简介:存在监控冲突的天基中段预警传感器调度优化是一个动态、高维、复杂多约束的非线性优化问题,其解空间的高维度与状态复杂性直接制约了智能优化算法的运用。本文以任务分解与任务复合优先权计算为基础,通过二级分离机制将解空间维度与状态复杂性降低至适于连续蚁群(continuousant-colonyoptimization,CACO)处理的全局优化形态,构建出相应的优化子路径集.在此基础上,针对监控冲突导致的状态变化特性,从局部搜索递进与募集的角度提出适于传感器调度优化的MG-DCACO(doubledirectioncontinuousant-colonyoptimizationbasedmassrecruitmentandgrouprecruitment)算法,成功将智能优化算法应用于基于低轨星座的天基中段预警中.最后对算法的收敛性进行论证,并通过与已有规则调度算法的对比得出MG-DCACO算法可获得优于规则调度算法的全局最优解。
简介:由条带和流向涡的循环再生构成的近壁自维持过程(self-sustainingprocess,SSP)是壁湍流产生和维持的重要机制.文章通过对最小槽道的直接数值模拟(directnumericalsimulation,DNS)获得近壁自维持过程的流场数据,采用正规正交分解法(properorthogonaldecomposition,POD)对该数据进行分析,获得了不同流向和展向尺度的特征模态,通过将Navier—Stokes方程在这些模态上进行投影,得到近壁自维持过程的降阶模型,并采用DNS数据对降阶模型的预测能力进行了评价.该模型被初步应用于大涡模拟近壁模型的构造.