[发明专利]基于禁忌搜索平衡性能约束的圆形装填问题的布局方法

说明书

技术领域

本发明属于航天器布局方案设计研究领域，具体涉及一种带平衡性能约束的圆形装填问题的布局方法。

背景技术

装填(Packing)问题研究的是多个物体在大空间或容器中互不重叠的放置方式，要求尽可能地提高空间或容器的利用率。该问题在汽车工业、物流运输、网络通信、航天等领域都具有广泛的应用。装填问题从布局区域的维数上分，分为二维和三维问题；从布局区域的形状上分，分为圆形、矩形或任意的多边形区域等；从待布物体的种类上分，又可分为圆形、矩形或不规则形状等。关于装填问题，目前多数文献是研究二维或三维矩形物体在矩形容器中的装填布局，而且多为不带性能约束的装填布局问题。本发明主要研究带平衡性能约束的二维圆形装填问题。该问题是一类NP难度问题，且有着深刻的应用背景。在一个带自旋的返回式航天舱内(见图1(a))，布置若干仪器、设备等有效部件(称为待布物)，使得布局满足以下技术要求^[1]：①待布物之间、待布物与容器之间不干涉(也即互相不嵌入)；②待布物尽量向航天舱中心聚集；③航天舱的静不平衡量尽可能小。假设各待布物均为圆柱体，且在航天舱的垂直于舱的中心轴线的圆形隔板上进行布局，则问题就转变为带平衡性能约束的二维圆形装填问题(以下简称带平衡性能约束的圆形装填问题)，如图1(b)所示。

近年来，一些学者对带平衡性能约束的圆形装填问题进行了研究，并提出了一些求解算法。滕弘飞等^[1]采用模式迭换法和主布模法给出了该约束布局优化问题的启发式算法；唐飞等^[2]提出了一种十进制编码控制参数的自适应遗传算法；钱志勤等^[3]通过将人工设计的个体加入到染色体群体中，提出了人机交互的遗传算法；于洋等^[4]通过增加学习算子，并构造拟牛顿方向进行局部寻优，提出了基于学习的遗传算法；李宁等^[5]提出了基于带变异算子的粒子群优化算法；周弛等^[6]提出了适合粒子群优化的约束处理机制，并通过与直接搜索法相结合得到了一种混合算法；雷开友和邱玉辉^[7]通过对传统的粒子群优化算法进行多重改进，提出了一种自适应粒子群优化算法；Huang和Chen^[8]在拟物算法^[9]的基础上提出了加速搜索过程的改进的拟物算法；王奕首等^[10]以散射搜索法为基础，集成两种局部搜索算法，梯度下降法和Nelder-Mead直接搜索法，提出了改进的散射搜索法。Liu和Li^[11]通过对势能曲面变平法(ELP)^[12]进行改进，进而将改进的ELP法与局部搜索的梯度法和一些启发式的格局更新机制相结合，提出了一种新的全局搜索算法——吸引盘填充算法。

在目前一系列的全局优化方法中，无论是随机算法(如遗传算法^[2-4]、粒子群算法^[5-7]、散射搜索法^[10]等)，还是各种启发式算法(如模式迭换法^[1]、拟物拟人法^[8]等)都具有各自方法本身的局限性。随机算法具有全局搜索且适应面广的优点，但缺乏有效的局部搜索机制，且收敛速度较慢；启发式算法较之于随机算法，针对性强，但普适性不强；另外，确定性局部搜索算法(如梯度法、共轭梯度法、拟牛顿法等)也可进行全局优化，其具有搜索速度快、精度高的优点，但却易于陷入局部极小点的陷阱。

参考文献：

[1]滕弘飞，孙守林，葛文海等.转动圆桌平衡摆盘——带平衡性能约束的Packing问题.中国科学(A辑)，1994，24：754-760.

[2]唐飞，滕弘飞.一种改进的遗传算法及其在布局优化中的应用.软件学报，1999，10：1096-1102.

[3]钱志勤，滕弘飞，孙治国.人机交互的遗传算法及其在约束布局优化中的应用.计算机学报，2001，24：553-559.

[4]于洋，查建中，唐晓君.基于学习的遗传算法及其在布局中的应用.计算机学报，2001，24：1242-1249.

[5]李宁，刘飞，孙德宝.基于带变异算子粒子群优化算法的约束布局优化研究.计算机学报，2004，27：897-903.

[6]周驰，高亮，高海兵.基于粒子群优化算法的约束布局优化.控制与决策，2005，20：36-40.