Multi-Objective Optimization Design through Machine Learning for Drop-on-Demand Bioprinting

Drop-on-demand (DOD) bioprinting has been widely used in tissue engineering due to its highthroughput efficiency and cost effectiveness. However, this type of bioprinting involves challenges such as satellite generation, too-large droplet generation, and too-low droplet speed. These challenges reduce the stability and precision of DOD printing, disorder cell arrays, and hence generate further structural errors. In this paper, a multi-objective optimization (MOO) design method for DOD printing parameters through fully connected neural networks (FCNNs) is proposed in order to solve these challenges. The MOO problem comprises two objective functions: to develop the satellite formation model with FCNNs;and to decrease droplet diameter and increase droplet speed. A hybrid multi-subgradient descent bundle method with an adaptive learning rate algorithm (HMSGDBA), which combines the multisubgradient descent bundle (MSGDB) method with Adam algorithm, is introduced in order to search for the Pareto-optimal set for the MOO problem. The superiority of HMSGDBA is demonstrated through comparative studies with the MSGDB method. The experimental results show that a single droplet can be printed stably and the droplet speed can be increased from 0.88 to 2.08 m·s^-1 after optimization with the proposed method. The proposed method can improve both printing precision and stability, and is useful in realizing precise cell arrays and complex biological functions. Furthermore, it can be used to obtain guidelines for the setup of cell-printing experimental platforms.

考虑需求响应和热能梯级利用的园区综合能源系统多目标优化调度

园区综合能源系统(Park-level Integrated Energy System,PIES)供能设备多样,能源耦合机制复杂,是典型的复杂能源系统。为实现PIES低碳经济运行并提升风电消纳量以及解决系统因用能结构不合理导致的能源利用效率偏低问题,文中建立了电热需求响应模型优化负荷,并充分考量能量的“质”与“量”,基于热力学第一、第二定律建立了对系统碳排放约束性较强的综合能效模型,并将系统的热负荷根据能源品位进行细化区分,依据热能梯级利用理论,建立了能量耦合设备的数学模型。最后结合系统经济成本目标及系统综合能效目标建立了园区综合能源系统多目标优化调度模型,实现针对系统内各设备出力的调度。算例分析表明,文中提出的优化调度方案能够在提升系统风电消纳率及运行经济性的同时兼顾系统的低碳高效运行。

协调公平与效率的“四水四定”研究Ⅱ:应用

宁夏干旱缺水且发展不均衡,以水定需是必然选择。本文针对宁夏水资源条件和经济社会特征,构建协调公平与效率的“四水四定”优化模型,开展全区“四水四定”方案分析。模型以用水总量红线指标为水资源刚性约束,根据区域发展战略确定刚性保障需求,通过水与“四定”协调关系分析得出经济社会发展和用水效率可行变化范围。以2019年为现状、2025年为目标年,采用模型协调优化得出“四定”规模控制目标,以及分行业和区县的用水总量控制指标。结果表明,在全区73.27亿m 3用水总量和41.5亿m 3耗水约束下,满足全面小康的“四定”规模为750万人、5481亿元GDP、84.7万hm 2灌溉面积和791 km 2建成区面积。通过对比分析方案的公平性和效率提升状况,揭示了不同行业、区域的水量流转方向,表明约束设置对结果有显著影响,可为区域经济社会发展和水资源管控决策提供参考。

计及需求响应动态特性的分布式智能电网运行优化方法研究

提出计及需求响应动态特性的分布式智能电网运行优化方法。引入Transformer构建需求响应动态特征方程;刻画了包含分布式能源、微电网、可调节负荷、独立储能以及分布式智能电网调度中心的分布式智能电网系统;设计以弃风弃光成本与运行成本最小为优化目标建立分布式智能电网运行优化模型;运用金豺优化算法(GJO)对模型进行求解。算例结果表明,分布式智能电网运行优化方法能够在保证供电可靠前提下以较低的成本实现风光的高消纳,验证了分布式智能电网的可行性。

