基于NSGA-Ⅱ的智能化电铲多目标最优挖掘轨迹规划

为实现智能化电铲实时节能的挖掘,提出了一种基于非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm-II,NSGA-Ⅱ)的智能化电铲多目标最优挖掘轨迹规划方法。首先,通过拉格朗日方程建立智能化电铲工作装置动力学模型;然后,使用高次多项式对挖掘轨迹进行插值,将挖掘轨迹寻优问题转化为多项式系数寻优问题,最后,以挖掘时间最短及单位体积物料的挖掘能耗最小作为优化目标,以电机性能与挖掘过程中几何条件等作为约束,利用多目标优化平台PlatEMO,将NSGA-Ⅱ作为多目标优化算法,指定待优化问题的目标函数及约束函数,获取到多目标优化Pareto最优解集,基于决策偏好设置权重并根据TOPSIS法获取最优解,得到多目标最优挖掘轨迹规划结果。结果表明,优化后挖掘轨迹满足实时节能的挖掘要求。

基于G_NSGA-Ⅱ算法的RFID网络规划

针对RFID网络中阅读器冲突问题,在NSGA-Ⅱ算法的基础上提出G_NSGA-Ⅱ算法。对RFID网络规划问题进行数学建模,引入全局存档机制存储精英解,保留性能最佳个体;采用精英保留策略的锦标赛选择方法,确保选择出的个体具有较优秀的性能;同时,引入高斯变异算子,以增加种群多样性,从而避免算法陷入局部最优解。仿真结果表明,G_NSGA-Ⅱ算法所产生的解集质量较好,相较于NSGA-Ⅱ、AW_GA和MOEA/D等3种算法,其在解集的分布性和收敛性上具备明显优势,在解决RFID问题上具备有效性和可行性。

基于NSGA-Ⅱ的盾构机土压力自动控制技术研究

针对传统盾构机土压力控制方法存在的不足,提出一种基于非支配排序遗传算法Ⅱ(Non-dominated Sorting Genetic AlgorithmsⅡ,NSGA-Ⅱ)的多目标优化控制策略。该策略综合考虑了土压力跟踪性能、刀盘扭矩波动等多个目标,通过自适应遗传算法实现了参数的在线优化,同时集成了智能感知、实时调控等功能模块,构建了一个高度智能化的自动控制系统。仿真实验结果表明,所提出的控制策略能够有效提高土压力控制精度、抑制扭矩波动等,为实现盾构施工智能化提供了新的解决方案。

基于NSGA-Ⅱ的柔性作业车间调度优化研究

以H公司柔性作业车间为研究对象,结合调度数据对存在的柔性作业车间调度问题进行优化,构建多目标优化模型并应用非支配排序遗传算法Ⅱ(Non-dominated Sorting Genetic AlgorithmsⅡ,NSGA-Ⅱ)求解。对比分析发现,多目标组合优化后的调度方案在指导生产调度上更具优势。

基于强化学习的改进NSGA-Ⅱ算法的城市快速路入口匝道控制

为了缓解城市快速路拥堵和尾气排放问题,提出了基于竞争结构和深度循环Q网络的改进非支配排序遗传算法(non-dominated sorting genetic algorithm Ⅱ based on dueling deep recurrent Q network, DRQN-NSGA-Ⅱ).该算法结合了基于竞争结构的深度Q网络(dueling deep Q network, Dueling DQN)、深度循环Q网络(deep recurrent Q network, DRQN)和NSGA-Ⅱ算法,将Dueling DRQN-NSGA-Ⅱ算法用于匝道控制问题.除了考虑匝道车辆汇入以提高快速路通行效率外,还考虑了环境和能源指标,将尾气排放和燃油消耗作为评价指标.除了与无控制情况及其他算法进行比较之外, Dueling DRQN-NSGA-Ⅱ还与NSGA-Ⅱ算法进行了比较.实验结果表明:与无控制情况相比,本算法能有效改善路网通行效率、缓解环境污染、减少能源损耗;相对于无控制情况,总花费时间(total time spent, TTS)减少了16.14%,总尾气排放(total emissions, TE)减少了9.56%,总燃油消耗(total fuel consumption, TF)得到了43.49%的改善.

