《启发式算法与飞行控制系统优化设计》介绍了进化算法、进化策略、粒子群算法、多目标优化算法和蚁群算法等现代启发式算法，围绕如何将优化算法应用于飞机飞行控制系统参数优化及飞行航路规划问题展开讨论。《启发式算法与飞行控制系统优化设计》共计11章，内容包括飞机的常用飞行品质和飞行控制系统优化策略、提高遗传算法搜索效率的改进措施、粒子群算法和进化策略的改进措施及其在飞机飞行控制系统优化设计中的应用、基于多目标进化算法的飞行控制系统优化设计、进化算法在多操纵面控制分配中的应用、基于蚁群算法的路径规划和多机任务分配等。《启发式算法与飞行控制系统优化设计》以工程应用为导向，没有过多地涉及优化算法的理论研究工作，主要从使用角度对现代启发式算法进行工程化改造，以提高飞行控制系统设计效率和设计质量。
《启发式算法与飞行控制系统优化设计》可作为与飞机飞行控制专业有关的教师和硕士、博士研究生的教学参考书，也可供有关专业的科技人员参考。
第1章绪论
1.1现代飞行控制系统的特点
1.1.1现代飞行控制系统的特点
1.1.2现代飞行控制系统设计的难点
1.2启发式算法综述
1.2.1遗传算法综述
1.2.2进化策略综述
1.2.3多目标进化算法综述
1.3基于启发式算法的飞行控制系统优化综述
1.3.1基于启发式算法的飞行控制系统优化综述
1.3.2多目标参数综合方法简介
1.3.3 CONDUIT简介
1.4本书的研究内容
1.5本章小结
第2章飞机飞行品质常用评价准则和飞行控制系统优化策略
2.1飞机飞行品质规范的基本体制
2.1.1飞机的分类
2.1.2飞行任务阶段的种类
2.1.3飞行品质的等级
2.2飞机飞行品质的常用评价准则
2.2.1等效系统的概念、原理和方法
2.2.2飞机法向（飞行轨迹）轴的要求
2.2.3飞机纵向速度轴的要求
2.2.4飞机俯仰轴的飞行品质评价准则
2.2.5飞机滚转轴的飞行品质评价准则
2.2.6飞机航向轴的飞行品质评价准则
2.3飞行控制系统优化策略和参考模型选择
2.3.1基于参考模型的飞行控制系统进化算法优化策略
2.3.2参考模型的选择原则
2.4多目标进化算法在飞行控制系统优化中应用时的问题
2.4.1大包线范围内飞行控制系统优化设计点的选择
2.4.2使用多目标进化算法对飞行控制系统进行优化时偏好信息的处理
2.5基于动压的参数范围快速界定和调参方法
2.6本章小结
第3章基于直接搜索的遗传算法及其在飞行控制系统中的应用
3.1遗传算法概述
3.1.1遗传算法的基本概念和原理
3.1.2适应度函数的选择及其尺度变换
3.1.3遗传操作的具体方法
3.1.4小生境技术
3.2基于模式搜索法的遗传算法
3.2.1模式搜索法简介
3.2.2基于模式搜索法的遗传算法
3.2.3基于模式搜索法的遗传算法数字仿真结果
3.3基于旋转方向法的遗传算法
3.3.1旋转方向法简介
3.3.2基于旋转方向法的遗传算法
3.3.3基于旋转方向法的遗传算法数字仿真结果
3.3.4在飞行控制系统参数优化中的应用示例
3.4基于单纯形法的遗传算法
3.4.1单纯形法简介
3.4.2基于单纯形的遗传算法
3.4.3基于单纯形的遗传算法数字仿真结果
3.53种基于直接搜索的遗传算法的对比
3.5.13种基于直接搜索的遗传算法搜索速度的对比
3.5.23种基于直接搜索的遗传算法搜索精度的对比
3.6遗传算法在无人机路径规划中的应用
3.6.1协同逆推优化控制问题
3.6.2协同逆推优化控制求解
3.6.3仿真
3.7本章小结
第4章基于正交设计和均匀设计的进化算法及其在飞行控制系统优化中的应用
4.1基于正交设计的进化算法
4.1.1正交设计
4.1.2基于正交设计的进化算法
4.1.3仿真验证
4.2基于均匀设计的进化算法
4.2.1均匀设计简介
4.2.2基于均匀设计的进化算法
4.2.3仿真验证
4.3基于正交设计的进化算法和基于均匀设计的进化算法对比分析及改进
4.3.1基于正交设计的进化算法和基于均匀设计的进化算法的对比分析
4.3.2基于小生境的改进正交设计进化算法
4.3.3仿真验证
4.4基于正交设计的小生境遗传算法在飞机飞行控制系统中的应用
4.5本章小结
第5章基于反馈机制和混沌变异的改进进化策略及其在飞行控制系统优化中的应用
5.1基于反馈机制的改进进化策略
5.1.1（μ，λ） —ES基本步骤
5.1.2基于反馈机制的进化策略
5.1.3基于反馈和共享机制的进化策略步骤