基于农机智能管理平台的田间燃油配给策略

在农业规模化生产中,为保证作业效率,农机燃油配给往往需要在田间完成。然而,现有的田间燃油配给方式存在不安全、不及时、缺乏科学系统的配给决策,导致燃油配给效率低、配送成本高等问题。针对上述问题,该研究结合农机燃油需求特点,提出基于农机智能管理平台的农机田间燃油配给策略。首先,以农机智能管理平台的实时数据为基础,基于可信性理论建立农机田间燃油配给的两阶段数学模型:第一阶段预优化,根据平台数据建立具有模糊需求和模糊时间窗的多目标车辆路径规划模型,第二阶段根据实际生产中发生的动态事件更新相关信息,重新规划未配送订单的配送路径;其次,以总配送成本最低及总满意度最高为目标,结合改进遗传算法求解农机田间燃油配给模型。最后,应用嫩江农场的数据进行实证分析,并与农场当前的配送成本等指标进行对比,验证可行性及实用性。结果表明:基于农机智能管理平台实时数据构建的农机田间燃油配给策略可以在降低配送成本的同时,保证较高的订单平均满意度,即时效性,与当前生产方案相比,配送路径减少了14条,虽然满意度较实际稍低,为72.85%,但总配送成本较当前方案降低了93.38%。研究结果可为农机田间燃油配给的智能化管理提供科学依据。

价格-积分联合激励下考虑消费舒适度的居民需求响应优化策略

针对居民家庭生活能耗占比高、碳排放量基数大、用电分散性与随机性明显的问题,为进一步发掘居民用户的节能降碳潜力,引导其规模有序地参与电力需求响应,提出了价格信号与积分制联合激励下考虑消费舒适度的居民用户需求响应优化策略。首先,分析价格-积分联合激励的运营架构,构建考虑居民用电消费心理学的行为不确定性模型。其次,提出价格-积分联合激励量化模型与积分激励兑换策略,结合家用电器运行特征,构建居民柔性负荷的积分激励数学模型。进而,考虑居民用电量、时间与温度多元舒适度,构建计及消费舒适度与边界效用递减效应的居民用户需求响应多目标优化模型。最后,以我国北方某社区某个居民家庭负荷为例进行仿真计算,结果表明,所提模型能在保障居民电力消费舒适度的前提下,降低日电费支出18.21%,相比于其他两种策略,在负荷电量转移率、居民负荷峰值削减量方面的优势更为显著。

突发自然灾害下的两阶段多目标应急物资中心选址问题研究

针对突发灾害情况下需求不确定的选址问题,构建最小化经济成本和最大化满意度的应急物资中心选址模型。首先,将选址问题划分为初期和后期的两阶段问题;其次,对物资需求量进行模糊需求预测,并使用可信性模糊机会约束规划将其转化为确定型约束;最后,设计改进灰狼优化(Improved Grey Wolf Optimization,IGWO)算法求解问题。IGWO算法采用佳点集初始化种群,对收敛因子进行余弦规律的非线性变化,并在粒子群优化(Particle Swarm Optimization,PSO)算法个体记忆的启发下,设计个体位置更新公式。在用10个标准函数验证IGWO有效性的基础上,通过湖北省新型冠状病毒应急物资中心选址案例分析,表明IGWO算法能有效求解多目标选址问题,在提高满意度的基础上降低经济成本,且多阶段模型在平衡满意度和经济成本方面结果更优。

考虑需求密度和客户满意度的城市末端服务网点选址问题

为解决“最后一公里”的配送问题,结合城市末端配送需求的服务网点特点,考虑需求密度和客户满意度,建立了以时间满意度最大化、利润最大化和需求密度最大化为目标的多目标选址模型。设计了基于线性加权法的改进自适应遗传算法,采用自适应算子处理变异概率和交叉概率,并设计三种不同的交叉算子,扩大搜索邻域。在改进算子的基础上设计了多目标遗传算法,使用快速非支配排序法去除权重系数取值对选址结果的影响。利用北京市海淀区的快递服务网络数据进行实例分析,使用设计的两种遗传算法分别求解选址模型的全局最优解和帕累托前沿解;并将改进自适应遗传算法与传统遗传算法、自适应遗传算法的求解结果进行比较。结果显示:改进自适应遗传算法比传统遗传算法和自适应遗传算法收敛速度更快、搜索能力更优;若无法确定改进自适应遗传算法的权重,使用改进后的多目标遗传算法同样可以求到最优解。

风景园林美的生成机制——基于价值论美学的视角

采用历时梳理与共时比较结合的方法,深入概述国内外风景园林美学研究现状,反思当前风景园林美学理论研究的哲学基础问题。尝试运用价值论美学的哲学观点对风景园林美的生成机制进行分析阐释,从而突破囿于风景园林审美对象及其审美属性的研究现状,梳理风景园林审美主体、审美客体、审美活动的复杂关系。研究认为:风景园林美并非预先存在,而是风景园林客体的审美属性与主体的审美需要在风景园林审美活动中契合而生的一种价值。风景园林美的生成机制包含三个关键因素:风景园林美来源于风景园林的审美属性,取决于主体的审美需要和审美趣味,产生于人对风景园林审美的活动之中。旨在为解决当代风景园林美学中哲学基础、审美对象、生成机制的统一提供一种理论视角,为多元发展的风景园林学科提供一种审美阐释的思路。

