面向无人系统的动态进化算法及应用PDF电子书下载

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