本书面向无人协作系统所涉及的动态优化问题，深入系统地介绍作者在动态进化算法及其应用方面的重要研究进展。全书共9章。首先，简要介绍了动态优化和本书主要内容，并对动态环境中的进化算法进行了概述。其次，针对不同的动态优化问题，分别研究了基于环境辨识记忆策略的分布估计算法、基于粒子滤波的动态进化算法和基于Pareto解集预测的动态多目标进化算法。再次，给出了基于动态多目标进化算法的UCAV在线航迹规划方法，同时利用动态进化算法解决了UCAV编队智能战术飞行与动态目标分配问题。最后，对合作协同进化算法进行了概述，并在此基础上，给出了面向水下无人系统的合作协同进化算法。
样章试读
目录
- 目录
《博士后文库》序言
前言
第1章 绪论 1
1.1 背景意义及概述 1
1.2 动态优化概述 3
1.2.1 动态优化领域中进化算法的机遇与挑战 5
1.2.2 面向动态优化的进化算法研究现状概述 7
1.3 本书主要内容 9
1.3.1 理论研究 10
1.3.2 应用研究 11
1.3.3 扩展研究 12
第2章 动态环境中的进化算法 14
2.1 研究方法 14
2.1.1 重启/重初始化法 14
2.1.2 自适应遗传操作法 15
2.1.3 记忆法 16
2.1.4 多种群法 17
2.1.5 预测法 18
2.2 基准测试问题 20
2.2.1 动态位匹配问题 20
2.2.2 时变背包问题 20
2.2.3 移动峰基准问题 21
2.2.4 动态调度问题 22
2.2.5 二进制异或动态环境 22
2.3 算法性能的度量方法 24
2.3.1 在线度量 24
2.3.2 离线度量 25
2.3.3 平均误差度量 25
2.4 本章小结 25
第3章 基于环境辨识记忆策略的分布估计算法 26
3.1 引言 26
3.2 将环境辨识记忆策略引入分布估计算法 27
3.2.1 环境辨识方法 28
3.2.2 基于环境辨识记忆策略的分布估计算法基本思想 29
3.3 EDA的种群多样性丢失问题及应对措施 30
3.3.1 种群多样性丢失的原因 31
3.3.2 基本种群多样性补偿方法 31
3.3.3 两种响应环境变化的额外多样性补偿方法 33
3.4 实验及分析 35
3.4.1 测试函数及度量方法 36
3.4.2 算法通用性分析 37
3.4.3 参数敏感性分析 38
3.4.4 种群多样性补偿方法性能分析 43
3.4.5 算法性能比较 46
3.5 本章小结 49
第4章 基于粒子滤波的动态进化算法 51
4.1 引言 51
4.2 将粒子滤波引入进化算法 52
4.2.1 粒子滤波基本原理 52
4.2.2 最优解变化的状态空间模型 53
4.2.3 基于粒子滤波的动态进化算法设计 54
4.3 实验及分析 56
4.3.1 实验设置 56
4.3.2 算法性能比较 58
4.3.3 环境参数敏感性分析 62
4.4 本章小结 67
第5章 基于Pareto解集预测的动态多目标进化算法 68
5.1 引言 68
5.2 动态多目标优化问题 69
5.2.1 动态多目标优化问题的定义 69
5.2.2 动态多目标优化测试问题 70
5.2.3 动态多目标优化性能度量标准 73
5.3 Pareto解集预测策略 74
5.3.1 Pareto解的关联方法 76
5.3.2 Pareto解的预测 78
5.3.3 预测解的生成 78
5.4 实验及分析 79
5.4.1 算法测试 79
5.4.2 环境参数敏感性分析 84
5.5 本章小结 86
第6章 基于动态多目标进化算法的UCAV在线航迹规划 87
6.1 引言 87
6.2 动态航迹规划问题 88
6.3 威胁环境的概率建模方法 89
6.4 利用P-DMOEA进行在线航迹规划 91
6.4.1 在线规划过程 91
6.4.2 动态航迹规划的多目标优化模型 93
6.4.3 基因编码方式 93
6.4.4 对Pareto解集的决策 94
6.5 仿真结果分析 96
6.5.1 静态环境中的规划结果及分析 97
6.5.2 突发威胁情况下的规划结果及分析 99
6.5.3 威胁突变情况下的规划结果及分析 100
6.5.4 移动威胁情况下的规划结果及分析 102
6.6 本章小结 104
第7章 UCAV编队智能战术飞行与动态目标分配 105
7.1 引言 105
7.2 对抗环境中的UCAV编队智能战术飞行 106
7.2.1 考虑编队存在的长机航迹规划 106
7.2.2 智能化航迹选择 108
7.2.3 编队队形控制 113
7.3 对联合目标的动态分配 114
7.3.1 联合目标的定义 114
7.3.2 武器对目标的毁伤概率 114
7.3.3 针对联合目标的 WTA 问题 115
7.3.4 用 EI-MUMDA 求解动态 WTA 问题 116
7.3.5 WTA-UCAV 映射原则 116
7.4 实验设置与仿真结果 117
7.4.1 作战场景设置 117
7.4.2 算法参数设置 119
7.4.3 仿真结果 120
7.5 本章小结 125
第8章 合作协同进化算法概述 126
8.1 引言 126
8.2 合作协同进化算法的基础知识 127
8.2.1 收敛性分析 129
8.2.2 算法框架 135
8.2.3 问题分解 136
8.3 合作协同进化算法的主要病态行为 137
8.3.1 梯度丢失行为 138
8.3.2 相对过分概括行为 138
8.4 本章小结 139
第9章 面向水下无人系统的合作协同进化算法 140
9.1 引言 140
9.2 面向通信代价敏感系统的分布式合作协同进化算法 142
9.2.1 难点与挑战 142
9.2.2 基于动态优化的合作协同进化算法设计思想与方法框架 143
9.2.3 相关研究工作现状及发展动态 145
9.3 从交互接收的角度补偿信息 147
9.3.1 空间分割存档策略的算法思想 147
9.3.2 基于空间分割存档策略的CCEA算法设计 148
9.4 从交互发送的角度补偿信息 149
9.4.1 将多种群动态进化算法引入对搜索空间的监测 149
9.4.2 自组织侦察多种群动态进化算法 150
9.4.3 基于SOS动态多种群的 CCEA 153
9.5 "内外兼修"的混合信息补偿 154
9.6 实验分析 155
9.6.1 测试函数 155
9.6.2 性能比较实验 156
9.6.3 参数分析实验 162
9.7 本章小结 172
参考文献 174
编后记 188
京公网安备 11010102004214号