OPTIMALITY CONDITIONS AND DUALITY RESULTS FOR NONSMOOTH VECTOR OPTIMIZATION PROBLEMS WITH THE MULTIPLE INTERVAL-VALUED OBJECTIVE FUNCTION

In this paper, both Fritz John and Karush-Kuhn-Tucker necessary optimality conditions are established for a （weakly） LU-efficient solution in the considered nonsmooth multiobjective programming problem with the multiple interval-objective function. Further, the sufficient optimality conditions for a （weakly） LU-efficient solution and several duality results in Mond-Weir sense are proved under assumptions that the functions constituting the considered nondifferentiable multiobjective programming problem with the multiple interval- objective function are convex.

GENERALIZED SUBCONVEXLIKE FUNCTIONS AND MULTIPLE OBJECTIVE OPTIMIZATION

ＧＥＮＥＲＡＬＩＺＥＤＳＵＢＣＯＮＶＥＸＬＩＫＥＦＵＮＣＴＩＯＮＳＡＮＤＭＵＬＴＩＰＬＥＯＢＪＥＣＴＩＶＥＯＰＴＩＭＩＺＡＴＩＯＮ￥ＹＡＮＧＸｉｎｍｉｎ（ＤｅｐａｒｔｍｅｎｔｏｆＭａｔｈｅｍａｔｉｃｓ，ＣｈｏｎｇｑｉｎｇＮｏｒｍａｌＵｎｉｖｅｒｓｉｔ...

路径交叉测绘任务规划问题

不同于传统多旅行商问题,小型飞机测绘任务规划问题的每个测绘目标需要测绘多个测绘载荷,同时多次测绘间要有时间间隔,称之为路径交叉的多旅行商路径规划问题。针对点目标测绘任务场景,将最少飞机数量的求解目标转化为求解最短航行路径。在采用遗传算法求解最短路径的基础上,结合探测载荷约束、探测任务时长约束等条件,进一步规划出最优的调度方案。针对点目标和区域目标测绘任务规划问题,考虑各机场测绘任务工作量的均衡,定义测绘工作量指标为每个机场完成的测绘目标点和目标道路的数目,求解调度策略和飞机数量。在此基础上求解均衡性,使3个机场探测的目标点和目标道路数量相当。结果表明,所提方案兼顾了测绘代价与任务分配的均衡性。

求解多目标旅行商问题的混合遗传算法

一般TSP问题是单目标的,只追求一个性能指标:所走路径最短。然而对于具体的TSP问题,实际中常常需要考虑:路程最短、时间最少、费用最省、风险最小等等多方面的因素。设计了贪婪的复合变异算子(GCM),引入隔代爬山法算子来提高多目标TSP问题的搜索能力。实验结果表明该算法是有效的。

基于多粒子群协同的动态多目标优化算法及应用

在现实生活中大多数多目标优化问题都随时间变化,这就要求优化算法在时间约束内快速找到动态变化Pareto最优解或Pareto边界.基于此,提出一种基于多种群协同的动态多目标粒子群改进算法,旨在利用多种群竞争和协作两种模式互相配合,从而达到快速高效求解动态多目标优化问题的目的,多种群竞争模式主要任务是对解空间进行"勘探"搜索,当竞争失效后,自适应切换到协作模式对解空间进行"开采"搜索.通过对多种群协同搜索概率分析,证明多种群相比单种群具有更高的搜索效率,通过对3类动态多目标测试函数仿真,验证了改进算法的有效性;最后将该方法应用于动态系统PID控制器的参数整定上,得到了较优的控制参数,取得满意的控制效果.

最大值最小化问题的优化算法与多自由度动力减振器参数计算

研究了如何确定多自由度动力减振器系统参数,使其主系统在较宽频带上能量的最小问题。提出了解决最大值的最小化问题有效的优化程序算法。建立了以固有频率比和阻尼比为设计变量,以振幅动力放大系数函数的多个峰值和整个宽频带下面积构造目标函数的优化问题。给出了两个自由度减振器参数的优化计算实例。实现了减振器参数选择的直接有效快速优化计算。这种方法将为复杂减振系统参数分析提供有力工具。

基于混合粒子群算法的多目标车辆路径研究

为解决多目标下带时间窗车辆路径的优化问题,提出了将粒子群算法与变异操作相结合的求解方式。设计了一个随迭代次数增加而变化的变异算子,采用轮盘选择机制,以使多目标离散问题能收敛到Pareto最优解集,并在Pareto曲线上有均匀的分布。采用随机键,将连续的粒子位置向量转化为离散的解向量,并通过提出相对最短距离法来评价解集的优劣。所提出的无间隔编码方式,减少了算法的无效迭代。通过实验,验证了该方法的简单有效性。

考虑生产线平衡的多目标混流装配线排程问题研究

为使生产多品种小批量的混流装配线高效运作,研究了混流装配线的排序问题。首先建立以产品变化率、超载时间和总切换时间最小化为优化目标的数学模型。其次用该模型在离散系统仿真软件Plant Simulation平台上对生产过程进行仿真,并结合总加工时间最小化目标,采用遗传算法求解混流装配线的排序问题得到一组满意解;最后从装配线平衡角度,针对遗传算法得到的一组较优解进行分析,得到满足目标的最优解。通过实例,验证了该方法的可行性和有效性。

