融合分区导向搜索与自适应扩散的新型Lichtenberg算法

针对Lichtenberg算法收敛速度慢、易陷入局部最优等问题,提出融合分区导向搜索与自适应扩散的新型Lichtenberg算法(novel Lichtenberg algorithm,NLA)。根据群体粒子的适应度值将搜索空间分为中心区域和边缘区域,分别利用螺旋系数的动态趋向性和Levy变异的随机性,对中心区域和边缘区域的粒子进行位置更新,提高种群多样性,加强算法的全局搜索能力;引入自适应扩散策略,充分利用群体各个粒子的位置和适应度值信息来指导其进行信息交流,避免算法陷入局部极值,提高算法的局部优化能力。采用CEC2021测试函数和20个不同特点的高维测试函数进行数值实验,并将NLA算法与六种不同类型的智能优化算法进行对比,实验结果表明,NLA算法具有更高的寻优精度和收敛速度。最后验证了两种改进策略对NLA算法的有效性。

基于MOLA的水库群实时防洪多目标优化调度模型

水库群实时防洪优化调度作为一种重要的非工程措施,可以通过较少的投入降低洪水灾害带来的损失,起到流域防洪减灾作用。考虑了各水库自身安全和下游防洪点安全,以下游防洪控制断面最大过水流量最小、各水库最高水位最低为目标函数,建立了水库群实时防洪多目标优化调度模型;引入“滤波算子”,提出一种改进多目标利希滕贝格算法(Multi-Objective Lichtenberg Algorithm,MOLA),进行模型求解,得到水库群实时防洪调度多目标方案集,增强优化调度解在防洪调度实际应用中的可操作性;最后,提出一种基于层次聚类和Pareto前沿物理意义的综合筛选法,对Pareto前沿上的众多调度方案集进行聚集和筛选,选取有限代表解供决策者进行选择,增加防洪决策的聚焦性。研究以淮河史灌河水系为例,进行了水库群实时防洪多目标优化调度模型的应用研究,结果表明:基于改进MOLA的水库群实时防洪多目标优化调度模型计算效率高、实用性较强;采用梯度分析法定量分析了鲇鱼山水库最高水位、梅山水库最高水位、蒋家集断面最大过水流量之间的多目标互馈关系,结果表明梅山水库水位变化对蒋家集断面的组合流量影响更为显著,梅山水库可作为史灌河流域防洪风险调控的优先考虑对象。研究成果可为水库群实时防洪调度提供技术支持和决策参考。

采用利希滕贝格图的高超声速飞行器轨迹优化

针对复杂约束条件下高超声速飞行器再入轨迹优化问题,提出一种混合算法进行求解,以解决现有轨迹优化方法对初值的强依赖性以及易陷入局部最优等问题。将高超声速飞行器再入轨迹优化建模成一个非线性规划问题,并设计双层优化结构进行求解。上层中,提出一种基于利希滕贝格图的自适应分段利希滕贝格算法(Adaptive piecewise Lichtenberg algorithm,APLA),为高斯伪谱法提供良好的初值。APLA通过引入拉丁超立方体抽样提升算法初始触发点的效能,引入全局至局部搜索分段策略及自适应因子提高算法收敛速度和收敛精度,改善算法易陷入局部最优等情况。下层中,高斯伪谱法在最优解附近具有较好的收敛速度和较高收敛精度,因此使用高斯伪谱法以加快搜索过程,提升解的全局最优性。综上,提出再入轨迹优化混合算法(APLA_GPM),实现对高超声速飞行器再入轨迹优化问题快速、准确求解。仿真结果表明,APLA_GPM在高超声速飞行器再入轨迹优化方面具有更快的收敛速度、更高的精度以及更强的鲁棒性。