基于多项式混沌展开的强鲁棒约束多目标进化算法用于轨迹优化
摘要：基于约束多目标进化算法（MOEA）和非侵入式多项式混沌扩展（PCE）的综合优化方法用于解决基于时间序列动态的鲁棒多目标优化问题。这类问题的约束条件难以处理，不仅因为动态约束的数量与离散时间步长相乘，而且每个约束还具有概率性。通过PCE将鲁棒公式转化为确定性问题，然后通过MOEA在种群生成、轨迹生成和评估过程中顺序处理生成的约束。以超音速运输机（SST）的着陆轨迹设计为案例研究，优化考虑了风的不确定性。结果表明约束值对优化解集和相应轨迹的定量影响，并提出了鲁棒的飞行控制方法。
作者：Yuji Takubo, Masahiro Kanazaki
论文ID：2205.11387
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2022-09-29