基于改进NSGA-Ⅱ算法的梯级水库多目标优化调度

针对在时间步长较小、计算时段数目较多时,传统智能优化算法在求解梯级水库联合优化调度问题上效率低甚至无可行解的问题,提出了一种改进NSGA-Ⅱ算法。该算法基于NSGA-Ⅱ算法框架,引入参考目标值、潜力目标值、偏移度以及变异引导算子来优化种群进化过程,强化迭代中的种群质量,使获得的解集更加接近真实的Pareto前沿。福建省金溪流域梯级水库多目标优化调度实例验证结果表明,改进NSGA-Ⅱ算法相对其他算法运算效率更高,优化结果更好,具有较好的实用性。

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NSGA-Ⅱ遗传算法的Myring流线型量水槽体型优化设计

Myring流线型在水下航行器领域应用较为广泛,而量水槽在渠道中的受阻状态与潜水器潜行时受到的阻力情况具有一定的相似之处,因此本文借鉴潜水器的结构特点进行量水槽体型设计,探究量水槽受阻最小的较优线型。基于FLOW-3D软件,采用最优拉丁超立方设计方法,以流线型的收缩段长度和锐度因子、扩散段长度和离去角为变量设计了40组数值模拟方案,得到对应的水头损失百分比和上游佛汝德数。以数值模拟变量为输入、结果为输出,训练RBF神经网络,结合NSGA-Ⅱ遗传算法获得Patero前沿解,通过TOPSIS评价法筛选出最优解并得出其线形参数:优化模型收缩段长度为45.9 cm、收缩段锐度因子为0.74、扩散段长度为49.2 cm、扩散段离去角为14.63°,并通过等比例缩放得到6组收缩比,在9组流量下进行模型试验分析水力性能。结果表明,优化后线型过流较顺畅,水力性能较优,预测结果和模拟结果误差不超过5%;不同工况下上游佛汝德数均小于0.5,满足测流规范要求,收缩比为0.58~0.66时各项水力性能均较优;基于临界流测流和量纲分析原理得到的测流公式精度较高,平均相对误差为2.09%。本研究证明了将流线型运用于量水槽领域研究以及通过神经网络和遗传算法寻优的可行性,优化后Myring流线型量水槽具有良好的性能和测流精度,在灌区渠道中具有较好的运用前景。

基于改进NSGA-II的轨道交通接驳公交线路优化

为解决接驳公交线路规划不合理和时间安排不完善的问题,提出了基于改进NSGA-II算法的环形接驳公交线路优化方法。首先,结合双层规划理论,以乘客出行时间成本最小化、公交企业运营收益和接驳公交服务率最大化为目标函数,以接驳公交线路站点数、线路长度和发车频率作为约束条件构建上层模型,采用Logit模型构建了下层接驳客流分配模型;其次,运用Floyd算法对NSGA-II算法的初始化种群进行了优化,针对所提出的模型设计了模型求解流程;最后,以哈尔滨市轨道交通1号线医大一院轨道交通站为案例,运用笔者提出的多目标双层规划模型和算法进行求解,并与原NSGA-II算法和基于Logistic混沌映射的NSGA-II算法进行对比。研究结果表明:基于Floyd算法改进的NSGA-II算法在多目标双层规划模型求解时,收敛速度更快效果更好,求解结果可以在Pareto前沿得到多个相互非支配的最优解;不同解集对应目标函数值不同,但可以达到接驳公交网络整体效益最优,采用折衷最优解集表述求解结果。

基于CatBoost-NSGA-Ⅲ算法的盾构姿态预测与优化

为解决盾构掘进过程中因盾构前倾变形、蛇形、轴线偏离及纠偏等影响施工安全性与高效性的问题,提出一种将类别型特征梯度提升(CatBoost)与第三代非支配排序遗传算法(NSGA-Ⅲ)相结合的盾构姿态多目标优化方法;以贵阳地铁为例,选取22个影响因素作为输入参数,利用CatBoost算法建立输入参数与盾构姿态之间的非线性映射函数关系,采用随机森林(RF)算法评价输入参数的重要性;以盾构姿态绝对值最小化为目标,构建CatBoost-NSGA-Ⅲ多目标优化模型,并通过案例分析验证所提方法的适用性和有效性。结果表明:采用CatBoost算法训练工程实测数据得到的预测模型具有较高的精度,5个盾构姿态目标的R^(2)范围为0.916~0.943;所研发的CatBoost-NSGA-Ⅲ盾构姿态多目标优化方法,可使盾构姿态得到显著优化,整体改进的平均值为53.34%。

