基于串联切割变异遗传算法的试飞科目规划
DOI:
作者:
作者单位:

1.中国民用航空飞行学院;2.中国民用航空飞行学院飞行技术学院

作者简介:

通讯作者:

中图分类号:

基金项目:

国家自然科学基金(基金号12002368);中央高校基本科研业务费专项基金(J2020-002,J2021-008)


Flight Test Subject Planning Based On Serial Crossover Mutation Genetic Algorithm
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对飞行试验初始规划过程中将试飞科目分配在多架试验机上的关键问题,提出一种基于改进遗传算法的试飞科目规划方法。该方法以试飞时长最短为目标函数建立试飞科目分配模型,面对算法迭代后试验机承担试飞科目数量陷入固定值从而导致出现局部极值的现象,设计串联切割变异算子(Serial Crossover Mutation,SCM),对比采用该算子的改进遗传算法与其他遗传算法的效率,结果表明:基于串联切割变异的改进遗传算法在搜索全局最优解问题上具有更高的效率。

    Abstract:

    In the initial planning process of flight tests, a method for flight test subject planning based on an improved genetic algorithm is proposed to address the key issue of allocating flight test missions across multiple test aircraft. This method establishes a flight test mission allocation model with the objective of minimizing the total flight test duration. To address the phenomenon of local extrema caused by the number of flight test missions undertaken by the test aircraft becoming fixed after algorithm iterations, a Serial Crossover Mutation (SCM) operator is designed. Comparative results indicate that the improved genetic algorithm employing the SCM operator demonstrates higher efficiency in searching for the global optimal solution compared to other genetic algorithms.

    参考文献
    相似文献
    引证文献
引用本文
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2024-05-30
  • 最后修改日期:2024-05-30
  • 录用日期:2024-06-11
  • 在线发布日期:
  • 出版日期: