考虑碳排放的不确定闭环供应链鲁棒优化研究

综合考虑市场需求不确定、退换货产品数量不确定及设施中断风险,将碳限额政策和新能源设施建设作为影响决策的关键因素,建立了供应链网络总成本和碳排放量最小的双目标鲁棒优化模型,设计了一种Prim-NSGAⅡ算法求解该模型.通过与传统NSGAⅡ算法的IGD、SM指标对比验证了算法的有效性,得到了不同不确定程度下的最优网络规划方案和不同参数下的管理对策.结果表明,该算法达到了加快求解收敛速度、保持种群多样性的目的,验证了鲁棒优化模型可以实现闭环供应链网络鲁棒性,经济效益及环境效益的综合提升,并为决策者制定具体的碳减排方案提供决策依据.

基于LSSVM-NSGAII耐久性混凝土配合比多目标优化

混凝土耐久性不足会造成混凝土结构严重损伤,所以研究混凝土耐久性有重要意义。以东北高寒地区某高速公路工程为研究背景,基于试验室试验和工程项目数据,研发LSSVM-NSGAII智能算法实现混凝土配合比多目标优化。以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,首先利用最小二乘法支持向量机(LSSVM)模型基于混凝土原材料及配合比对动弹性模量和氯离子渗透系数进行高精度预测,得到非线性映射关系函数,将这两个非线性映射关系函数作为目标适应度函数,引入混凝土成本作为另一个目标适应度函数,在满足规范和工程要求条件下,设值原材料及配合比约束范围,基于研发LSSVM-NSGAII智能算法进行多目标优化,最后获得符合规范和工程项目要求的配合比目标值,且各项性能指标均符合要求。说明LSSVM-NSGAII模型可以很好应用于配合比多目标寻优,体现了该模型的智能化、精准化。

用于磁屏蔽室屏蔽叠层优化的CSA-NSGAII算法

为提高多层磁屏蔽室的屏蔽性能,进一步降低磁屏蔽室的建造成本,本文将磁屏蔽叠层结构优化视为多目标函数优化问题,在可行的建造成本与建造质量构成的约束下,提出一种分段交叉策略与自适应变异算子改进NSGAII算法(CSA-NSGAII),对屏蔽叠层结构参数进行优化。CSA-NSGAII算法解决了NSGAII算法种群收敛分布不均匀,全局搜索能力差和容易陷入局部最优等问题,从而能够获得屏蔽室最优叠层结构。与NSGAII算法、NSGAII-SDR、g-NSGAII和MOEA/D算法相比,CSA-NSGAII的GD、IGD与Spacing等指标均有显著提升,说明本文提出的CSA-NSGAII算法收敛性能更好,种群分布更均匀。实验结果表明:经优化后的叠层结构在屏蔽性能不变的情况下平均能够节省约14%的建造成本,并在干扰幅值为32000 nT,频率为1 Hz的亥姆霍兹线圈中,实现约70 dB的屏蔽性能。

基于NSGAII算法的宽体客机商载航程研究

宽体客机研发模式已从传统"单一机型"向"系列化机型"转变。根据宽体客机系列化设计通用性准则,对其设计方法进行了研究。建立了以宽体客机系列化设计制造成本、最大起飞重量间差值总和为目标函数,各机型商载能力为约束条件的宽体客机系列化设计模型。利用非劣排序遗传算法(NSGAII),对宽体客机系列化设计模型求解,得到符合条件的Pareto解集,取解集中的两个方案进行比较分析,其结果具有一定的实际意义,为宽体客机制造商在宽体客机系列化设计过程中商载航程的选取提供了一种依据。

计及主/被动需求响应与条件风险价值的微网经济调度

针对综合能源微网源荷不确定性给决策调度带来高风险性的问题,在考虑柔性负荷需求响应对平抑负荷波动性及提高系统能源利用效率作用的基础上,构建了计及主/被动需求响应与条件风险价值的微网2阶段经济调度模型。首先研究了用户主被动需求响应对负荷曲线的影响。在此基础上,为评估系统源荷不确定性带来的潜在调度风险,引入条件风险价值理论(conditional value at risk,CVaR),以微网系统的潜在风险成本以及考虑环保因素的综合运行成本最低为优化目标,建立了计及CVaR的微网经济调度模型。最后,为克服传统NSGAII算法易陷入局部最优解和求解效率低的不足,引入beta交叉算子和自适应交叉变异概率对原始NSGAII算法进行改进。以某地区微网系统作为仿真算例,并设置了5种对比场景,研究结果表明,主被动需求响应能在有效系统的运行经济性的同时,降低系统的潜在调度风险。CVaR理论能通过置信度的设置反映决策者对风险的厌恶态度,为系统调度决策提供参考。