多态场景下考虑出行链重构的电动汽车多目标协同优化调度

电动汽车用户日内的充电计划具有规律性,但在突发事件影响下,电动汽车用户的充电行为则具有突发性和主观性。突发事件由用户影响到电动汽车的充放电过程,最终波及电力系统的稳定运行。首先,考虑实际出行中距离变化时用户的充电意愿,提出充电意愿模型,模拟用户的充电意愿区间;然后,基于电动汽车出行时空特性,将影响调度计划的突发事件分为4类,模拟4种事件对既定调度计划的影响,并综合考虑气温和电价等因素,对电动汽车进行充放电调度;最后,提出多态场景下储能站协同电动汽车的能量管理策略,对常态及两种极端条件下的电动汽车进行充放电调度。采用区域电网进行仿真,分析出行链重构在行为场景、事件类型、调度策略、集群规模、用户参与度和风电规模的条件中对电动汽车充放电调度的影响,验证了所提模型的合理性和有效性。

基于热电解耦CCHP和综合需求响应协同优化的配电网韧性提升策略

针对灾后紧急恢复阶段,提出一种基于热电解耦燃气冷热电三联供(CCHP)和综合需求响应协同优化的配电网韧性提升策略。该策略在提升韧性的同时计及资源利用效能,通过刻画计及不确定性的冷热用户响应意愿曲线,得到其可用调温范围,并基于此提出衡量用户舒适度的温度偏离度指标,最终以停电周期内电负荷恢复价值量最大和冷热负荷温度偏离度最小为目标构建多目标优化模型,利用ε-约束模型将其转换为单目标模型进行求解。以IEEE-69电力系统与比利时20节点天然气网络耦合系统进行仿真模拟,验证策略的有效性。

求解有服务顺序限制的MDMOVRPTW的IHHO算法

针对有服务顺序限制的带时间窗的多需求多目标车辆路径问题(multi-demand and multi-objective vehicle routing problem with time window,MDMOVRPTW),在考虑多种需求由不同车辆按顺序服务等约束条件的同时,构建了最小化配送成本和最大化客户满意度的多目标模型。根据模型的特点设计了改进的哈里斯鹰优化(improved Harris hawks optimization,IHHO)算法,随机地将种群中部分支配解作为父代解,用临时组合算子和4种交叉算子搜索新解。最后,算例测试结果表明,相较于传统的哈里斯鹰优化算法,IHHO算法的求解性能得到了有效改善,各操作算子中交叉算子2的求解效果最好。将IHHO算法用于实例中,求解结果得到了改善,充分验证了IHHO算法的有效性。

考虑三级调度网络的应急物资多资源动态调度问题研究

为解决重大公共卫生事件发生后的物资调度问题,运用SEIR模型预测需求点的各类受灾人群,构建需求预测模型;以综合物资分配满意度最大、综合运输时间满意度最大和综合救援成本最小为目标,采用多供应点、多配送中心、多需求点的三级调度网络,实现多周期、多资源的动态调度;引入混沌反向学习、非线性收敛因子、随机差分变异和贪婪选择策略改进灰狼优化算法,并对模型进行求解。结果表明,该模型可有效平衡物资调度的满意度与经济性,改进灰狼优化算法可得到更优越的调度方案,解决灾后多周期应急物资调度问题。

考虑动态需求的多目标冷链物流配送路径优化研究

随着全球市场的日益变化和消费者需求的逐步提升,冷链物流领域面临着如何在保持产品质量的同时,优化资源使用和提高服务效率。在动态需求的环境下,通过实时的数据集成与分析,采用更灵活的物流策略,可以提高响应速度和资源配置效率,优化整个供应链的性能。因此,文章使用案例分析的方法,通过静态物流规划以及调整动态物流配送路径,对比规划策略,提出优化建议,以期为冷链物流领域的发展提供理论参考。

基于需求弹性的多模式铁路客运票价优化模型及算法

为增强铁路客运市场竞争力、提高其运营收入,对多模式铁路客运票价的多目标系统优化问题进行了研究。采用变分不等式模型对不同铁路客运产品客运需求之间的平衡关系进行描述,采用灵敏度分析的方法给出了多模式铁路客运产品需求弹性的计算方法,并构建了多模式铁路客运的市场需求函数;在此基础上,综合考虑了铁路客运企业的市场需求、客运收入、利润以及旅客出行费用等多个优化目标,提出了多目标双层规划模型来描述多模式铁路客运票价的系统优化问题。最后,采用北京至天津的真实铁路客运数据对提出的模型进行验证。结果表明本文提出的票价优化方法可以有效兼顾客运需求、客运收入以及利润等多个指标,为铁路客运部门在不同市场竞争阶段制定科学合理的铁路客运票价体系提供参考和支撑。