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NSGA-Ⅱ与RBF神经网络的DPF结构参数优化

为降低某型号柴油机颗粒捕集器(DPF)在运行过程中的流动阻力,并使其保持较高的捕集效率。采用试验设计方法抽取代表性样本集,并分析影响因素对DPF捕集性能影响的显著性。利用径向基函数(RBF)神经网络构建所选变量与目标函数映射关系代理模型,并结合第二代非劣排序遗传算法(NSGA-Ⅱ)与结合熵权的优劣解距离排序法(TOPSIS)得到关于目标函数的一组最优解。结果表明:该型号DPF平均压降降低了14.58%,且DPF平均捕集效率保持99%以上。

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-HVC算法的含高熔点原油单管道炼油系统短期调度优化

为了解决含高熔点原油的单管道短期调度优化问题,对调度过程中出现的目标函数和约束条件建立数学模型,并采用基于超体积贡献(HVC)的进化算法优化求解该问题。通过种群聚类获得唯一目标值集合,然后计算HVC,并根据目标价值优化参考点的选取,提出改进的基于HVC的非支配排序遗传算法(NSGA-HVC)对含高熔点原油的单管道短期调度问题进行多目标优化求解。实例分析表明,与其他算法相比,NSGA-HVC算法的求解性能更优,超体积(HV)指标高于其他算法10%左右,所得解集表现出更好的多样性和收敛性。将NSGA-HVC算法得到的调度结果与已有文献进行对比,结果表明所提算法在不同目标上的优化效果提升了3.1%~24.1%,整体上调度成本显著降低。

融合NSGA-II和CSA的多目标车间调度

针对在灵活车间系统中调度作业和自动引导车(automated guide vehicle,AGV)的同时调度问题,考虑在有限多个AGV和加工机台的情况下,以最小化最大完工时间、单个AGV搬运消耗时间及所有AGV搬运总消耗时间为目标函数,设计融合NSGA-II(non-dominated sorting genetic algorithms)和克隆选择(clonal selection algorithm,CSA)的改进算法INGCSA来解决此类问题。采用工件、加工机台和AGV三部分编码;引入非支配排序和目标函数值大小排序后总得分进行种群分层,从而有效地保留优秀个体;针对克隆后的种群,对不同等级的种群采取不同的变异概率,并对染色体进行内部交换与均匀交叉混合交换的基因重组,有效地提高了种群的多样性与防止陷入局部最优。通过三组对比实验,验证了该算法在探索最优解时,具有运行时间短、稳定性高和收敛性好等优点。

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NSGA-Ⅱ算法的绿色基础设施多目标空间优化

【目的】绿色基础设施(green infrastructure,GI)是提供多种生态系统服务、保护区域生态系统安全和稳定的重要载体,而GI所能供给的各项生态系统服务之间的权衡关系导致GI的规划决策难以同时最大化多项服务供给。旨在以多项生态系统服务供给协同增益为目标构建一个辅助GI规划决策的多目标空间优化模型。【方法】基于NSGA-Ⅱ算法,以InVEST模型构建目标函数,在Python开发了协同生境质量服务、作物生产服务、雨洪削减服务3项主导生态系统服务的GI布局优化模型,并在安徽省芜湖市中心城区进行了应用。【结果】优化模型共获取50个末代帕累托最优GI布局,据此遴选出不同服务偏好下的GI布局方案,各方案相应服务供给能力得到显著提升:生境质量目标偏好方案的全局平均生境质量指数从现状方案的0.2988提升至0.3115;雨洪削减服务目标偏好方案的径流滞蓄量从70189.34 mm/a提升至71673.20 mm/a;作物生产目标偏好方案将作物生产总价值量从464169.51万元提升至464582.90万元;折衷方案的雨洪削减服务供给能力和生境质量服务供给能力优于现状方案,其径流滞蓄量和生境质量指数分别达到71658.67 mm/a和0.2993,而在作物生产服务供给能力上并没有实现对现状方案的提升。根据优化结果分析了GI供给的各项服务间的权衡与协同关系,归纳了在各种服务偏好下和协同多项服务时的GI空间布局特征。【结论】多目标优化算法为辅助协同多项生态系统服务的GI布局决策、探索生态系统服务间权衡与协同关系、明确不同服务目标导向下的GI空间规划策略提供了重要参考,为国土空间规划视角下采用模型算法辅助生态空间及GI规划的实践提供了有力工具。