考虑中断情景与防御的应急物资储备库LIP模型

为提高应急物资保障能力,研究应急物资储备库的网络优化设计问题。在传统的可靠性设施选址问题（RFLP）与选址-库存问题（LIP）研究基础上,考虑中断情景、设施设防、设施容量限制、物资批量采购折扣等因素,建立应急物资储备库的LIP双目标优化模型;设计一个改进的非支配排序遗传算法（NSGAⅡ）以求解该模型;以地震灾害应急物资储备库建设为例进行算例分析。结果表明：用所设计的算法可得Pareto前沿解集,使决策者可根据实际需要权衡时效性与经济性目标,从一簇Pateto解中选择合适的优化决策方案。

单跑道连续离场条件下的航班排序优化方法

由于空域资源紧张,近年来航班受到流控的现象时有发生,造成旅客满意度低以及航空公司运营成本的提高。在协同流量管理系统中流控发生的背景下,针对单跑道机场连续离场航班排序问题,设计了一种先对受控航班的预计过点时刻进行排序的方法,再以最小化航班撤轮挡时刻总用时和最小化差值和为目标,利用NSGAII快速非支配排序算法对航班集合的预计撤轮挡时刻进行整体重新排序的方法。优化结果对比FCFS算法将目标撤轮挡时刻总用时缩短26%,差值和减少869分钟,继而算出起飞时刻共提前74分钟。该方法可减缓容流不平衡问题,预防航路拥堵现象发生,对提高机场与航空公司运营效率节省成本有积极意义。

基于多目标优化集成学习的短期太阳辐射预测

准确预测太阳辐射对于高效利用光伏能源具有重要意义,为提高太阳辐射预测精度,提出一种新的基于水平精度和方向精度的多目标优化集成学习框架.首先,利用奇异谱分析(Singular Spectrum Analysis,SSA)方法将太阳辐射数据分解成一系列信号组;然后,运用带精英策略的非支配排序遗传算法(NondominatedSortingGeneticAlgorithm,NSGAII)优化的最小二乘支持向量机(LeastSquaresSupportVector Machine,LSSVM)对每个分量信号进行预测;接着,用聚类方法将各分量信号进行样本聚类;最后,运用NSGAII-LSSVM方法分别对样本结果进行集成得到预测结果.以意大利2017年太阳辐射数据作为仿真数据,将该模型与LSSVM、单目标优化的集成学习模型等8个基准模型进行对比.研究结果表明,所提出的多目标优化集成学习框架具有更好的优越性,在方向精度、水平精度和稳健性上均具有很好的效果.

基于差分进化算法和 NSGA-Ⅱ的混合算法

本文提出的改进的DE-NSGAⅡ算法,利用差分进化算法的变异交叉操作代替NSGA-Ⅱ算法的交叉算子,将快速非支配排序机制与剪枝方法相结合用于父代种群的生成与非支配集的更新.为保证初始种群均匀分布,该混合算法采用拉丁超立方体抽样技术生成初始种群.然后在参数取值固定的前提下,将该混合算法与NSGA-Ⅱ算法、AMGA-Ⅱ算法进行横向对比.为了进一步提升该混合算法的优化性能,该混合算法采用了参数自适应策略,并且基于此策略纵向比较了该混合算法在不同参数组下的优化性能.经过一系列对比发现:合理的参数选择能使该混合算法表现出良好的综合性能.

