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。

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。

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.