改进BP网络的海底地形辅助导航算法

鉴于传统的迭代最近点算法存在着易陷入局部最优的缺陷和实时性不好的问题,提出了一种将BP神经网络引入迭代最近点算法中进行地形匹配的新方法。针对传统BP算法存在的局部极小和收敛速度慢等缺点,采用自适应学习方法、引入动量因子、可变化的学习率因子和可调激活函数等措施进行了BP算法的改进。仿真结果表明,改进后的算法可以在一定程度上克服由于局部收敛带来的匹配失效问题,能够获得很好的匹配效果,同时也解决了在实时性上存在的突出问题。     

非线性函数的混沌优化方法比较研究

已有的混沌优化方法几乎都是利用Logistic映射作为混沌序列发生器，而Logistic映射产生的混沌序列的概率密度函数服从两头多、中间少的切比雪夫型分布，不利于搜索的效率和能力。为此，首先根据Logistie映射混沌轨道点密度函数的特点，建立改进的混沌-BFGS混合优化算法。之后，考虑到Kent映射混沌轨道点密度为均匀分布，建立了基于Kent映射的混沌-BFGS混合优化算法。然后对五种混合优化方法——不加改进的和改进的基于Logistic映射的混沌-BFGS法，基于Kent映射的混沌-BFGS法，Monte Carlo试验-BFGS法，网格-BFGS法进行了研究，分别对3个低维和2个高维非线性复杂测试函数进行优化计算，对它们的全局优化计算效率和寻优能力做了比较，并探讨了混合优化方法全局优化性能差异的原因。结果表明，混沌优化方法是与Monte Carlo方法类似的一种随机性试验优化方法。而且，这类优化方法的计算性能至少与以下因素有关：混沌／随机序列的统计性质，优化问题全局最优点位置。     

概率约束评估的功能度量法的混沌控制

功能度量法是基于可靠度的结构优化设计中评估概率约束的一种方法,其改进均值(AMV)迭代格式具有简洁、高效的优点,但对一些非线性功能函数搜索最小功能目标点时可能陷入周期振荡或混沌解,本文利用混沌反馈控制的稳定转换法对功能度量法的AMV迭代格式实施收敛控制.首先展示一些功能函数应用功能度量法AMV格式迭代计算产生了周期解和混沌解现象,并对迭代算法进行了混沌动力学分析.然后利用稳定转换法对功能度量法迭代失败的参数区间进行混沌控制,使嵌入周期和混沌轨道的不稳定不动点稳定化,获得了稳定收敛解,实现了迭代解的周期振荡、分岔和混沌控制.     

实时ICCP算法重力匹配仿真

利用地球物理场进行辅助匹配导航是组合导航技术研究领域的新方向,该技术为水下潜器无源定位提供新的手段.迭代最近等值线算法作为重要的匹配导航算法之一,但存在实时性不强、搜索速度慢等缺点.考虑到以上两方面缺点,采用固定初始序列长度的方式对算法采样结构进行改善并推导出单点迭代公式,同时采用滑动窗搜索方式缩小搜索范围提高算法速度,最终实现实时ICCP算法设计.基于MATLAB平台下实现了实时ICCP算法重力匹配仿真系统,仿真系统采用0.4′×0.4′重力异常数据库.由仿真结果可以看出,该实时ICCP算法能够实现单点迭代,匹配结果能实时跟踪真实航迹且匹配精度能达到一个重力图网格.     

面向工程全局优化的混沌优化算法研究进展Research advances of chaos optimization algorithms for engineering global optimization

近年来,基于混沌的初值敏感性、伪随机性、遍历性以及自相似分形等非线性动力学特性所发展的混沌优化方法,是一种有潜力的工程全局优化新工具,已广泛应用于科学与工程技术的各学科领域。根据混沌优化方法的发展历程,以算法基本思想和工程应用研究状况为重点,评述了混沌神经网络优化方法、第一类混合混沌优化算法（基于混沌搜索）、第二类混合混沌优化算法（混沌序列代替随机序列）以及混沌分形优化四种主要混沌优化算法。混沌映射最早被引入神经网络,发展了混沌神经网络优化方法,可解决复杂的组合优化等全局优化问题。遗传算法及粒子群等启发式随机算法虽具全局搜索能力,但易出现早熟并陷入局部最优。然后,出现了混沌搜索的概念,研究者将其嵌入启发式算法建立了第一类混合混沌优化算法,可有效克服原启发式算法早熟收敛的缺点。随后,利用混沌映射产生的混沌序列代替启发式算法中的随机参数形成了第二类混合混沌优化算法。混合混沌优化算法有益于实现快速全局收敛和提高计算精度。最后,利用混沌分形特性,从分形理论出发提出一类新颖的混沌分形优化算法,可搜索到优化问题的所有全局最优解。此外,对混沌优化算法研究的几个发展方向进行了展望,诸如加强混沌优化算法的参数设计、处理大规模优化、多目标优化问题以及使用代理模型等。     

