基于NSGAⅡ算法的垃圾中转站选址及垃圾收运研究

随着垃圾分类政策的实施,垃圾中转站的数量缺少,亟需新建。垃圾分类不仅要在源头上受到重视,在垃圾收运过程中也需要重视。垃圾中转站选址不仅需要考虑成本问题,还需要考虑对环境产生的负效应,构建了以建设数量最小化、成本最小化、环境负效应最小化的多目标规划模型,用NSGA-Ⅱ算法(带精英策略的非支配排序遗传算法(Elitist Non-Dominated Sorting Genetic Algorithm))对模型进行求解。案例部分选取了上海市嘉定区垃圾中转站的选址,验证了模型的有效性。

基于随机森林-NSGAⅡ高性能混凝土耐久性配合比的多目标优化研究

针对高寒复杂环境下高性能混凝土耐久性预测和优化问题,本工作研发了一种结合随机森林与带精英策略的非支配排序遗传算法(NSGAⅡ)的混合模型,以实现高精度的混凝土性能预测以及多目标配合比优化。以混凝土耐久性的重要指标氯离子渗透系数和28 d抗压强度为研究目标,基于正交试验设计和工程实际试验样本建立混凝土数据集。利用随机森林对混凝土氯离子渗透系数和强度进行预测,得到氯离子渗透系数和强度与配合比的非线性映射关系函数,将其作为对应优化目标的适应度函数,再引入混凝土成本作为另一个优化目标的适应度函数。依据规范和工程要求,建立原材料及配合比之间的约束,采用NSGAⅡ进行混凝土配合比的多目标优化。研究表明,利用随机森林对混凝土性能进行预测的精度很高,且利用NSGAⅡ算法进行多目标配合比优化的效果很好。将优化配合比方案进行试验验证,发现模型优化结果与实际试验结果误差很小。这说明混凝土配合比符合规范且满足工程项目对耐久性能、强度和工作性能的要求,体现了该模型的智能化、精准化,可对工程实践中混凝土配合比的优化提供指导。

基于NSGAⅡ算法的电弧炉优化配料模型研究

作为电弧炉生产过程中的先行环节,配料好坏对冶炼钢种的品质和产品能耗至关重要。模型以物料平衡、能量守恒、数学规划理论以及电弧炉冶金过程中的物理化学反应原理为基础,在考虑一般性约束的前提下,将电弧炉生产的各工艺条件约束和有利于电弧炉节能降耗方面的约束纳入其中,同时以最低配料成本和最低吨钢能耗为目标函数建立起双目标数学规划模型并采用NSGAⅡ算法对模型求解,该算法同时采用了精英保存策略和多样性保护方法,性能和效率都优于传统的进化算法并且计算较简单,保证了炉料结构在生产中的可行性和准确性,为电弧炉配料研究提供思路。

NSGAⅡ在供应商选择中的应用

针对传统多目标优化过程中参数难以选择的情况,采用NSGAⅡ解决供应商选择问题,为企业选择供应商提供一套有效的决策方案。首先,建立以质量最大化、售后服务最大化、价格最小化和时间最小化为实现目标,以总需求、供应能力、采购策略、采购量为约束条件的供应商选择模型。其次,供应商选择模型将采用NSGAⅡ对其进行求解。最后,将NSGAⅡ和加权求和法进行实验比较。实验结果表明,与传统的加权求合法方法相比,NSGAⅡ不需要引入权重或约束条件,从而避免了人为干预,只需要一次运算就可以获得一组能同时接近各个目标的Pareto解,为供应商选择提供较好的选择。

基于迁移学习的NSGAⅡ算法

为解决传统进化优化算法在定义域随机产生初始种群低效率问题,基于第二代非支配排序遗传算法融入迁移学习思想,设计基于迁移学习的NSGAⅡ算法。在历史信息储存库中找出与新任务相似的历史问题,历史问题Pareto的最优解集为源域,目标函数随机产生种群得到目标域,通过迁移成分分析方法将源域和目标域映射到高维再生核希尔伯特空间,得到新的源域和目标域,计算两者之间欧几里得距离并排序,得到新的种群;最后利用NSGAⅡ常规步骤对含有历史信息的种群进行搜索。针对10个改进的多目标测试函数进行试验,结果表明该算法可以提高种群搜索效率和算法收敛性能,优化解集的均匀性和多样性。

