有限资源下的复杂航空电子产品并行调试任务重调度研究

为了提高调试效率,文章针对复杂航空电子产品调试中的并行调试问题,建立最小化最大完工时间为目标的复杂电子产品调试调度静态优化模型,并利用改进离散粒子群优化(improved discrete particle swarm optimization,IDPSO)算法进行求解;针对电子产品调试环境中存在的动态扰动,提出一种基于适应度差值阈值机制的周期和事件混合驱动重调度方案。通过实验验证了模型和算法及重调度方案的有效性,从理论上为解决复杂航空电子产品并行调试调度的研究提供研究思路以及方法支持。

UFMC系统基于改进离散粒子群的峰均比抑制算法

针对通用滤波多载波(UFMC)系统中相同相位信号叠加而引起的峰均比(PAPR)过高的问题,提出一种基于改进离散粒子群(IDPSO)的峰均比抑制算法。该算法在离散粒子群(DPSO)算法的基础上,引入一种对控制参数分段线性调整的改进方式,提升了算法的搜索性能。将改进后的离散粒子群算法与部分传输序列(PTS)相结合形成IDPSO-PTS算法,并对每个子块进行加扰。所提算法在规定迭代次数内搜索最佳的相位因子组合,以降低UFMC系统的峰均比。仿真结果表明:IDPSO-PTS算法与原始UFMC相比,PAPR可降低3.5 dB;与DPSO-PTS算法相比,PAPR可降低0.2 dB;存在大量候选相位因子组合时,IDPSO-PTS算法与PTS技术相比可显著降低计算复杂度。

基于改进DPSO的故障下多无人机协同任务规划

针对故障后多无人机协同任务规划问题,提出了一种基于改进离散粒子群算法并结合匈牙利算法的任务重分配方法。首先,采用匈牙利算法进行故障下无人机队形的快速重新排列;然后,引入柯西算子提升离散粒子群算法的全局搜索能力,以增强搜索空间,同时,还提出了非线性时变的变异策略,加快算法的收敛速度,综合改进的离散粒子群算法不仅加快了收敛速度,并且解的最优性也得到了提高,此外,在分配过程中,考虑了环境障碍信息,分配结果更贴近实际也更加合理;最后,运用基本粒子群算法进行无人机的航迹规划,并在三维空间中进行了仿真实验,结果表明:所设计的算法能够有效提升任务分配的寻优结果,为多无人机出现故障后协同任务分配问题提供了理论依据。

基于自适应粒子群优化LSSVM的变压器油中溶解气体浓度预测

为了实现油浸式变压器油中溶解气体的预测,进而达到变压器状态预警、降低事故发生率的目的,本文将自适应粒子群优化算法(IDPSO)和最小二乘支持向量机(LSSVM)相结合,建立变压器油中溶解气体预测模型。利用IDPSO算法基于种群的并行搜索策略特点来自适应迭代搜索最优的目标函数值,寻找LSSVM模型中的参数ξ、C和σ的最优取值,克服了应用传统支持向量机算法进行预测时凭主观经验选择参数对模型泛化能力和预测性能的影响。利用国网陕西省电力公司某变电站采集变压器油色谱数据进行实例验证,结果表明基于IDPSO优化的LSSVM算法具有较好的模式跟踪性能,且能够有效提高变压器油中溶解气体预测的预测精度。

基于DPSO-GT-SA算法的大规模UCAV协同任务分配

无人作战飞机(UCAV)编队任务分配是研究UCAV编队飞行作战的关键.针对复杂约束环境下大规模UCAV协同任务分配问题,提出改进离散粒子群算法.根据现有UCAV编队空对地饱和作战模式,建立UCAV编队作战环境中任务分配模型,通过采用离散粒子群优化-郭涛-模拟退火算法(DPSO-GT-SA)进行求解.根据粒子编码方式建立粒子与UCAV及目标之间的映射,通过粒子交叉变异进行搜索与寻优,并通过模拟退火Metropolis准则跳出局部最优.在复杂约束条件下,为解决离散粒子群-郭涛算法(DPSO-GT)陷入局部极小问题,引入改进模拟退火算法.为解决模拟退火后期收敛速度慢问题,在DPSO-GT-SA算法中加入动态温度衰减因子.仿真结果表明,改进离散粒子群算法可以更好地解决大规模UCAV协同任务分配问题.