基于NNC法的含电解铝系统多目标优化

随着高比例可再生能源并网,电力系统运行面临调峰压力大、风电消纳难等问题。为此,基于电解铝负荷的响应容量大、调节速度快等特点,提出一种基于规格化平面约束法(NNC)的含电解铝系统多目标优化方法。首先,将需求侧具有调节特性的电解铝负荷与火电厂相结合,建立含电解铝电力系统的多目标优化模型,以系统运行总成本最小、弃风电量最小为目标函数,联合储能系统对系统进行整体优化调度;其次,采用NNC法处理多目标模型,获取均匀分布Pareto前沿解;最后,选用逼近理想解法(TOPSIS),在Pareto前沿解中得到全局最优解。算例分析结果表明,所提方法可有效提高可再生能源的消纳量,具有良好的经济性。

需求响应激励下耦合电转气、碳捕集设备的综合能源系统优化

为了充分调动用户侧柔性负荷资源,发挥氢能的低碳特性,本文提出了一种需求响应激励下耦合两阶段电转气和碳捕集设备的综合能源系统优化方法。首先,构建两阶段电转气、碳捕集、氢燃料电池和储氢罐等设备组成的氢基综合能源系统。其次,结合负荷能源转换间耦合关系与调节特性,引入阶梯型需求响应激励机制并对补偿基价、区间长度、价格增长率3个参数进行自适应优化。最后,设置多种场景,用多目标灰狼算法对系统的供能侧、需求侧和阶梯型需求响应激励机制进行优化求解。结果表明,基于此方法系统运行的总成本和CO_(2)排放量都有所降低。

离散流水线车间内交货期与鲁棒性及能耗成本的集成优化

当今车间管理者不仅需要在最小化制造工期的同时尽可能应对设备随机故障等因素引起的不稳定性,更需要节省分时电价模式下的能耗成本以提高产品价格竞争力。本研究以考虑设备随机故障的流水线车间为研究对象,以工件交货期、系统鲁棒性、能耗成本为目标,建立了涉及生产调度、设备维护、能量分配三个维度的模型。首先,以代理指标方法结合蒙特卡洛仿真验证解决了不确定环境下的可行解评估问题;其次以NSGA-II框架为基础结合启发式解码方法以搜索此多目标问题的帕累托曲线。数值实验验证了所提目标评估方法的有效性以及集成方案相较于传统规则的优越性;在各工序间插入合适的缓冲时间,既可以吸收故障冲击以提高系统鲁棒性,又可以调整设备开机时段以降低总能耗成本。

教育信息化背景下“高等数学”多目标教学模式探究

本文通过分析某高校工科类“高等数学”分层次教学模式的优势与不足,探究教育信息化背景下多目标教学模式,给出其设计思路和实施方案.该模式基于行政班进行教学设计,通过信息技术和教育教学的深度融合,提高课堂教学效率,引导拥有不同发展目标的学生在课下合理使用相应的线上教学资源,并给出了课前、课中、课后、作业和考核的实施方案.该模式以学生的多样化需求为出发点设计教学方案,改变了传统教学中以教材和教师为中心的理念,消除了割裂行政班级进行分层次教学的不足,并且应用信息化教学手段较好地兼顾了多个教学目标的实现,可以促进每个学生都能在各自的“最近发展区”内得到充分的发展.

基于案例推理与多目标优化的高层建筑火灾救援装备调配

为提升高层建筑火灾应急救援效率,减少事故可能造成的人员伤亡和经济损失,首先建立高层建筑火灾典型案例库,构建消防救援装备需求预测模型求解事故点消防救援装备需求量;其次从效率、合理性、可靠性3方面提出消防救援装备调配方案优化目标并构建对应的目标函数,建立了调配时间最短前提下应急出救点最少、调配路线最可靠的多目标优化模型;最后采用实例验证方案优化效果,以西安市主城区21个应急出救点为研究对象,运用需求预测模型求解目标事故算例的消防救援装备需求,根据研究区域和应急出救点概况,使用ArcGIS网络分析求解各应急出救点到事故点的调配最短时间,利用构建的多目标优化模型选出最优调配方案。结果表明:最优调配方案的调配时间为7′34″,应急出救点数量为7个,可靠率为64%,验证了模型及求解方法的有效性和可行性;最终在ArcGIS中实现最优调配方案路径的可视化。研究结果能够为解决城市高层建筑火灾受灾区域内的应急需求问题提供可靠方案,为城市高层建筑火灾实现高效应急救援提供指导。