基于改进型NSGAⅡ的织造车间多目标大规模动态调度

织造车间调度规模普遍在300台织机、1000个织轴以上,遗传算法搜索极易陷入局部最优,针对传统动态调度机制在织造插单、打样等复杂生产场景中适应性不强的问题,提出一种改进NSGAⅡ算法。从织造多织机、多织轴、多产品的大规模调度出发,基于织造和穿经之间独特的逆工序调度关系,构建以逾期损失、最大完工时间和织机空闲时间均最小为目标的织造多目标大规模调度模型。通过改进启发规则的编码方式缩小解空间,设计了一种局部和全局关联优化的贪婪进化算子,避免算法寻优陷入局部最优;并提出基于支配关系评价的动态调度机制,优化算法在生产中动态响应机制差,抗扰动性不高的不足。验证实验证明,改进NSGAII算法在织机调度规模为500台、4000个织轴时,调度能力仍优于其他算法。

Boltzmann-NSGAⅡ算法的NoC映射研究

传统NSGAⅡ算法在解决NoC映射问题时容易出现局部最优和种群多样性的问题。为此,提出一个均衡优化时延模型和一种基于Boltzmann-NSGAⅡ的映射算法,时延模型从宏观链路负载和单个节点排队时延进行优化,映射算法引入Boltzmann机制、多点交叉算子、随机变异算子,以保持种群多样性并提高局部搜索能力。实验结果表明,Boltzmann-NSGAⅡ算法能获得更好的映射效果,最优解集的收敛性和均匀性更好。

基于NSGAⅡ的变电站电压无功控制方法

为了防止变压器分接头和电容器开关频繁动作,通过一种设备状态诊断法建立了变电站电压无功多目标控制模型。该诊断方法根据控制设备连续动作时间间隔、已动作次数、电压无功越界持续时间分别引入惰性因子、比例因子和越限指标,构成变电站电压无功多目标控制模型,并结合NSGAⅡ多目标进化算法进行求解。实例表明,改进方法在保证电压无功质量的同时,有效地解决了控制设备频繁动作问题,具有很好的实用性和有效性。

基于BP神经网络和NSGAⅡ算法的立式搅拌磨机能耗优化

针对立式搅拌磨机在磨矿过程中能耗较大的问题,采用人工神经网络的方法建立工艺参数与能耗和出粉率的回归关系,并采用多目标遗传算法作为优化算法,构建立式搅拌磨机工艺的多目标优化策略,最终确定立式搅拌磨机的最优工艺参数,从而实现降低搅拌磨机磨矿能耗和减少生产成本的目的。以矿料粒度、搅拌器转速、介质填充率、矿浆浓度作为变量,设计进行了立式搅拌磨机的磨矿能耗试验。根据试验数据构建了基于BP神经网络的立式搅拌磨机的能耗和出粉率的预测模型,并验证了其预测的准确性;然后基于该预测模型运用NSGAⅡ算法进行了多目标优化,获得了Pareto最优解集;最后分析讨论得到了最优的工艺参数,对比优化前的工艺参数,在出粉率相同的情况下,能耗降低了7%。

基于SVM-NSGAⅡ的耐久性混凝土配合比多目标优化

混凝土常常因为耐久性不足而造成混凝土结构严重损伤,研究混凝土耐久性具有重要意义。本文建立了一种SVM-NSGAⅡ智能算法,以基于混凝土耐久性主要指标抗冻性(相对动弹性模量)和抗渗性(氯离子渗透系数)为研究目标,利用支持向量机(SVM)模型基于原材料配合比对混凝土动弹性模量和氯离子渗透系数进行高精度预测,得到其非线性映射关系函数,将这两个指标的非线性映射关系函数作为目标适应度函数,引入混凝土经济成本作为另一个目标适应度函数,依据规范和工程具体要求,建立原材料及配合比相关的约束条件,基于带精英策略的非支配排序的遗传算法(NSGAⅡ)进行多目标优化。研究表明,将相对动弹性模量和氯离子渗透系数作为耐久性评价指标,利用SVM模型对混凝土耐久性进行预测,预测结果精度很高。将所得预测函数作为适应度函数,以混凝土耐久性和经济成本为目标,利用NSGAⅡ算法进行多目标优化获得配合比优化方案,通过将优化配合比方案进行试验,验证了混凝土配合比符合规范、工程项目耐久性能、强度和工作性能等要求,体现SVM-NSGAⅡ模型在配合比多目标寻优中的智能化、精准化,具有良好的工程应用价值。