基于NSGA-Ⅱ与方案优选的机场航站楼大跨度钢结构多目标优化研究

为优选出机场航站楼大跨度钢结构最佳施工方案,实现施工工期短、成本低和质量高的综合优化目标,文章以非支配排序遗传算法(non-dominated sorting genetic algorithm Ⅱ,NSGA-Ⅱ)与方案优选为基础,结合建筑信息模型(building information modeling,BIM)技术和工作分解结构(work breakdown structure,WBS)技术,构建兼具优化与施工仿真模拟的大跨度钢结构多目标优化体系;以某军民合用机场为例,应用该体系确定该工程航站楼大跨度网架结构安装采用分块安装法,优选出的施工方案较优化前不仅质量水平保持在较高的0.95,而且工期缩短22 d、成本减少57625元,进一步验证了该体系具有很好的可行性与有效性。研究结果可为科学合理地确定大跨度钢结构施工方案提供依据,并有助于提高机场航站楼施工管理水平,为类似工程提供参考。

基于超平面NSGA-Ⅱ的双输入双降压逆变器系统参数优化设计

针对第二代非支配排序遗传算法(NSGA-Ⅱ)计算过程中存在种群分布不均匀、收敛性速度较慢的问题,提出超平面NSGA-Ⅱ(HP-NSGA-Ⅱ).该算法通过连接反映种群边缘分布的极值点构造超平面,以其法向量为进化趋势,对临界层个体在超平面进行投影,促使种群朝着分布均匀且收敛良好的最优解进化.以双输入双降压型逆变器(DIDBI)为多目标优化对象,开关损耗、输出电压总谐波失真和滤波元件体积为优化目标,依据谐振频率、电感电流纹波和功率因数的要求,推导出滤波电容、滤波电感和开关频率的约束条件,比较分析HP-NSGA-Ⅱ与NSGA-Ⅱ、考虑各目标重要度的γ-NSGA-Ⅱ的应用场合和价值.以某型逆变器样机为例,开展参数优化设计实验研究,结果表明了设计的有效性与正确性.

基于改进NSGA-Ⅱ的考虑自动引导车充电策略的集成调度

针对自动引导车(AGV)在自动化集装箱码头(ACT)执行任务过程中的电量问题,提出基于改进的非支配排序遗传算法-Ⅱ(NSGA-Ⅱ)的考虑AGV充电策略的集成调度。首先,在岸桥、场桥和AGV集成调度模式下,考虑AGV在不同作业状态下的耗电量,并建立以最小化作业完工时间和总耗电量为目标的多目标混合规划模型;其次,为提高传统NSGA-Ⅱ的性能,设计自适应NSGA-Ⅱ,并将所提算法与CPLEX求解器、NSGA-Ⅱ和多目标粒子群优化(MOPSO)算法进行性能对比;最后,设计AGV不同充电策略并对设备数量配比进行实验研究。算法对比实验结果表明:相较于传统NSGA-Ⅱ算法,自适应NSGA-Ⅱ对双目标的优化分别提升了2.8%和2.63%。利用自适应NSGA-Ⅱ进行的充电策略和设备数量配比实验的结果表明:增加AGV充电次数能够减少AGV的充电时间,且调整设备数量配比至3∶3∶9和3∶7∶3时,场桥和AGV的时间利用率分别达到最高。可见,AGV充电策略及设备数量配比对码头多设备集成调度有一定影响。

基于NSGA-Ⅱ的电力信息物理系统骨干网络辨识

针对实际存在一一对应的电力信息物理系统,辨识其抗灾型骨干网架并进行加固,可提高电力信息物理系统在面对自然灾害或网络攻击下的可靠性。文中提出骨干网络辨识多目标优化模型,所提模型综合考虑整个系统的经济性、抗毁性和恢复性,并满足重要负荷约束、网络连通性约束、网络规模约束和潮流约束。首先,使用改进的非支配排序遗传算法(NSGA-Ⅱ)求解多目标优化模型,并利用多目标决策中的熵权法给各个目标函数赋权重。然后,使用逼近理想解排序法筛选出帕累托解集中的最优解。最后,以IEEE 39节点系统和中国某地区500 kV实际电网为例,验证了所提的电力信息物理系统骨干网络辨识算法的有效性。

