一种基于正态分布交叉的ε-MOEA

实数编码的多目标进化算法常使用模拟二进制交叉(simulated binary crossover,称SBX)算子.通过对SBX以及进化策略中变异算子进行对比分析,并引入进化策略中的离散重组算子,提出了一种正态分布交叉(normal distribution crossover,称NDX)算子.首先在一维搜索空间实例中对NDX与SBX算子进行比较和分析,然后将NDX算子应用于Deb等人提出的稳态多目标进化算法ε-MOEA(ε-dominance based multiobjective evolutionary algorithm)中.采用NDX算子的ε-MOEA(记为ε-MOEA/NDX)算法在多目标优化标准测试集ZDT和DTLZ的10个函数上进行了实验比较.实验结果和分析表明,采用NDX的ε-MOEA所求得的Pareto最优解集质量明显优于经典算法ε-MOEA/SBX和NSGA-Ⅱ.

基于改进MOEA/D的钢铁多介质能源计划优化

针对多介质钢铁能源计划模型存在变量较多、约束复杂和模型求解难度高等问题,提出基于自适应邻域的改进MOEA/D(decomposition-based multi-objective evolutionary algorithm)实现多介质能源计划优化。考虑分时电价特性和煤气柜的缓冲作用,构建以最小化运行成本和总能耗的目标函数,设计能源介质供需和工序饱和度等模型约束;基于能源产耗规则的解码方法确定目标值,定义归一化的切比雪夫聚合函数和种群进化程度的自适应邻域更新,设计改进MOEA/D的能源计划优化算法。仿真对比实验验证了改进MOEA/D有效实现能源计划优化,提高解的收敛性,降低运行成本1.3%和能耗1.2%。

超参数自适应的MOEA/D-DE算法在翼型气动隐身优化中的应用

MOEA/D-DE算法易于实现,被广泛应用于处理多目标优化问题,但其超参数对算法性能影响较大。基于MOEA/D-DE算法框架,利用Sobol全局灵敏度分析方法对差分进化算子中的交叉控制参数进行改进,使用莱维飞行机制控制比例因子,使算法中的超参数拥有自适应能力,得到超参数自适应的MOEA/D-DE算法——MOEA/D-DEAH算法;对MOEA/D-DEAH算法、不同超参数设置的MOEA/D-DE算法和NSGAⅡ算法进行函数测试和翼型气动隐身优化算例对比。结果表明:MOEA/D-DEAH算法性能良好,具有较强的鲁棒性,气动隐身优化效果也比其他算法更好。

喷嘴结构对高压水射流影响及结构参数优化设计

喷嘴是产生高压水射流的关键部件,其结构形式对射流动力学性能有很大影响。以圆柱形喷嘴为对象,进行喷嘴结构对高压水射流的影响分析及结构参数优化设计。采用两相流计算流体力学模型进行喷嘴内外的射流流场分析。为节省计算资源,在优化设计时引入Kriging代理模型替代计算流体力学模型。分别采用改进的非劣分类遗传算法和基于分解的多目标进化算法进行单目标和多目标优化设计。研究结果表明:直线型喷嘴总体性能较优,凹型喷嘴的次之,凸型喷嘴性能最差。以直线型喷嘴为设计对象,以射流初始段长度和流量为目标,得到了单目标和多目标优化设计结果。单目标优化时,两个指标较基准外形分别提高14.71%和27.56%。多目标优化时,优化得到的半锥角处于[15.4°,89.8°]区间内。运用代理模型和进化算法的全局优化方法在进行喷嘴的优化设计时是有效的。

一种基于新型邻域更新策略的MOEA/D算法

针对MOEA/D算法求解复杂优化问题时,邻域更新策略的无限制替换易造成种群多样性缺失的问题,提出了一种基于新型邻域更新策略的MOEA/D算法(MOEA/D-ENU)。该算法在进化过程中对解的信息进行充分挖掘,按照邻域更新能力对产生的新解进行分类,并针对不同类型的新解,自适应地采取不同的邻域更新策略,在保证种群收敛速度的同时,又兼顾了种群的多样性。实验中,选取ZDT,UF,CF等9个函数作为标准测试集,将改进后的算法MOEA/D-ENU与其他5种算法进行对比实验,并以IGD和HV为评估指标。实验结果表明新算法具有更好的收敛性和分布性。

多目标遗传算法求解认知无线电SUL维持问题

当某个一级用户重新出现时,二级用户必须马上让出属于此一级用户的频谱,此时就存在着如何维持二级用户链接(Secondary Users’Link,SUL)的问题。基于CORVUS系统的"冗余子信道"模型在SUL原有的N个子信道基础上再使用X个冗余子信道进行二级用户之间的通信。只要传输过程中受干扰的子信道个数少于X,接收端就可以从N+X个子信道中恢复出正确信息来,从而解决了SUL维持的问题。但尚未有一种有效的办法以求解最优的N和X。将SUL维持问题建模为一个多目标优化问题,提出了一种基于多目标遗传算法的SUL维持算法SULEA。SULEA能够根据不同的用户服务需求动态地选择适应度函数来求解最优的N和X,Matlab实验证明了SULEA的正确性和有效性。

