基于改进NSGA-Ⅱ算法的间歇采油制度优化

对于低渗透率油井,采用间歇采油制度能有效避免空抽磨损,并减少电能消耗量。为此通过分析沉没度和地层流压随抽油机井生产时间变化的规律,从系统节能的角度出发,建立以采油总产量最大、能耗最低为目标的间歇采油制度多目标优化模型。引入NSGA-Ⅱ并改进该算法对间歇采油制度多目标优化模型求解,运用改进算法得到的Pareto最优解的多样性和收敛性,合理优化抽油机的最优停机时间,最大效率地提升采油效率的同时,最小化电能消耗量。试验结果表明,基于Pareto多目标遗传算法的间歇采油机制优化具有明显的优势,在优化系统效率的同时能够有效减少电能消耗。研究结果可为油井间歇采油机制的改进和优化提供有力的技术支持。

基于改进NSGA-Ⅱ算法的船舶舾装作业计划优化研究

针对船舶舾装作业计划编制效率低、计划编制结果不符合作业预期要求等问题,建立多执行模式资源限制条件下的工期、成本和资源多目标优化模型.提出改进的非支配排序遗传算法(NSGA-Ⅱ),采用随机交叉算子、贪婪变异算子和自适应进化概率提升种群进化效率,同时融合模拟退火算法,增强算法的局部搜索能力,利用改进算法对实例进行仿真计算.结果表明:该方法可对船舶舾装作业计划进行多目标优化控制,实现舾装作业计划智能优化编制.通过算法对比分析,验证了改进NSGA-Ⅱ算法的可行性和有效性.

应用NSGA-Ⅱ-AdaBoost方法结合土壤物理性质对大豆产量预测模型的构建

为准确评估黑土区大豆产量,以大豆不同生长时期(出苗期、结荚期、成熟期)土壤物理性质(土壤坚实度、土壤容重、土壤含水率)为特征变量,使用自适应增强模型评价特征重要性,通过皮尔逊相关系数作进一步筛选,均选择与产量显著相关的特征构建数据集。采用非支配排序遗传算法Ⅱ优化模型的超参数,建立非支配排序遗传算法Ⅱ优化的自适应增强(NSGA-Ⅱ-AdaBoost)方法作为大豆产量预测模型,与11种主流机器学习算法进行对比。结果表明:成熟期土壤物理性质与大豆产量具有更高的相关性,表层和亚表层土壤物理性质对大豆产量影响较大;11种机器学习算法中AdaBoost表现最佳,四种优化算法中NSGA-Ⅱ表现最佳,经NSGA-Ⅱ对AdaBoost的超参数寻优,在五折交叉验证下决定系数为0.809 2、均方根误差为148.061 kg·hm^(-2)、平均绝对值误差为94.868 8 kg·hm^(-2)、平均绝对百分比误差为0.058 3。研究结果可为黑土区大豆产量预测提供理论和方法参考。

基于改进NSGA-Ⅱ的纤维缠绕落纱点轨迹采样特征权重优化

针对基于空间特征曲线特征函数的纤维缠绕落纱点轨迹采样算法无法自动选择特征权重的问题,建立以特征权重为变量,以得到采样点线性插值生成曲线与原曲线的MAE,RMSE为目标函数的双目标优化模型。提出基于改进NSGA-Ⅱ算法的双目标优化求解方法以优化特征权重。实例验证表明,与传统NSGA-Ⅱ算法相比,改进NSGA-Ⅱ算法求得Pareto解集的MAE,RMSE平均下降了0.002和0.105,算法选取特征权重的MAE,RMSE比特征权重为(0.1,0.3)的MAE,RMSE分别降低了约12.9%和8.5%,比特征权重为(0.9,0.1)的MAE,RMSE分别降低了约20.6%和11.4%,有效地提高了落纱点轨迹采样的精度。

基于NSGA-Ⅱ的滑油泵叶轮结构优化设计

滑油泵常需要在高空、低压工况下稳定运转,常会出现供油不足、效率降低等问题。为了得到满足设计要求且具有最佳性能的滑油泵,以某直升机用滑油泵叶轮为研究对象,对其结构进行优化设计。选择高空两个典型工况的效率与扬程作为优化目标,利用NSGA-Ⅱ算法对滑油泵叶轮几何参数进行寻优,对优化前后的滑油泵效率、扬程进行对比分析。采用CFD流体仿真及实验方法对优化结果进行对比验证。结果表明:所选优化参数对滑油泵性能有较大影响,优化后的滑油泵叶片位置附近流动更加平稳,高低压区域过渡平缓,能量损失更小,且降低了汽蚀发生的可能性;优化后的滑油泵设计点扬程提高2.6 m,效率提高2.86%。