基于功能度量法的概率优化设计的收敛控制

概率结构优化设计(PSDO)中概率约束的评定可以采用最近提出的、被认为更高效、稳定的功能度量法(PMA). 改进均值(AMV)迭代格式经常在PMA中使用,但它对一些非线性功能函数或非正态随机变量,搜索最小功能目标点时可能陷入周期振荡或混沌解,从而使PSDO的两层次算法或序列近似规划算法优化计算失败. 利用混沌反馈控制的稳定转换法对功能度量法的AMV迭代格式实施了收敛控制,使嵌入周期和混沌轨道的不稳定不动点稳定化,获得稳定收敛解,从而使概率约束的评定能正常进行;再由两层次算法或序列近似规划算法进行结构优化设计. 算例结果表明了稳定转换法实施收敛控制的有效性,以及序列近似规划算法相对高效的优点.      

MA对偶-信赖域算法在非线性不等式约束优化问题中的应用研究

针对含有非线性不等式约束条件的优化问题,提出了MA对偶-信赖域算法。在每次迭代过程中,基于信赖域方法和问题的逼近属性,构造了原优化问题中目标函数和约束函数的移动渐进线函数,由此建立简单的子优化问题。运用对偶方法求解子问题得到原优化问题的下降方向,再用线搜索方法取得搜索步长,最后得到下一步的迭代点。应用数学推理证明了该算法的全局收敛性。以悬臂梁最小柔度问题为例,应用MA对偶-信赖域算法对优化问题进行了求解,数值算例的结果表明,MA对偶-信赖域算法在求解非线性约束优化问题时比MMA和GCMMA算法的迭代次数少,收敛速度快。     

OPS算法优化效果影响因素分析

OPS算法中目标函数以及如何获取目标函数最优解是决定算法优劣的重要因素。对比分析了4种目标函数和10种求最优解方法在网格数、初始点位置、迭代次数以及需求精度等因素变化时对OPS算法优化效果的影响。结果表明,在顶点移动过程中目标函数f1和f4变化较为光滑。采用不同目标函数时,随着网格数的增加优化时间随之增加,但优化后最差单元质量并无此规律;随着需求精度的增加,网格中最差单元质量和优化时间都有所增加,迭代次数变化对于优化时间和优化效果的影响可以忽略不计。采用变尺度法求解目标函数下降方向以及二次插值法进行一维搜索的第6种方法,在耗费时间、优化效果以及收敛速度等方面都显示出了较好的优势。     

考虑气动参数扰动的再入轨迹快速优化方法

针对传统再入轨迹优化方法收敛速度慢、对初值敏感程度高等的局限性,提出了一种基于序列凸优化的再入轨迹快速求解方法.该方法以倾侧角的变化率作为控制量,改进了现有凸化策略,考虑到抑制数值优化过程中由于数值离散方式带来的锯齿化现象,采用 B 样条曲线离散控制量,同时为避免算法在初始猜想值附近出现伪不可行的问题,增加额外虚拟控制量,通过一种"回溯直线"搜索的方法,提高算法的稳定性、快速性和寻优结果的光滑性.为研究飞行器再入过程中的气动参数扰动问题,采用采样点少、易于实现,计算效率高的广义混沌多项式理论研究方法,建立了基于广义混沌多项式和凸优化相结合的再入轨迹鲁棒优化模型,该模型在优化过程中考虑气动参数扰动对寻优结果的影响作用,避免了传统轨迹与制导律的复杂迭代设计环节,可有效降低优化轨迹对气动参数扰动的敏感程度,在气动参数不确定条件的干扰下,依然可以保证飞行器顺利安全的完成飞行任务.最后,以美国某可重复使用飞行器的再入任务为例,验证了基于序列凸优化的再入轨迹优化方法的快速性以及鲁棒优化模型对气动参数扰动的抗干扰性能力,表明了该方法具有一定的工程应用性.      

基于差分进化和RBF响应面的混合优化算法

针对气动优化等昂贵优化问题,提出了一种基于差分进化和RBF响应面的混合优化算法HSADE,该方法结合了差分进化算法的强全局寻优能力和RBF响应面方法的快速局部搜索能力,能够同时有效地提高算法的局部搜索效率和全局寻优能力.对各子算法中的策略和逻辑进行了多项改进,提出和应用了基于双败淘汰赛的竞赛赛制和参数自适应等改进策略.对HSADE使用多个典型算例进行了测试,并横向对比了NSGA-II,MOPSO和多目标差分进化算法.测试结果表明,在大多数问题中HSADE在以世代距离表征的局部搜索效率和以超体积比表征的全局寻优能力两项指标上都优于其他算法,证实了以上混合策略及算法改进的有效性.将该算法应用于一个翼型优化问题和一个二维超声速喷管膨胀面优化问题,并横向对比未经改良的差分进化算法DE和另一种混合算法NARSGA,结果表明在接近1 000次的函数评估下,HSADE能相对其他算法进一步对翼型减阻0.5 count,在喷管优化中HSADE得到的结果也好于其他两种算法,表明该方法具有较强工程应用价值.