简介:摘要:在当今世界,随着航空业的迅猛发展和全球飞行器数量的不断增加,空中交通管制系统面临着前所未有的挑战。随着航空出行的日益普及,传统的空中交通管理方法已经显得力不从心,而且由此带来的空中拥堵、燃油浪费以及潜在的安全风险成为制约航空业可持续发展的关键因素。因此,对空中交通管制中的飞行器轨迹进行优化成为当前研究的焦点之一。随着计算机科学和数学建模技术的不断进步,研究人员在空中交通管制领域提出了各种各样的飞行器轨迹优化算法。这些算法的目标是通过合理规划飞行器的路径,提高空中交通系统的运行效率,降低能源消耗,减轻拥堵并增强飞行安全性。传统的线性规划方法和启发式算法为问题提供了一些解决方案,但是随着深度学习技术的兴起,越来越多的研究开始尝试将其引入飞行器轨迹优化的领域,以期取得更为卓越的成果。
简介:针对亚轨道可重复使用运载器(SRLV)的应用需求,在将卫星投送到预定轨道同时确保SRLV安全返回的前提下,对基于记忆原理的轨迹/总体参数一体化优化方法进行了研究。记忆优化算法是一种具有全局收敛性的随机搜索方法,每次搜索的试探解优劣状态由记忆元来存储。利用记忆原理的记忆增强和遗忘规律来衡量优化搜索过程中试探解的状态,并以燃料最省作为优化指标。同时采用三种不同的搜索策略,实现对试探解的随机搜索,避免陷入局部极小问题,并以此来提高搜索速度。仿真表明:卫星入轨速度偏差小于2m/s,高度偏差小于10m,轨道倾角偏差小于0.0001°。SRLV最终与着陆场的位置偏差小于100m,速度偏差小于5m/s。相较于传统的轨迹优化方法,新方法适用于复杂的轨迹/参数一体化优化问题,搜索速度快,求解精度高,有利于算法在工程实际中的应用与推广。
简介:在许多阳光灿烂的日子,灼燃总习惯轻倚一棵向日葵,捧着一本过去的日记本发呆。有时侯空气中流动的不知方向的风吹过来,把纸页吹得哗哗地翻动起来,然后停在某一页时,她就低下头一字一句地去读那些静谧的文字。阳光从金色的花瓣间投下支离破碎的光斑,明晃晃地映照在灼燃的头发上、脸上、心上,散金碎银般撩拨着她的思维,让人有一种温暖而安详的感觉。而在灼燃眼前闪动的,是那些流逝的但永远无法静止的记忆。