文献

J-GLOBAL ID：201702222828578135   整理番号：17A1344913

宇宙マヌーバビークルの軌道最適化のための違反学習微分進化に基づくhp適応擬スペクトル法【Powered by NICT】

Violation Learning Differential Evolution-Based hp-Adaptive Pseudospectral Method for Trajectory Optimization of Space Maneuver Vehicle

著者 (3件)： Chai Runqi (Cranfield University, Cranfield, U.K.) ,  Savvaris Al (Cranfield University, Cranfield, U.K.) ,  Tsourdos Antonios (Cranfield University, Cranfield, U.K.)
資料名： IEEE Transactions on Aerospace and Electronic Systems  (IEEE Transactions on Aerospace and Electronic Systems)
巻： 53  号： 4  ページ： 2031-2044  発行年： 2017年 
JST資料番号： C0725A  ISSN： 0018-9251  CODEN： IEARA  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 宇宙操縦飛行体(SMV)軌道最適化問題を解くためのhp適応擬スペクトル法に基づく最適化の観点から最初の推測の鋭敏性は長い間困難な問題として認識されている。初期推定に関して感度のために,Newton反復を行うと最適解または局所最適解を得るために大量の時間をソルバに費用がかかる。本論文では,よりよい初期値推定を最適化を提供し,SMV軌道最適化問題を解決するために,破れ学習微分進化アルゴリズムを用いた初期推定発電機を紹介した。ペナルティ関数を用いない新しい制約対処戦略は適合度値を修正するために提案した各候補の性能を一般化することができる。添加では,収束速度を改善し,局所最適を避けるために学習戦略は個体群の多様性を加えるように設計されている。いくつかのシミュレーション結果は,組合せアルゴリズムを用いて行った;シミュレーション結果は,限定された計算努力を用いて,初期推定を生成するために提案した方法は,他の手法と比較して収束能力と収束速度の点で優れた性能を持つことを示した。初期推定を用いて,組合せ法は,解の品質を高め,Newton反復法と計算時間の数を減らすことができる。,SMV軌道最適化問題を解くための実現可能な可能性がある。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *学習 ,  最適化問題 ,  ペナルティ関数 ,  *宇宙空間 ,  Newton-Raphson法 ,  *最適化 ,  シミュレーション ,  CPU時間
準シソーラス用語： 収束速度 ,  適合度 ,  微分進化アルゴリズム ,  局所最適解 ,  最適解 ,  *擬スペクトル法 ,  *微分進化 , 【Automatic Indexing@JST】

分類 (1件)： レーダ  (ND13010H)

タイトルに関連する用語 (10件)： 宇宙 ,  マヌーバ ,  ビークル ,  軌道 ,  最適化 ,  学習 ,  微分進化 ,  HP ,  適応 ,  擬スペクトル法