基于NSGA-Ⅱ的复合材料防撞梁碰撞损伤多目标优化

为在设计时考虑低速碰撞损伤对碳纤维复合材料(CFRP)防撞梁力学性能的影响,发展了改进Hashin失效准则的VUSDFLD子程序来判定低速碰撞时CFRP防撞梁7个方向的损伤程度,采用壳单元模拟了复合材料的力学性能,建立了CFRP防撞梁低速碰撞有限元显式动力学模型。采用该方法对相同实验条件下的复合材料层合板低速冲击剩余强度进行了计算,并将计算结果与实验结果进行了对比,仿真结果与实验结果吻合较好。在此基础上,以复合材料防撞梁铺层厚度和铺层角度为设计变量,将复合材料防撞梁的质量和低速冲击时产生的损伤单元数作为优化目标,建立了CFRP防撞梁低速碰撞损伤动力学多目标优化模型,采用基于Pareto策略改进的NSGA-Ⅱ非支配排序遗传算法对其进行多目标优化求解。优化后,CFRP防撞梁质量由1.02 kg降为0.76 kg,减重率为25%;损伤单元数由30238个降为23206个,损伤降低率为23%。结果表明,所发展基于Hashin失效准则的VUSDFLD子程序和对CFRP防撞梁低速碰撞损伤多目标优化是行之有效的,为复合材料防撞梁结构的优化设计提供了参考。

基于SWMM模型与NSGA-Ⅱ多目标优化的LID布局研究

科学的海绵城市设计方案能够在一定程度上缓解由极端暴雨引发的城市内涝。以北京市海淀区老旧小区为研究对象,将雨洪管理模型(SWMM)与非支配排序遗传算法(NSGA-Ⅱ)相结合,以建设成本费用、总径流削减率以及节点超载时间为优化目标,以各项低影响开发措施(LID)按比例布置的最大面积为约束条件,迭代筛选出Pareto最优曲线,通过分析不同LID措施组合在老旧小区中的雨水排放效率,提出有效的规划建议。研究结果表明:对于单项LID的布置方案,同比例下透水铺装的径流控制效果优于绿色屋顶;LID组合的径流控制效果与建设成本呈正相关,但总径流削减率增长幅度有限,高成本的建设方案并不能达到更优的削减效果,节点超载时间不会持续下降;降雨重现期为10 a时(P=10),该小区LID布局最佳组合为37.12%绿色屋顶+17.7%下沉式绿地+7组雨水罐+9.47%透水铺装。在强降雨条件下耦合SWMM与NSGA-Ⅱ智能算法的多目标优化模型能够为类似社区LID布局设计提供参考。

基于GA-BP与NSGA-Ⅱ的数控铣削参数优化研究

高效低碳制造是可持续发展的关键,而数控铣削作为常用的金属表面加工方法存在刀具寿命短、碳排放量高的问题。提出基于NSGA-Ⅱ的GA-BP多目标优化方法,通过分析不同加工参数条件下的数控铣削刀具寿命及碳排放数据集,建立GA-BP神经网络刀具寿命及碳排放预测模型。基于NSGA-Ⅱ算法建立以刀具寿命、碳排放量为目标的主体优化模型,调用构建的GA-BP神经网络模型作为目标函数进行优化求解,得到Pareto最优解集。对Pareto最优解集进行TOPSIS最优解决策,得到综合优化刀具寿命与碳排放量的加工参数组合。优化结果表明:该方法既可以对数控铣削刀具寿命及碳排放量进行准确预测,还可以对两者进行有效优化,对数控铣削参数优化具有一定的理论指导意义。

基于多目标优化算法NSGA-Ⅱ的软件多样化组合方法

软件多样化因能有效提升系统弹性、增加恶意二进制分析的成本而被广泛应用于软件开发等场景中。而如何对现有软件多样化技术进行组合部署,以在获得更高安全增益的同时保持较低的性能开销,是当前软件多样化研究的核心问题之一。针对现有软件多样化组合方法中搜索算法效率低、搜索空间小、安全性评估指标不全面、难以综合考量软件多样化对各类攻击的影响等问题,提出了一种基于多目标优化算法的软件多样化组合方法,将软件多样化组合问题构建为综合考量TLSH相似度、gadget质量分数和CPU时钟周期数指标的多目标优化模型,并设计了包括染色体编码、自适应交叉和变异算子,以及针对组合方案的有效性验证算法等在内的NSGA-Ⅱ求解算法。最后,在GNU核心工具组数据集上进行实验,结果表明,该组合方法可有效生成高安全增益、低性能开销的软件多样化组合方案。

