面向无人系统的动态进化算法及应用2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

面向无人系统的动态进化算法及应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

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CCEA153

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