启发式算法与飞行控制系统最佳化设计 _生活百科

启发式算法与飞行控制系统最佳化设计【启发式算法与飞行控制系统最佳化设计】《启发式算法与飞行控制系统最佳化设计》是2014年11月航空工业出版社出版的图书，图书作者是何晓红。
基本信息作者：杨朝旭;何晓红责任编辑：何晓红出版社：航空工业出版社I S B N：978-7-5165-0608-0出版日期：2014年11月内容简介本书介绍了进化算法、进化策略、粒子群算法、多目标最佳化算法和蚁群算法等现代启发式算法，围绕如何将最佳化算法套用于飞机飞行控制系统参数最佳化及飞行航路规划问题展开讨论。本书总计11章,内容包括飞机的常用飞行品质和飞行控制系统最佳化策略、提高遗传算法搜寻效率的改进措施、粒子群算法和进化策略的改进措施及其在飞机飞行控制系统最佳化设计中的套用、基于多目标进化算法的飞行控制系统最佳化设计、进化算法在多操纵面控制分配中的套用、基于蚁群算法的路径规划和多机任务分配等。图书目录第1章绪论1.1 现代飞行控制系统的特点1.1.1 现代飞行控制系统的特点1.1.2 现代飞行控制系统设计的难点1.2 启发式算法综述1.2.1 遗传算法综述1.2.2 进化策略综述1.2.3 多目标进化算法综述1.3 基于启发式算法的飞行控制系统最佳化综述1.3.1 基于启发式算法的飞行控制系统最佳化综述1.3.2 多目标参数综合方法简介1.3.3 CONDUIT简介1.4 本书的研究内容1.5 本章小结第2章飞机飞行品质常用评价準则和飞行控制系统最佳化策略2.1 飞机飞行品质规範的基本体制2.1.1 飞机的分类2.1.2 飞行任务阶段的种类2.1.3 飞行品质的等级2.2 飞机飞行品质的常用评价準则2.2.1 等效系统的概念、原理和方法2.2.2 飞机法向（飞行轨迹）轴的要求2.2.3 飞机纵向速度轴的要求2.2.4 飞机俯仰轴的飞行品质评价準则2.2.5 飞机滚转轴的飞行品质评价準则2.2.6 飞机航向轴的飞行品质评价準则2.3 飞行控制系统最佳化策略和参考模型选择2.3.1 基于参考模型的飞行控制系统进化算法最佳化策略2.3.2 参考模型的选择原则2.4 多目标进化算法在飞行控制系统最佳化中套用时的问题2.4.1 大包线範围内飞行控制系统最佳化设计点的选择2.4.2 使用多目标进化算法对飞行控制系统进行最佳化时偏好信息的处理2.5 基于动压的参数範围快速界定和调参方法2.6 本章小结第3章基于直接搜寻的遗传算法及其在飞行控制系统中的套用3.1 遗传算法概述3.1.1 遗传算法的基本概念和原理3.1.2 适应度函式的选择及其尺度变换3.1.3 遗传操作的具体方法3.1.4 小生境技术3.2 基于模式搜寻法的遗传算法3.2.1 模式搜寻法简介3.2.2 基于模式搜寻法的遗传算法3.2.3 基于模式搜寻法的遗传算法数字仿真结果3.3 基于旋转方向法的遗传算法3.3.1 旋转方向法简介3.3.2 基于旋转方向法的遗传算法3.3.3 基于旋转方向法的遗传算法数字仿真结果3.3.4 在飞行控制系统参数最佳化中的套用示例3.4 基于单纯形法的遗传算法3.4.1 单纯形法简介3.4.2 基于单纯形的遗传算法3.4.3 基于单纯形的遗传算法数字仿真结果3.5 3种基于直接搜寻的遗传算法的对比3.5.1 3种基于直接搜寻的遗传算法搜寻速度的对比3.5.2 3种基于直接搜寻的遗传算法搜寻精度的对比3.6 遗传算法在无人机路径规划中的套用3.6.1 协同逆推最佳化控制问题3.6.2 协同逆推最佳化控制求解3.6.3 仿真3.7 本章小结第4章基于正交设计和均匀设计的进化算法及其在飞行控制系统最佳化中的套用4.1 基于正交设计的进化算法4.1.1 正交设计4.1.2 基于正交设计的进化算法4.1.3 仿真验证4.2 基于均匀设计的进化算法4.2.1 均匀设计简介4.2.2 基于均匀设计的进化算法4.2.3 仿真验证4.3 基于正交设计的进化算法和基于均匀设计的进化算法对比分析及改进4.3.1 基于正交设计的进化算法和基于均匀设计的进化算法的对比分析4.3.2 基于小生境的改进正交设计进化算法4.3.3 仿真验证4.4 基于正交设计的小生境遗传算法在飞机飞行控制系统中的套用4.5 本章小结第5章基于反馈机制和混沌变异的改进进化策略及其在飞行控制系统最佳化中的套用5.1 基于反馈机制的改进进化策略5.1.1 （μ，λ）-ES基本步骤5.1.2 基于反馈机制的进化策略5.1.3 基于反馈和共享机制的进化策略步骤5.1.4 数字仿真验证5.2 基于反馈机制和混沌变异的进化策略5.2.1 混沌及其运动特性简介5.2.2 