乘员约束系统逆问题满意准则模型的交互式求解策略

通过对乘员约束系统逆问题满意准则模型的研究，首次提出一套适合ＣＡＥ需要的多层交互求解策略。文中提出并证明的若干定理保证了求解方法的有效性。最后描述了交互过程，并用示例予以验证。

电站多目标负荷优化分配与决策指导

对传统意义下的厂级负荷优化分配模型进行修正,同时考虑全厂供电煤耗率、污染排全放和负荷调整时间3个目标,提出厂级负荷分配的多目标优化模型。将多目标优化方法和多属性决策结合使用,研究多目标优化指导的问题。针对非劣分层遗传算法(nondominated sorting genetic algorithmII,NSGA-II)易于局部收敛的特点,提出了并行的NSGA-II多目标优化结构,增加了Pareto前沿的多样性,为决策提供丰富的信息。引入基于基点和熵的多属性决策方法,对Pareto解集进行排序,得出最优解。对某火电厂进行实例分析,结果表明该方法能准确快速地完成多目标负荷分配优化,并给出正确的指导,具有一定的实用性。

递归式多目标遗传算法

介绍递归式多目标遗传算法(Recursive Multiple Objective Genetic Algorithms,RMOGA).整个进化过程分为与目标数量相等的几个递归阶段,每个阶段多增入一个目标.每个阶段先用一个独立的群体进化新增的目标;该群体中性能较好的个体与上一阶段多目标进化的群体联合形成已增目标集的初始群体.实验结果表明,在绝大多数问题中,RMOGA的性能优于NSGA-Ⅱ,SPEA及PAES等3个典型的多目标遗传算法.

复合工艺流程下批量生产车间调度多目标优化

提出了一种复合工艺流程下批量生产作业车间调度的多目标优化方法。针对复合工艺流程下批量生产车间调度的特点,建立了以最大完工时间最短、制造成本最低为优化目标的多目标优化模型,针对该模型提出并设计了一种改进NSGA-Ⅱ算法。在改进的NSGA-Ⅱ算法中引入了面向对象技术、分段不定长编码技术、分段混合交叉与变异技术、精细化调度技术。案例分析验证了该优化方法的有效性。

多目标军用飞机维修作业调度优化研究

为提升维修作业与现代战机的适应程度,对军用飞机维修作业调度模型构建与调度优化算法设计进行探讨。在沿用柔性作业车间调度问题的形式化描述构建维修作业调度模型的基础上,选取遗传算法对执行步骤进行设计,引入耦合算子重新调整工序排序部分染色体以避免染色体违背耦合约束无法解码的情况发生,并采用维修作业调度案例与Brandimarte测试数据验证多目标调度优化算法的适用性与优化性。维修作业调度模型构建与调度优化算法的探讨促进维修管理的精细化,为调度相关领域的深入研究拓宽思路。

基于免疫计算的物流配送车辆路径优化

为解决物流配送车辆路径优化问题,给出了一种基于免疫计算的车辆路径优化方案,设计了车辆路径问题的数学模型,给出了非劣邻域支配的多目标免疫优化算法的框架、基于实数编码的比例克隆算子和领域变异算子以及支配抗体的拥挤距离公式,并在仿真环境下进行了实验;结果表明,算法能使多目标优化问题收敛到Pareto最优解集,并在Pareto曲线上有均匀的分布,具有较好的应用价值。

人数与任务数不相等的指派问题

本文提出人数与任务数不相等的指派问题应当视为一个多目标决策问题,首先要求指派给各人的任务数目两两之间相差不能超过1,其次要求所需总时间最少;并且给出了该问题的求解方法。

基于动态多目标粒子群优化算法的资源受限研发项目进度

资源与进度优化调度已成为企业研发项目成功的关键。引入粒子群算法来解决这一问题,将普通粒子群多目标算法进行了改进,提出动态的多目标粒子群算法,通过采用VC++编程语言对模型及其求解算法进行案例仿真,证实了模型及算法的有效性与优越性。

旅客列车运行方案图优化编制方法的研究

将旅客列车运行方案图的定量优化编制问题归结为一个多目标规划问题，提出求解步骤，并给出优化第一层目标──方便旅客旅行的算法。

基于并行多目标遗传算法的制造伙伴优化研究

建立了制造伙伴优化的数学模型,并指出该模型属于复杂的多目标、多选择、多约束背包问题,提出了并行多目标妥协遗传算法进行求解:算法采用基于排列的编码方式,由多个子种群独立进化并定期交换最佳个体,适应度计算采用自适应权重方法及基于距离度量的妥协方法,并通过适应度共享保持种族多样性,最终求得决策者可接受的妥协解。

多背包问题求解及其在网络化制造中的应用

给出了多背包问题及其数学描述;讨论了网络化制造中的最优制造伙伴选择问题,将其归结为一种复杂的多目标、多选择、多约束背包问题并提出了一种并行多目标妥协遗传算法进行求解;算法采用基于排列的编码方式,由多个种群独立进化并定期交换最佳个体,而适应度计算采用自适应权重方法及基于距离度量的妥协方法,通过基于小生境技术的适应度共享保持种族多样性,最终求得决策者可接受的妥协解。

优化车底使用数的客车运行方案图编制方法

经济合理地使用客车车底，是编制旅客列车运行方案图时需要考虑的主要目标之一。本文通过对该问题的分析和归纳，提出一套优化算法，并给出求解步骤。该算法已被编程并在微机上实现。为进一步探索计算机辅助编制旅客列车运行图提供了一种定量分析方法。