基于Species机制的多目标遗传算法

多目标优化算法设计正在成为当前进化算法领域的一个研究热点.考虑将最初用于多峰优化的Species机制引入到多目标遗传算法中,通过借鉴现有多目标算法的相关思想,设计并提出了一种新的Species方法,包括基于Pareto最优性和拥挤度思想的Species种子确定策略及适应性的Species构造策略.一组标准多目标测试函数的仿真实验结果表明,提出的基于Species机制的多目标遗传算法表现出比经典的非支配排序遗传算法Ⅱ(NSGA-Ⅱ)更好的性能.

基于动态ε支配的多目标遗传算法

基于Pareto支配的MOEA存在着一些缺陷,如容易出现退化现象等。而基于ε支配的MOEA可以比较好地解决这些问题,并具有比较理想的收敛性和分布性。但是采用传统的ε-MOEA时,最大的困难就是ε的值的设定,并且传统的MOEA得出的解在边界部分个体的丢失现象也比较严重。针对这种情况提出了一种新的基于动态ε支配的多目标遗传算法(DEMOEA),它不需要手动设定ε的值,并且引入了动态网格概念来改善边界解丢失的现象。通过与其他两个经典的多目标进化算法的NSAGA-Ⅱ和SPEA-2的对比实验,表明提出的DEMOEA能在收敛性、分布性有较好的改进。

基于MOEA/D算法的起重船压载水调配优化

[目的]为提高起重船压载水调配效率,降低调载过程能耗,提出基于分解技术的多目标进化算法(MOEA/D)的起重船压载水调配优化方法。[方法]以各压载水舱调配后的水量为决策变量,以压载水总调配量最小为优化目标,引入浮态等方面的约束,建立起重船压载水调配优化的数学模型;针对因决策变量维数高所引起的求解速度慢和求解质量差的问题,提出调载水舱自适应选择方法,以减少参与调载的水舱数量;针对约束条件处理复杂的问题,将单目标优化转化为多目标优化问题,然后应用MOEA/D算法,从Pareto解集中优选得到起重船压载水调配的最优方案。[结果]对某起重船吊机回转过程的压载水调配实例计算结果显示,基于MOEA/D的算法较NSGA-Ⅱ算法和遗传算法(GA)在满足浮态容差的条件下,参与调载的舱室数量减少了27%,调载水量分别减少了24%和38%,验证了MOEA/D算法的可行性和有效性。[结论]所提的基于MOEA/D的方法可为研究起重船压载水调配优化问题提供一种新的解决思路,能得到较优的压载水调配方案,具有一定的工程应用价值。

火星探测器气动外形/弹道一体化多目标优化

针对火星探测器概念设计阶段的需求,提出了融合气动外形、弹道和开伞条件的一体化多目标优化设计方法。首先建立了火星探测器进入段三自由度弹道运动方程,基于修正牛顿理论推导了适用于具有较大半锥角球锥外形的气动参数估算模型,采用Sutton-Graves公式计算了驻点热流密度。以开伞高度、总吸热量和容积率为目标函数建立了火星探测器气动外形/弹道一体化多目标优化模型,采用基于分解的多目标进化算法(MOEA/D)进行求解计算并与参考设计进行了对比。数值结果表明:多目标优化方法提供多个三目标均优于参考设计的Pareto最优解,为火星探测器的概念设计提供了一定的参考依据。

求解复杂多目标优化问题MOEA/D-GEP算法

针对复杂多目标优化问题,提出一种基于演化建模的MOEA/D(基于分解的多目标遗传算法)求解算法(MOEA/D-GEP).该算法利用MOEA/D算法思想分解多目标优化问题,对分解后得到的可行解用基于模拟退火的GEP算法建模,从中选取预测值较好的点进入下一次真实适应值的计算.采用国际公认的ZDT,DTLZ等测试函数进行实验验证,并与MOEA/D-EGO演化多目标优化算法进行了比较.实验结果表明:该算法在IGD性能指标上有较好的表现,说明将演化建模技术引入MOEA/D算法提高了种群个体分布模型的精度,降低了求解复杂多目标优化问题的计算成本.

混合分解多目标进化算法求解绿色置换流水车间调度问题

针对考虑能量消耗的绿色置换流水车间调度问题,以最大完工时间和总能量消耗为优化目标,提出一种混合分解多目标进化算法(HMOEA/D).首先,为了保持初始种群的多样性,使用一种混合初始化策略产生高质量初始种群;其次,采用禁忌搜索策略作为局部搜索算子,强化算法跳出局部最优能力;最后,提出节能策略,以进一步优化总能量消耗目标.通过对标准测试集进行仿真实验并与代表性算法进行比较,验证所提出算法的优越性.