基于NSGA-Ⅱ的二氧化碳氢化反应热力学多目标优化

二氧化碳氢化合成低碳烯烃反应是化学储能技术路径中重要的单元反应,二氧化碳首先与由可再生能源获得的氢气进行化学反应合成低碳烯烃,随后通过齐聚反应将能量储存到清洁燃料中。以二氧化碳氢化合成低碳烯烃反应为研究对象,使用Gibbs自由能最小化方法进行了平衡热力学分析,得到反应温度、反应压力、进料气H2与CO_(2)的物质的量比对CO_(2)平衡转化率、低碳烯烃选择性及平衡组分的影响;基于统计学理论建立了反应参数对CO_(2)平衡转化率、低碳烯烃选择性和反应系统中H2O平衡摩尔分数的回归函数模型;最后采用基于快速非支配排序遗传算法(NSGA-Ⅱ)的多目标优化方法对反应系统性能进行多目标优化。结果表明:从提高反应系统性能和降低催化剂水解失效风险角度进行的多目标优化与CO_(2)平衡转化率最大的单目标优化相比,H2O的平衡摩尔分数从47.2%减少到24.9%;与低碳烯烃选择性最大的单目标优化相比,H2O的平衡摩尔分数从51.1%减少到18.7%;与H2O平衡摩尔分数最小的单目标优化相比,CO_(2)平衡转化率和低碳烯烃选择性从64.9%和8.7%分别提高到72.9%和58.6%。

基于NSGA-Ⅱ的化工园区无约束双目标安全规划

化工园区安全规划是一个复杂的多目标决策问题,降低潜在事故风险、保证较高经济收益是化工园区安全规划的两个主要目标。应用多目标决策的理论方法,以潜在死亡人数最小化、工业总产值最大化为优化目标,建立了化工园区安全规划无约束双目标优化模型。选用非劣排序遗传算法-Ⅱ(NSGA-II)求解该模型,得出如下结论:(1)建立的化工园区安全规划无约束双目标优化模型是可行的。(2)采用的NSGA-Ⅱ算法是有效的优化方法。(3)无约束情况下,示例中的化工园区只布置甲类、乙类易燃液体存储地块,优先布置乙类易燃液体存储地块,不布置其他类型工业用地。

基于NSGA-Ⅱ的层间隔震体系参数优化与能量响应分析

基于层间隔震体系两质点简化模型,建立了以基底剪力最小为优化目标的参数优化方法,采用NSGA-Ⅱ优化得到层间隔震体系在不同质量比下的最优频率比和最优阻尼比;建立了体系的能量和功率方程,从能量和功率角度分别分析了不同质量比下的层间隔震结构最优参数模型能量的传递、耗散和转化关系以及机理表现。

采用NSGA-Ⅱ混合智能算法的风电场多目标电网规划

风电并网在实现节约化石能源和减少有害气体排放等效益的同时,也将对电力系统的可靠性造成一定的负面影响。为达到投资经济性、系统可靠性、环保效果的整体最优,构建了多目标风电场接入的输电线路与电网的联合优化规划模型;针对目标权重未知、人工神经网络(artificial neuralnetwork,ANN)收敛困难、无法合理决策等问题,采用方差最大化决策和分类逼近理想解的排序方法(technique fororder preference by similarity to an ideal solution,TOPSIS)缩小最优解的范围,并在此基础上提出了随机模拟、神经元网络和非劣排序遗传算法II(non-dominated sorting geneticalgorithm II,NSGA-Ⅱ)相结合的混合智能算法;对增加风电场的改进IEEE Garver-6系统进行计算分析,结果表明该方法具有较高的决策效率和计算精度,从而验证了所提出模型和方法的合理性和有效性。

NSGA-Ⅱ算法的改进策略研究

带精英策略的非支配排序遗传算法(NSGA-Ⅱ)在多目标优化领域具有广泛的应用,但该算法种群收敛分布不均匀,全局搜索能力较弱,算法运行速度较慢。针对这些局限性提出了改进的排序适应度策略、算术交叉算子策略、按需分层策略和设定阈值选择策略。在典型的测试函数集上的数值实验结果表明,根据这些策略改进的算法得到的非劣解集具有较好的分布性,同时收敛速度更快。

基于NSGA-Ⅱ算法的高压共轨喷油器优化设计

针对高压共轨电控喷油器关键结构参数对喷油器的响应特性影响深刻的特点,采用带精英策略的非支配性遗传算法NSGA-Ⅱ(non-dominated sorting genetic algorithm-Ⅱ),基于多目标多学科优化平台modeFRONTIER和液压仿真分析软件AMESim,以针阀开启延迟和关闭延迟为目标函数建立了多目标优化模型,对电控喷油器的关键结构参数进行多目标优化设计.结果表明:针阀开启延迟时间降低了16.7%,达到0.25ms;关闭延迟时间降低了15.2%,达到0.78ms.