基于NSGA-Ⅱ算法的ACFM自由式旋转探头参数优化

交流电磁场检测(ACFM)方法是新型的无损检测方法,其中探头设计关乎检测的效率和信号处理的难度。基于此类问题,提出了自由式旋转单探头的设计,采用COMSOL Multiphysics软件对探头不同电磁参数进行仿真计算,得出适用的探头参数;此外根据旋转仿真分析得知,自由式旋转检测具有可行性且By磁场信号更具检测优势;同时基于旋转速度、平行检测速度、传感器相对位置以及检测范围的制约关系,采用非支配排序遗传算法Ⅱ(non-dominated sorting genetic algorithmⅡ,NSGA-Ⅱ)进行pareto求优,进而确定各参数,验证了旋转探头的高效率性。基于优化参数提出自由式旋转检测的信号处理模型,最后提出了旋转检测的系统搭建方法。

基于NSGA-Ⅱ算法的自动驾驶停车泊位优化模型

完全自动驾驶车辆将具有自动泊车功能,自主泊车技术可实现多排布局的高密度、集约化停车布局,将彻底改变双排多通道的传统停车布局方式.然而,在释放被阻塞车辆时不可避免产生额外的移动和拥堵.为了明晰多排布局产生排队阻塞和额外移动次数与空间利用率提升的悖反规律,综合考虑停车场的几何属性、移动策略、需求特征等设计要素,通过车辆协同让道规则释放阻塞车辆,以泊位数量最大和移动次数最少为双重目标,构建了自动驾驶条件下多排布局方式停车泊位优化模型,设计了带精英策略的非支配排序遗传算法(NSGA-Ⅱ)进行求解,通过数值实验提出了停车设施的最佳区域和布局,同时还进行了不同移动策略的敏感性分析.结果表明,在不降低停车位利用率的前提下,基于就近原则的移动策略大大减少了预期移动次数.

基于NSGA-Ⅱ-WPA的综合能源系统多目标优化调度

针对复杂多能流综合能源系统(IES)运行调控难以兼顾经济性与低碳性的问题,提出了结合非支配遗传算法Ⅱ(NSGA-Ⅱ)与狼群算法(WPA)的NSGA-Ⅱ-WPA算法,以实现IES在多目标条件下的优化调度。首先依据IES多能流的系统特性建立具有强耦合关系的运行调度模型,主要包括电能供应子系统、热能供应子系统以及制冷供应子系统;其次,构建IES的多目标运行策略,包括实时电价下的电池储能运行策略、分层能源供应策略以及碳排放权交易策略,以实现多目标因素影响下的IES协同运行控制调度优化模型;最后,提出了基于NSGA-Ⅱ-WPA的多目标优化求解算法,实现对多能流IES的优化调度。通过仿真试验对IES运行成本以及碳排放量进行评估,试验结果证明该算法能切实提高IES的综合能效,并且结果优于一般的NSGA-Ⅱ算法。

基于NSGA-Ⅱ算法选择光谱反射率重建样本的研究

为解决光谱反射率重建过程中训练样本数目庞大导致工作量大,重建精度不高等问题,提出一种基于NSGA-Ⅱ算法的光谱反射率重建样本选择方法。近日Liang等提出了一种从大量样本数据中选取具有代表性样本的新方法,定义光谱重建误差为均方根误差与拟合优度系数的乘积,以这一标准选择光谱重建误差最小的样本作为代表性样本进行光谱反射率重建。受Liang等人工作的启发结合NSGA-Ⅱ算法选择代表性样本,先对全体训练样本使用多项式回归算法和伪逆法进行光谱反射率重建,再使用NSGA-Ⅱ算法,设定两个目标函数,一个是所需代表性样本个数的光谱均方根误差的和,另一个是拟合优度系数倒数的和,令两个目标函数值最小。将经过NSGA-Ⅱ算法挑选出的Pareto等级为1的全部样本按照样本出现次数由高至低排序,以此顺序从高到低依次选为代表性样本,直至达到所需代表性样本个数。若从Pareto等级为1的样本集合中挑选的代表性样本数不足所需要的个数则选择下一等级出现次数最多且没有被选择过的样本直至代表性样本数达到需求。将1269块无光泽Munsell标准色卡按照样本下标划分为偶数色卡、奇数色卡,第一组实验用Munsell奇数色卡为全体训练样本,从Munsell偶数色卡中随机选择20个色块为测试样本。第二组实验选用Munsell偶数色卡为全体训练样本,从Munsell奇数色卡中随机选取20个色块为测试样本。第三组实验训练样本与第一组相同,RC24色卡为测试样本。将该方法与Mohammadi、Cao、Liang等提出的三种样本选择方法进行对比。通过实验得到使用NSGA-Ⅱ算法结合多项式回归与伪逆法选择的代表性样本重建的光谱反射率在均方根误差和色差两个指标上均优于现有的样本选择方法,并且该方法不限于特定系统,具有通用性。