基于量子行为的模拟移动床的操作优化

模拟移动床是一种能实现连续分离的装置,由于模拟移动床模型复杂,性能指标众多,因此需要智能算法对模拟移动床的性能指标进行优化。本文运用遗传算法、粒子群算法对模拟移动床线性吸附等温线下的性能指标进行单目标优化,并利用加入量子行为的粒子群和遗传算法作比较,证明了量子理论在解决模拟移动床优化问题的优越性,然后运用NSGAII算法、MOPSO算法对模拟移动床线性吸附等温线下的性能指标进行多目标优化和对比实验,仿真结果验证了所用方法的有效性。

新型城镇化模式下的离散交通网络设计模型与算法

为使交通规划与生态、资源相协调,基于新型城镇化发展理念,提出了区域差别化排放约束和区域差别化道路土地资源约束,结合Pareto最优解思想,构建了离散交通网络设计双层规划模型。其中上层模型以系统阻抗、投资费用为优化目标,以区域差别化约束为约束条件;下层模型为固定需求下的用户平衡配流模型。在第二代非劣排序遗传算法(NSGAII)基础上设计了模型的求解算法,同时为验证算法是否出现早熟收敛,设计了第k小距离策略代替拥挤距离策略的验证算法,并在Matlab平台上开发了相应的算法程序。在经典Nguyen-Dupuis网络上,求取了模型的Pareto最优解,并验证了设计算法的有效性。为分析约束强度区域范围变化对决策值的影响,进行了区域划分的鲁棒性分析,并得到了资金较充裕与不足情况下的目标决策值变化趋势。

单目标与多目标的全局优化算法在新安江模型参数率定中的耦合应用研究

基于已有的研究成果,对利用SCE-UA算法优化新安江模型参数做了一些相关研究,发现目标函数的选取、参数的优化范围以及资料的长度均会对算法最终的寻优结果产生一定的影响,并且异参同效等原因使得最优解并不能稳定唯一。本文选择了呈村,胡乐,东湾等流域作为研究流域,旨在通过"降维"的思想经验性地固定一些参数,以期能使寻优结果稳定,得到唯一的最优解;此外,将多目标优化算法NSGAII应用到新安江模型参数优化中,并对其优化结果做了一些必要的讨论与分析。最后,在利用SCE-UA优化全部参数得到多组参数解的基础上,将两种算法耦合,提出以Pareto前沿确定的径流流量预报区间作为实测流量过程线之外衡量SCE-UA参数解可靠性的又一标准,提出以"不可靠度"量化这一标准,以期能够从中选取一组参数解供实际使用。

混合多目标遗传算法求解地下水污染修复管理模型

为了提高多目标遗传算法Pareto解的局部最优性,本文将快速非支配遗传算法(NSGAII)与一种迭代式的局部搜索算法(Hill Climber with Step,HCS)相结合,开发了一种新的混合多目标遗传算法NSGAII-HCS.利用CONV1和ZDT6两个经典的多目标优化函数对NSGAII-HCS的性能进行测试,与传统的多目标算法NSGAII相比,CONV1得到的Pareto锋面与真实Pareto最优解锋面的平均距离由5.49减小到1.74,ZDT6则由0.16减小到0,表明NSGAII-HCS在保证解多样性的前提下,能使解接近或收敛到真实的Pareto最优解锋面.最后,将NSGAII-HCS与地下水流模拟软件MODFLOW和溶质运移模拟软件MT3DMS相耦合,并应用到一个理想的二维地下水污染修复管理模型中,结果分析表明该方法可为地下水污染治理提供多样的和收敛的Pareto管理策略,是一种稳定可靠的多目标优化方法.

考虑多约束条件的飞行器航迹规划

复杂环境下飞行器受运行环境、系统结构等诸多约束限制,其定位系统无法对自身位置进行精准定位,定位误差累积到一定程度将导致任务失败.面向实际航迹需保障飞行器安全高效地运行规划,首先研究了算法效率与硬件性能约束条件,重点针对航迹规划过程面临的精准定位、转弯半径与算法效率等约束,构建航迹规划的一般模型和算法;然后,为保证飞行器的效率性与经济性,飞行器目标函数设置为飞行距离最短以及校正次数最少,建立了NSGA-II全局优化协同控制算法,实现了飞行器从航迹规划、校正控制、策略执行、反馈校正的一套全链条智能算法策略;最后进行实例验证.结果表明:在不考虑与考虑转弯半径条件两种情况下,基于NSGA-II算法的航迹规划结果显著优于经典遗传算法,飞行器的总行驶距离与误差校正次数更少、任务成功概率更高、算法性能更优.