INSGA-Ⅱ算法及其在天线综合中的应用

为了加快NSGA-Ⅱ优化算法的收敛速度,提高种群多样性,使种群收敛更加均匀。该文在多目标函数优化方法NSGA-Ⅱ的分析和研究的基础上提出了3点改进措施:(1)累积排序适应度策略;(2)基于精英策略的填充门限跳选方法;(3)限定门限选择策略。实验证明:3点改进措施能够扩大原有算法的解空间,并且提供了一种更加合理的选优策略。通过对典型的数学模型的计算,表明改进方法比原有的NSGA-Ⅱ方法具有更好的种群收敛性。同时将其使用来优化综合天线线阵的方向图,并得到了很好的结果。

基于自适应混合非支配个体排序策略的改进型NSGA-Ⅱ算法

针对经典快速非支配排序遗传算法(NSGA-Ⅱ)中基于拥挤距离的种群多样性保持策略不能客观反映个体间真实拥挤程度的问题,提出了一种基于自适应混合非支配个体排序策略的改进型NSGA-Ⅱ算法(NSGA-Ⅱh)。首先,设计一种新的循环聚类个体排序策略;然后,根据Pareto分层信息来对基于经典拥挤距离和循环聚类的两种个体排序策略进行自适应的选择;最终,实现对进化后期的种群多样性保持机制的改进。通过5个标准测试函数进行算法验证,并与经典的NSGA-Ⅱ、多目标粒子群优化算法(MOPSO)和GDE3等算法进行对比分析,NSGA-Ⅱh算法获得了80%的最优反向世代距离(IGD)值,且显著性水平为5%的双尾t检验结果表明,新算法具有明显统计意义上的性能优势。改进算法不仅能提高进化种群的分布性,而且能增强算法的收敛性,有效提高了优化效果。

基于改进NSGA-Ⅱ算法的协同制造任务调度研究

针对网络协同制造环境下子任务在企业间的任务调度问题,充分考虑协同制造环境下各子任务并行与串行并存的复杂时序关系,制造企业在空间上异构以及生产目标要求多样的特征,在免除调查用户偏好过程的基础上,构建了网络协同制造任务调度的多目标优化模型,改进了NSGA-Ⅱ算法,采用了合理有效的编解码方式、遗传算子和精英策略,在保证种群多样性的同时提高了运算速度,最终得到包含多个解的Pareto最优解集供用户选择。通过算例仿真验证了其有效性,发现其能够很好地解决协同制造系统的任务调度问题。

基于RF-NSGA-Ⅱ的盾构施工地表沉降安全控制多目标优化

为有效调整盾构施工参数,指导盾构安全高效施工,建立随机森林(RF)与非支配排序遗传算法(NSGA-Ⅱ)相结合的多目标优化模型,以主要盾构参数为研究对象,以地表沉降和刀盘磨损为控制目标,优化控制分析施工参数;选取控制地表沉降的9个盾构参数作为RF预测模型的输入指标,得到盾构施工参数与地表沉降的非线性关系,作为NSGA-Ⅱ适应度函数,选择刀盘磨损作为第2个优化目标,设定施工参数约束范围进行多目标优化;以岩溶地区某地轨道交通项目为例进行验证。结果表明:采用RF算法模拟训练工程实测数据,得到的地表沉降预测模型的精度较高;基于RF-NSGA-Ⅱ模型智能算法对地表沉降和刀盘磨损的优化效果显著,该模型能够得出相应岩溶地区盾构施工参数控制范围。

基于响应面和NSGA-Ⅱ的AGV系统多目标优化配置

AGV(automated guided vehicle)系统对于制造系统的生产柔性和生产效率具有重要作用,由于AGV系统具有许多的变量且有动态性、随机性特点,其优化配置比较复杂。提出了一种将系统仿真、数学解析和多目标优化相结合的方法,对AGV系统进行了优化配置;运用离散事件仿真模拟AGV系统运行,利用敏感性分析分离设计变量,采用析因试验和响应面方法拟合多目标优化数学模型,基于非支配解排序多目标遗传算法求解多目标优化解。通过AGV系统实例,证明了该方法的有效性,可为制造系统和物流仓储领域中AGV系统的优化配置提供一种有效的系统性分析方法。