5.1.4数字仿真验证
5.2基于反馈机制和混沌变异的进化策略
5.2.1混沌及其运动特性简介
5.2.2基于反馈机制和混沌变异的进化策略
5.2.3数字仿真验证
5.3基于反馈机制和混沌变异的进化策略在飞行控制系统优化中的应用
第6章基于Pareto方法的多目标进化算法及其改进
6.1多目标优化的基本概念
6.1.1多目标优化的基本概念
6.1.2多目标进化算法的设计要求
6.1.3多目标进化算法性能指标
6.1.4多目标进化算法的标准测试函数
6.2非劣分类遗传算法及其改进
6.2.1NSGA —Ⅱ算法
6.2.2 NSGA —Ⅱ的缺点及改进思路
6.2.3 NSGA —Ⅱ中自适应SBX算子及其性能分析
6.2.4 Tent映射性能分析及其改进
6.2.5 ACHNSGA —Ⅱ算法
6.3一种改进的非劣分类差分进化算法（INSDE）
6.3.1差分进化算法基本原理
6.3.2 INSDE
6.3.3数值仿真验证
6.4强度Pareto进化算法（SPEA2）及其改进
6.4.1SPEA2算法
6.4.2 SPEA2算法的缺点分析及其改进
6.4.3仿真验证
6.5强度Pareto混沌差分进化算法（SPCDE）
6.5.1 SPCDE算法的主要思想
6.5.2 SPCDE算法的主要操作及步骤
6.5.3数值试验与分析
第7章粒子群算法及其在飞行控制系统优化中的应用
7.1粒子群算法的基本理论
7.2基于粒子群算法的飞机鲁棒控制律设计
7.2.1问题提
7.2.2μ综合理论概述
7.2.3存在弹性模态的飞机方程
7.2.4使用粒子群算法优化加权函数
7.2.5仿真
7.2.6控制器降阶
7.3多目标粒子群优化算法及其改进
7.3.1基本多目标粒子群优化算法
7.3.2自适应混合多目标粒子群优化算法
7.3.3性能验证
7.4本章小结
第8章飞行控制设计多目标优化研究
8.1多目标飞机低阶等效系统拟配
8.1.1目标函数的选择
8.1.2改进的精英保留策略
8.1.3算法步骤
8.1.4仿真算例
8.1.5仿真结果分析
8.2基于人机闭环参考模型的飞行控制多目标优化设计
8.2.1基于参考模型的飞行控制设计优化策略
8.2.2基于人机闭环TDNS准则和CAP准则的参考模型选择
8.2.3基于人机闭环的飞行控制系统多目标优化
8.2.4 PIO易感性分析
8.2.5仿真结果分析
8.3LQG／LTR纵向飞行控制系统优化设计
8.3.1LQG／LTR设计的基本原理
8.3.2基于参考模型的LQG／LTR飞行控制系统优化设计方法
8.3.3基于参考模型的LQG／LTR设计方法仿真算例
8.4基于含约束的输出反馈特征结构配置的飞行控制系统优化设计
8.4.1含约束的输出反馈特征结构配置优化设计方法
8.4.2基于多目标优化的含约束的输出反馈特征结构配置的优化设计
8.4.3重构飞行控制系统的优化设计
8.5本章小结
……
第9章基于进化算法的飞机多操纵面控制分配技术
第10章蚁群算法及其在无人机航路规划中的应用
第11章总结
附录Admire飞机结构布局、结构参数、操纵面约束
参考文献
版权页：
2.4多目标进化算法在飞行控制系统优化中应用时的问题
2.4.1大包线范围内飞行控制系统优化设计点的选择
在飞行控制系统设计过程中，往往希望能用一套参数涵盖尽可能大的飞行包线，希望所设计的飞行控制系统具有较大范围的鲁棒性。然而，由于飞机在不同飞行高度、不同飞行速度、携带不同外挂的情况下，气动导数的变化较大，飞机的飞行品质在一套控制器参数的作用下在整个飞行包线范围内都达到1级品质显然是不现实的。在实际飞行控制系统的设计过程中，都是先在包线上选择设计点，而后针对设计点处的飞行状态进行控制器参数设计，在逐点设计完成后，再对中间状态进行插值，最后拟合出控制器参数随高度、马赫数或动压的变化规律。
如果希望所选的参数在较大包线范围内都具有良好的鲁棒性，首先要进行包线设计区域的划分和设计点的选择。当然如果包线设计区域划分得过大，则飞机气动参数变化很大，可能在使用多目标进化算法来搜索大包线范围内的控制器参数优化问题时难以找到在这么大范围内都满足1级品质的控制器参数。如果选择的设计点过多，就要处理一个高维多目标优化问题，而高维多目标优化问题处理起来是非常困难的，并且目前也没有很好的算法来解决高维多目标优化问题。所以在对大包线范围内的飞行控制系统进行优化设计前，要对飞行状态进行合理的划分，以提高进化算法搜索效率和控制系统的鲁棒性。
书单推荐