基于NSGAⅡ和神经网络的织造车间大规模调度

为解决遗传算法在织造车间大规模调度中容易陷入局部最优的问题,提出了NSGAⅡ-NN125调度算法。首先,根据织造车间大规模调度的特点,以最小化逾期损失、完工时间和改车次数为优化目标,建立了织造车间调度模型。然后设计了以神经网络模型NN125为主体的调度模块,其可根据织轴和织机特征信息生成调度方案。最后,设计了以NSGAⅡ为主体的优化模块,其根据方案优劣对调度模块中的NN125进行优化。结果表明:NSGAⅡ-NN125的调度质量随着调度规模的不断增大始终非常稳定,而且已优化的调度模块可直接用于相似问题的调度,调度性能较好,由于省去了优化过程,调度速度(约50个织轴/s)也有较大提升,具有较好的实用价值。

基于NSGAⅡ算法的超声滚挤压工艺参数优化

以提高金属材料的表层性能为目标,以42CrMo钢为研究对象,采用正交试验方法设计了以工件转速、进给速度、静压力以及振幅作为工艺参数的超声滚挤压试验。基于正交试验数据建立了工艺参数和金属材料表面粗糙度、表面残余应力和表面硬度间的多元回归模型,并采用方差分析法验证了模型的可靠性与稳定性。运用非支配排序遗传算法对回归模型进行了双目标和三目标优化,研究了遗传代数对Pareto最优解集的影响,获得了多组最优加工参数组合。结果表明,NSGAⅡ算法可用于获取最优的超声滚挤压工艺参数组合,用来指导实际加工生产。

基于NSGAⅡ的交直流系统无功优化

在交流系统与直流系统互联以及大规模分布式电源并网中,传统以网损或电压稳定性的单一目标函数已经无法满足电网优化的需求。为此,以交直流系统总网损和节点电压偏移量作为目标函数构建多目标交直流系统模型,在传统遗传算法加入快速非支配排序方法,并且在遗传过程中采用精英保留策略防止优良个体的丢失,从而求解得到多个pareto非劣解集。对IEEE30节点系统标准算例进行验证,所得结果验证了所提方法的可行性。

基于NSGAⅡ算法的多循环物流选址-运输路径优化问题研究

物流是国民经济的重要动脉,而其中车辆路径问题与配送中心选址分配问题是物流系统中的重要子课题。为了提高物流效率,解决多阶段配送选址问题,以降低运输时间、运输成本为优化目标,构建了多循环物流选址-运输路径优化数学模型。采用NSGAⅡ算法结合计算机编程求解双目标的优化问题,解决了车辆选择、备选中心选取、路线选择等问题,通过题库部分数据验证了算法的可行性。研究结果显示,时间和成本是无法同时达到最优的帕累托解集,决策者可以根据实际需要,选择更适合自身需求的选址-运输路径配送方案。

一种增强多样性的改进型NSGAⅡ算法

传统NSGAⅡ算法通过计算个体的拥挤距离保持群体分布性。为改善算法中存在的不足,使得新算法在测试问题集上表现更好,本研究对算法的多样性进行改进。受PBI效用函数的启发,抽取其中的d_(2)距离作为选择机制并与传统NSGAⅡ算法结合,提出一种计算d_(2)距离的改进型NSGAⅡ算法(d_(2)_NSGAⅡ),用于改善传统算法的收敛性与多样性。通过实验对比发现,相比NSGAⅡ以及其他一些算法,新算法在一些测试函数的高维多目标优化问题上有明显的优势。因此,d_(2)_NSGAⅡ是一种较好的解决高维多目标优化问题的新算法。

