制引入局部搜索阶段来提高寻优的精确性;再次,将生物在运动时的能量消耗规律融入逃逸能量因子和跳跃距离的更新过程中,从而更好地平衡算法的探索与开发;然后,对最优解和次优解的不同组合进行精英选择来拓展算法全局搜索的广泛性;最后,当搜索陷入局部最优时,通过对逃逸能量施加扰动来实现强制跳出。通过10个基准函数对改进算法的性能进行测试,结果显示CC-HHO算法对单峰函数的搜索精度比引力搜索算法(GSA)、粒子群优化(PSO)算法、鲸优化算法(WOA)以及另外4种改进的HHO算法提升超过10个数量级;对多峰函数也有超过1个数量级的优势;在保证搜索稳定性平均提升超过10%的前提下,所提算法的收敛速度明显优于上述几种优化算法,收敛趋势更加明显。实验结果表明,CC-HHO算法有效地提高了原算法的搜索效率和鲁棒性。

改进哈里斯鹰算法及其在FIR滤波器中的应用

针对原始哈里斯鹰算法(Harris Hawks Optimization,HHO)存在收敛精度低、易陷入局部最优等问题,提出一种改进的哈里斯鹰算法。首先引入Logistic混沌映射加强扰动,丰富种群多样性,提高算法收敛精度;其次用非线性逃逸能量因子代替线性逃逸能量因子,易于跳出局部最优。为了验证改进效果,利用改进算法求解FIR滤波器设计问题。仿真结果表明,与原始哈里斯鹰算法相比,基于改进算法的FIR滤波器具有更加理想的通带和阻带性能。

基于哈里斯鹰优化的自适应光子搜索算法

光子搜索算法是以物理学领域的光子特性为基础的算法,具有较好的全局收敛性和较高的搜索效率,但是该算法的局部开发能力较差,无法找到更准确的最优解。针对光子搜索算法收敛精度低的问题,文中引入了哈里斯鹰优化算法(HHO)和收敛因子,并且改进了逃逸能量函数,提出了一种基于哈里斯鹰优化的自适应光子搜索算法(HHO-APSA)。在经典的基准测试函数上对HHO-APSA算法进行测试,结果表明,所提出的算法很大程度上改善了光子搜索算法的收敛精度,提高了局部开发能力。