基于反馈机制和混沌变异的进化策略5.2.3 数字仿真验证5.3 基于反馈机制和混沌变异的进化策略在飞行控制系统最佳化中的套用5.4 本章小结第6章基于Pareto方法的多目标进化算法及其改进6.1 多目标最佳化的基本概念6.1.1 多目标最佳化的基本概念6.1.2 多目标进化算法的设计要求6.1.3 多目标进化算法性能指标6.1.4 多目标进化算法的标準测试函式6.2 非劣分类遗传算法及其改进6.2.1 NSGA-Ⅱ算法6.2.2 NSGA-Ⅱ的缺点及改进思路 6.2.3 NSGA-Ⅱ中自适应SBX运算元及其性能分析6.2.4 Tent映射性能分析及其改进6.2.5 ACHNSGA-Ⅱ算法6.3 一种改进的非劣分类差分进化算法（INSDE）6.3.1 差分进化算法基本原理6.3.2 INSDE6.3.3 数值仿真验证6.4 强度Pareto进化算法（SPEA2）及其改进6.4.1 SPEA2算法6.4.2 SPEA2算法的缺点分析及其改进6.4.3 仿真验证6.5 强度Pareto混沌差分进化算法（SPCDE）6.5.1 SPCDE算法的主要思想6.5.2 SPCDE算法的主要操作及步骤6.5.3 数值试验与分析6.6 本章小结第7章粒子群算法及其在飞行控制系统最佳化中的套用7.1 粒子群算法的基本理论7.2 基于粒子群算法的飞机鲁棒控制律设计7.2.1 问题提出的背景7.2.2 μ综合理论概述7.2.3 存在弹性模态的飞机方程7.2.4 使用粒子群算法最佳化加权函式7.2.5 仿真7.2.6 控制器降阶7.3 多目标粒子群最佳化算法及其改进7.3.1 基本多目标粒子群最佳化算法7.3.2 自适应混合多目标粒子群最佳化算法7.3.3 性能验证7.4 本章小结第8章飞行控制设计多目标最佳化研究8.1 多目标飞机低阶等效系统拟配8.1.1 目标函式的选择8.1.2 改进的精英保留策略8.1.3 算法步骤8.1.4 仿真算例8.1.5 仿真结果分析8.2 基于人机闭环参考模型的飞行控制多目标最佳化设计8.2.1 基于参考模型的飞行控制设计最佳化策略8.2.2 基于人机闭环TDNS準则和CAP準则的参考模型选择8.2.3 基于人机闭环的飞行控制系统多目标最佳化8.2.4 PIO易感性分析8.2.5 仿真结果分析8.3 LQG/LTR纵向飞行控制系统最佳化设计8.3.1 LQG/LTR设计的基本原理8.3.2 基于参考模型的LQG/LTR飞行控制系统最佳化设计方法8.3.3 基于参考模型的LQG/LTR设计方法仿真算例8.4 基于含约束的输出反馈特徵结构配置的飞行控制系统最佳化设计8.4.1 含约束的输出反馈特徵结构配置最佳化设计方法8.4.2 基于多目标最佳化的含约束的输出反馈特徵结构配置的最佳化设计8.4.3 重构飞行控制系统的最佳化设计8.5 本章小结第9章基于进化算法的飞机多操纵面控制分配技术9.1 控制分配问题的基本内容9.1.1 控制分配问题的数学描述9.1.2 线性系统的分配描述 9.1.3 非线性系统的分配描述9.1.4 执行器动态特性对控制分配的影响9.2 广义逆分配法9.2.1 伪逆法与加权伪逆法9.2.2 广义逆分配法的分配效率9.2.3 仿真算例9.3 基于小生境遗传算法的伪逆分配法设计9.3.1 问题的描述9.3.2 基于小生境遗传算法的广义逆阵最佳化9.3.3 仿真算例9.4 基于小生境遗传算法的加权伪逆法最佳化设计9.4.1 基于小生境遗传算法的加权伪逆法最佳化9.4.2 仿真算例9.5 基于遗传算法的控制分配系统设计9.5.1 LQR-加权伪逆法控制分配系统设计9.5.2 仿真验证9.6 本章小结第10章蚁群算法及其在无人机航路规划中的套用10.1 蚁群算法简介10.1.1 蚁群算法中的基本概念10.1.2 蚁群算法中的基本流程10.1.3 蚁群算法中的常见衍生算法10.2 基于蚁群算法的路径规划10.2.1 引入启发式搜寻方向的蚁群算法10.2.2 引入搜寻代价的蚁群算法10.2.3 改善信息素播撒规则10.2.4 改进的算法流程10.3 基于改进蚁群算法的路径规划10.3.1 栅格V图方法10.3.2 机率地图方法10.3.3 仿真算例10.4 基于多目标蚁群算法的路径规划10.4.1 多目标蚁群算法10.4.2 仿真算例10.5 基于蚁群算法的多机任务分配技术10.5.1 任务分配评价函式10.5.2 基于蚁群算法的多机任务分配算法10.5.3 仿真算法10.6 本章小结第11章总结11.1 本书工作总结11.2 需要进一步研究的问题和启发式算法在飞行控制系统中套用的展望附录 Admire飞机结构布局、结构参数、操纵面约束