基于外部存档更新及截断的NSGA-Ⅱ改进算法

传统的NSGA-Ⅱ(Non-dominated Sorting Genetic AlgorithmⅡ)算法使用拥挤度作为精英选择的第二指标,该方法在处理高维多目标优化问题时,常常由于选择压力不足,以及不同目标间优化冲突加剧等原因,很难维持种群收敛性和多样性的平衡。针对上述问题,提出一种基于外部存档更新及截断机制的NSGA-Ⅱ改进算法NSGA-Ⅱ-UTEA(NSGA-Ⅱalgorithm based on Update and Truncation of External Archive)。该算法首先在精英选择中引入基于权重向量分解的外部存档机制,然后根据个体与所在权重向量及超平面距离之和更新外部存档,并基于个体间角度计算实现外部存档截断,进一步提升了算法在高维多目标优化问题中种群的收敛性和多样性。与NSGA-Ⅱ、NSGA-Ⅲ、MOEA/D(Multi-Objective Evolutionary Algorithm based on Decomposition)、NSGA-Ⅱ-ARSBX(NSGA-Ⅱwith Adaptive Rotation based Simulated Binary crossover)和RPD-NSGA-Ⅱ(Reference Point Dominance-based NSGA-Ⅱ)这5种先进的进化算法的对比实验结果表明,NSGA-Ⅱ-UTEA算法在10目标以上的高维DTLZ(Deb Thiele Laumanns Zitzler)和WFG(Walking Fish Group)系列测试函数上,各项性能指标整体优于其他算法,在解集的分布性和多样性方面具有显著优势。特别是在大部分高维WFG4~WFG7凹问题上都能取得最佳的性能指标值。与传统的NSGA-Ⅱ算法相比,NSGA-Ⅱ-UTEA算法在10目标以上的高维DTLZ系列测试函数上,反世代距离(IGD)性能平均提升了50.6%;在15目标以上的高维WFG系列测试函数上,超体积(HV)性能平均提升了60.7%。实验结果验证了NSGA-Ⅱ-UTEA算法改进的有效性。

基于NSGA-Ⅱ与A^(*)算法的原竹初加工生产线设施布局研究

竹材易栽培、生长快,加工后能替代木材或其他产品。然而,目前的原竹初加工生产线设施布局主要依靠人工经验,存在物料运输距离远、运输路径干涉多等问题,导致生产线的建设和运维成本较高。针对以上问题,本文以降低运输成本和减少路径干涉为目标,建立了原竹初加工生产线数学模型;提出了一种基于NSGA-Ⅱ和A^(*)算法,且能实现最优运输路径规划的生产线设施布局多目标优化方法。相较于传统算法采用的曼哈顿距离,该方法采用A^(*)算法来计算优化目标,可获得更低的物料运输成本,且具备处理运输障碍和路径干涉等问题的能力。结果表明:优化后,物料运输成本平均降低18.1%,物料运输成本最多降低10.5%,交叉干涉点最多减少97.5%,表明本文所提出的方法在原竹初加工生产线布局方面切实有效。

基于场协同原理和NSGA-Ⅱ的扇形穴-梯形肋微通道多目标优化

采用数值方法研究了不同结构参数下扇形穴-梯形肋微通道的流动和传热特性。发现肋高(α)对总热阻(R_(th))和压降(Δp)的影响最为显著;随着α的增大,R_(th)迅速减小,而Δp迅速增大。为获得最优参数,采用响应面法、非支配遗传算法Ⅱ(NSGA-Ⅱ)和相似理想解排序技术(TOPSIS)进行多目标优化。并基于场协同原理和强化传热系数(PEC)对优化前后微通道的整体性能进行评价。结果表明,当R_(th)均为0.1858 K/W时,优化后的微通道的W pp仅为0.0062 W,比未优化的微通道降低了53.38%;当W pp均为0.0132 W时,优化后的微通道R_(th)比未优化的微通道R_(th)降低了13.04%,仅为0.16 K/W。优化后微通道的PEC高于未优化前,当R_(e)=231时,PEC从1.163增加到1.253,增加了7.74%;当R_(e)=631时,PEC最大为1.4515。场协同原理表明,TOPSIS最优微通道的速度场和温度场协同效果最好(FC=0.01889)。

