Print

基于改进协同遗传算法的有效载荷系统功能序列规划方法

论文摘要

针对传统回溯算法在求解基于知识模型的有效载荷系统功能序列规划问题中搜索效率低的问题,提出一种基于"择劣变异"（Worst Individual Mutation,WIM）策略的协同遗传算法（Co-evolutionary Genetic Algorithm,CGA）的改进算法WIM-CGA。该算法在遗传过程中采用双路线进化方案,即"择优实施标准遗传过程,择劣实施变异操作",达到提高求解精确度及搜索效率的目的。仿真结果表明,同等测试条件下,当功能规模为50,约束密度为1.0时,WIM-CGA算法在限定时间内最优解的平均精确度比优化的回溯算法提高了54.15%,比CGA算法提高了6.18%,且当所得解的精确度大于90%时,WIM-CGA算法比CGA算法的迭代次数减少了65.79%,耗时降低了48.97%,显著提高了功能序列规划的效率。

论文目录

  • 1 功能知识模型描述
  • 2 GAC-BS与CGA算法的搜索性能
  • 3 WIM-CGA算法改进策略
  • 4 仿真与分析
  •   1)求解成功率比较。
  •   2)约束满足度比较。
  • 5 结论

    • 文章来源

    类型: 期刊论文

    作者: 王静,王春梅,姚秀娟

    关键词: 知识模型,功能序列规划,协同遗传算法,择劣变异,生存期适应度评估

    来源: 国防科技大学学报 2019年06期

    年度: 2019

    分类: 工程科技Ⅱ辑,信息科技

    专业: 航空航天科学与工程,自动化技术

    单位: 中国科学院国家空间科学中心,中国科学院大学

    基金: 国防科技工业民用专项科研工程研制资助项目(Y76602FH6S)

    分类号: TP18;V416

    页码: 19-24

    总页数: 6

    文件大小: 1294K

    下载量: 67

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/4b687fcafbb4e1c496213f96.html