基于改进NSGAⅡ的时变路网污染路径问题多目标优化

为降低交通拥堵对时变路网污染路径问题中车辆碳排放量的影响,引入拥堵规避策略,建立最低碳排放量和最短配送时间的多目标优化模型。改进带精英策略的非支配排序遗传算法(elitist non-dominated sorting genetic algorithm,NSGAⅡ)对模型进行求解,并与非支配排序遗传算法(NSGA)进行对比。实验结果表明:改进后的算法可以根据顾客需求合理安排车辆出发时间和路径,有效规避交通拥堵;在顾客规模较大的情况下,车辆碳排放量平均降低24%,且不会造成过多的时间浪费,有助于促进我国绿色物流和谐发展。

基于NSGAⅡ的多目标电子产品CTO订单推荐

根据用户的个性化需求向用户推荐物料清单是实现按订单配置的有效途径。由于涉及的物料较多,用户关注的目标也较多,电子产品的CTO(Configure To Order)订单推荐面临挑战。以功能定位目标贴近度、功耗和成本为优化目标,将电子产品的CTO订单推荐建模为一个多目标优化问题,采用NSGAⅡ获取Pareto非支配集,基于用户权重对非支配集排序,得到若干推荐订单。与单目标优化方法相比,多目标优化可以快速适应用户对权重的动态调整,也可以一次推荐多个备选订单。仿真实验证明了该算法推荐的优越性和具有较强的鲁棒性。

基于NSGAⅡ的齿轮减速器多目标优化研究

为了解决工程设计中有离散变量、多约束的多目标优化问题,对改进的非占优排序遗传算法(NSGAⅡ)进行了研究,通过基于拥挤距离的非占优排序,提出了离散变量和多约束的处理方法,利用Matlab软件编写了NSGAⅡ的多目标优化程序,并以二级减速器多目标优化设计为例,建立了多目标优化数学模型,运用NSGAⅡ算法求解得到了帕累托最优解集,根据模糊集合理论的有关方法选取了最优解,与传统方法得到的结果相比,体积、失效概率和传动误差都有不同程度的降低。研究结果表明,修改后的NSGAⅡ能用于有效地求解有离散变量、多约束的多目标优化设计问题。

一种基于均匀分布策略的NSGAⅡ算法

针对局部搜索类改进型非劣分类遗传算法(Nondominated sorting genetic algorithm Ⅱ, NSGAⅡ)计算过程中种群分布不均的问题,提出一种基于均匀分布的NSGAⅡ (NSGAⅡ based on uniform distribution, NSGAⅡ-UID)多目标优化算法.首先,该算法将种群映射到目标函数对应的超平面,并在该平面上进行聚类以增加解的多样性.其次,为了提高解的分布性,将映射平面进行均匀分区.当分段区间不满足分布性条件时,需要激活分布性加强模块.与此同时在计算过程中分段区间可能会出现种群数量不足或无解的状况,为了保证每个区间所选个体数目相同.最后,采用将最优个体进行极限优化变异的方法来获得缺失个体.实验结果显示该算法可以保证种群跳出局部最优且提高收敛速度,并且在解的分布性和收敛性方面均优于文中其他多目标优化算法.

混堆模式下基于动态规则NSGAⅡ的自动堆垛起重机作业优化

针对外集卡到达时间的不确定性,提出自动堆垛起重机(ASC)作业序列的动态优化,从而以减少ASC作业完成时间以及ASC和外集卡等待时间为目的,提高自动化集装箱码头堆场的作业效率。首先,结合混堆模式下集装箱作业类型与外集卡动态到达的特点,提出ASC动态匹配外集卡作业任务的策略;其次,构建ASC作业时间最短与ASC和外集卡等待时间最短的多目标模型;最后,设计基于动态规则的非支配排序遗传算法Ⅱ(DRNSGAⅡ)作为求解算法。在小规模算例实验中,分别运用DRNSGAⅡ与遗传算法(GA)求解动态策略和随机策略下的ASC作业问题。实验结果表明,DRNSGAⅡ求解的动态策略下目标函数值优于随机策略28.2%,并且动态策略下DRNSGAⅡ的求解结果优于遗传算法23.3%。在大规模算例实验中,比较了DRNSGAⅡ与多目标粒子群优化(MOPSO)两种算法的性能。实验结果表明DRNSGAⅡ的求解结果优于MOPSO算法6.7%。可见DRNSGAⅡ能够快速生成多样化的非支配解,为混堆模式下的ASC动态作业提供决策支持。