面向多行程取送货车辆路径问题的混合NSGA-Ⅱ

针对多行程取送货车辆路径问题(VRP)收敛性与多样性相互制约的问题,提出一种融合自适应大邻域搜索(ALNS)算法和自适应邻域选择(ANS)的混合快速非支配排序遗传算法(NSGA-Ⅱ-ALNS-ANS)。首先,考虑初始解对算法收敛速度的影响,提出一种改进的后悔插入法以获得高质量初始解;其次,结合取送货问题特性,设计多组破坏和修复算子,以及多种邻域结构,提高算法的全局搜索能力和局部搜索能力;最后,设计基于随机采样的最佳拟合下降(BFD)算法与高效的可行解评价标准,生成路径分配方案。采用不同规模的标准公开算例进行仿真实验,与模因算法(MA)相比,所提算法的最优解质量提升了27%。实验结果表明,所提算法可快速得到满足多重约束的高质量车辆多行程路径分配方案,并在收敛性与多样性上优于对比算法。

基于NSGA-Ⅱ算法的机翼风洞模型静强度试验加载方案优化设计

针对机翼风洞模型的静强度试验,提出一种基于NSGA-Ⅱ算法试验加载方案的优化设计方法,包括加载布局的设计和试验载荷的多目标优化设计。加载布局的设计中引入控制剖面的设置,并在此基础上建立试验载荷的多目标优化设计模型,以控制剖面内的剪力、弯矩和转矩误差为优化目标,以静力等效原则和误差最小要求为约束条件,并以CHN-T1标模为例,基于NSGA-Ⅱ算法进行多目标优化模型的求解,算法采用可行性法则处理约束条件。最终求解出最优的试验加载方案并进行方案的有限元仿真验证。结果表明:试验方案与流固耦合下的理想试验的最大等效应力、应变值和变形位移的误差均小于6%,经优化设计的加载方案较好地模拟了气动载荷。

基于改进NSGA-Ⅱ算法的W火焰锅炉燃烧系统多目标优化

以W火焰锅炉为例,首先探讨了可调变量与NOx排放量和锅炉燃烧效率之间的关系,将所得的先验信息采用单调约束的形式与数据驱动建模融合,建立了灰狼优化融合先验知识的支持向量机燃烧特性预测模型。结果表明,该模型提高了预测精度。在此基础上,针对NSGA-Ⅱ算法易陷入极值的问题,加入带有惩罚机制的锦标赛选择策略,对不同工况下的W火焰锅炉进行多目标燃烧优化实验,并提出将归一化环保和经济指标得到的综合效益因子作为评判锅炉燃烧优化结果的标准。实验表明,出力为290MW工况下,综合效益因子提高了7.11%。

基于NSGA-Ⅱ的智能车辆换道轨迹规划与优化

针对智能车辆三次B样条曲线换道轨迹规划算法中控制点位置难以确定的问题,提出一种基于NSGA-Ⅱ的换道轨迹优化方法。采用三次B样条曲线规划了智能车辆换道轨迹,在低、中、高车速工况下,以换道轨迹长度及轨迹平均曲率为优化目标,采用NSGA-Ⅱ多目标优化算法对三次B样条曲线换道轨迹的控制点位置进行优化。为了验证优化后轨迹的可行性,进行仿真与实车验证。结果表明,在3种不同车速工况下,优化后换道轨迹在平均曲率、轨迹长度均有所减小,纵向位移与平均曲率分别减少了12.5%和12.0%、12.5%和40.0%、8.3%和15.4%;在联合仿真场景中,在10 m/s、20 m/s的低速、中速工况下,优化后轨迹跟踪最大横向误差小于0.1 m,在30 m/s的高速工况下,优化后轨迹跟踪最大横向误差不超过0.3 m;在实车验证中,优化前轨迹跟踪最大横向误差接近0.5 m,优化后轨迹跟踪最大横向误差不超过0.4 m,较优化前横向误差降低了20%以上。