多目标下改进NSGA-Ⅱ的机械臂轨迹规划

以UR5e机械臂为研究对象,针对机械臂作业过程的运动轨迹进行轨迹规划,机械臂关节空间轨迹采用七次B样条曲线构造,针对其需满足时间短、能耗低、运动平滑的要求采用非支配排序遗传算法(NSGA-Ⅱ),并针对其易陷入局部最优、收敛速度慢等缺点,采用佳点集和非均匀变异算子使初始种群分布更加均匀、加快收敛。仿真结果表明,七次B样条曲线所构造的机械臂轨迹速度、加速度、加加速度连续平滑且无断层现象,在运动学约束的前提下,改进后的NSGA-Ⅱ算法世代距离平均下降了76.96%,空间分布性指标平均下降了23.06%,其在收敛性、分布性上均优于原算法,更接近于Pareto最优解,有效实现了机械臂的多目标优化问题。

基于NSGA-III算法求解柔性作业车间调度问题

针对多目标柔性作业车间调度问题,提出一种改进NSGA-Ⅲ算法,以完工时间、机器总负荷、瓶颈机器负荷为目标建立调度模型。首先,为提高种群的多样性,提出一种基于惩罚的边界相交距离定义关联操作中种群个体与参考向量之间的距离;其次,为提高环境选择的计算效率,利用基于惩罚的边界相交距离消除机制来保护个体,降低了个体保护策略的计算成本;最后,为避免种群陷入局部最优,在遗传算子中采用一种改进的变异策略。运用两个评价指标与NSGA-Ⅲ算法进行比较,其收敛性与多样性均由于NSGA-Ⅲ算法。同时在4个Kacem算例上进行测试得出改进NSGA-Ⅲ算法解的质量较高,最后通过实际的生产实例证明改进的NSGA-Ⅲ算法优于或等同于现存在的方法,也证明了该方法在解决多目标柔性作业车间调度难题上的可操作性。

基于神经网络与NSGA-Ⅱ算法的方舱温控优化设计

综合考虑车载方舱外部传热与舱内设备的功率负载等因素对舱内热环境的影响,以车载空调的布局与送风角等作为设计变量,以舱内电子设备耐受温度与乘员舒适度为目标函数,采用BP神经网络建立设计变量与目标的映射关系,利用改进型非支配排序遗传算法对舱内的气流布局与环境温度梯度进行优化,取得Pareto前沿解。优化结果表明,在制冷功率一定的前提下,最优解集主要集中在空调较接近电子设备且前出风角较平直时。此方法节省仿真优化成本,对方舱内温度与流场环境控制具有重要工程指导意义。

基于NSGA-Ⅱ的面曝光3D打印工艺参数多目标优化

为改善面曝光3D打印制件的打印质量差、效率低等问题,采用非支配排序遗传算法(NSGA-Ⅱ)对工艺参数进行优化。选择温度、分层厚度、曝光时间、回合等待时间为优化变量,成型试样的变形率、表面硬度、时间为优化目标,通过单因素实验确定优化变量约束范围。根据Box-Behnken实验方案,建立各优化目标的预测模型,使用NSGA-Ⅱ算法进行多目标优化,规定优先精度、优先硬度、优先速度原则,按照不同优化原则分析帕累托前沿得到对应的最优工艺参数,并进行打印验证。结果表明,优先精度原则下,变形率最小值为0.508%,与优化前相比,降低了9.290%;优先硬度原则下,表面硬度最高达到95.3 HD,与优化前相比,提高了0.316%;在优先速度原则下,打印时间与优化前相比缩短了17.220%,优化效果显著。

基于改进的NSGA-Ⅱ算法的交通运输结构优化

基于多目标优化模型构建了交通运输结构优化模型,引入快速非支配排序(NSGA-Ⅱ)算法并对其进行改进。以改进的NSGA-Ⅱ算法对优化模型进行求解,并通过算法改进前后所输出的优化结构进行碳排放对比,以验证算法优化的有效性。

基于改进NSGA-Ⅲ算法的云制造服务组合优化

为解决云制造环境下复杂制造任务的服务组合问题,促进云制造模式的良性发展,构建综合考虑服务需求方、云制造平台和服务提供方三方利益的多目标服务组合优化模型。基于反向学习机制和多目标种群自适应进化机制改进NSGA-Ⅲ算法,并将该算法应用于多目标服务组合优化模型求解。通过比较NSGA-Ⅲ算法与改进NSGA-Ⅲ算法的各个方向适应度的均值和方差,验证了后者在求解多目标服务组合优化问题上的有效性。