基于分解的约束多目标进化算法

现实世界中为平衡多方利益,需要进行多目标优化的研究,然而实际问题中多数问题往往带有约束条件,富有挑战性。在研究中,首要解决的问题为如何处理在优化过程中出现的非可行解。我们认为非可行解在优化过程中是重要的,其包含着种群进化方向的信息,需在优化过程中保存适当比例的非可行解。为此本文提出了一种基于分解的约束多目标进化算法,根据进化过程中种群变化来自适应产生权重保留一部分非可行解引导种群收敛。为验证所提算法的性能,选取了24个测试问题,4个对比算法,经数值实验证明了所提算法的有效性。

基于分解的进化算法和多变量分析技术在船型参数设计中应用

引入优化和决策技术讨论船型参数设计的多目标优化论证,基于分解的进化算法(DBEA)将船型参数设计的多个目标优化问题分解为一定数量的单目标优化子问题,采用进化算法同时求解这些单目标优化子问题.DBEA算法的种群由法向边界相交方法(NBI)构建,子问题的优化通过和邻近个体的进化操作完成.采用熵权和灰色关联方法对DBEA算法得到的船型Pareto解集进行综合评价,给出每个设计方案的定量指标排序.基于多变量分析技术讨论了船舶设计变量的层次聚类属性,给出了设计变量间的类别特性.采用多维标度方法(MDS)给出了这些变量在二维平面里的映射图形,结合聚类树形图可以加深对船舶参数设计模型的认识.对一艘3万t油船进行船型参数设计,算例分析表明,DBEA算法能够快速获得分布均匀的Pareto解,灰色关联方法的决策合理可行.

基于分解的多目标花朵授粉算法

在过去几十年里,许多多目标进化算法被广泛应用于解决多目标优化问题,其中一种比较流行的多目标进化算法是基于分解的多目标进化算法(MOEA/D)。花朵授粉算法是一种启发式优化算法,但迄今为止,花朵授粉算法在基于分解的多目标进化算法领域的研究还非常少。本文在基于分解的多目标进化算法的框架下,将花朵授粉算法拓展至多目标优化领域,提出一种基于分解的多目标花朵授粉算法(MOFPA/D)。此外,为了保证非支配解的多样性,本文提出一种基于网格的目标空间分割法,该方法从找到的Pareto最优解集中筛选出一定数量且分布均匀的Pareto最优解。实验结果表明,基于分解的多目标花朵授粉算法在收敛性与多样性方面均优于基于分解的多目标进化算法。

基于分解的摩擦补偿研究

文中提出了一个基于分解的控制设计框架并合成了摩擦补偿方案,以最合适的控制方法来补偿每个类型的摩擦。具有未知但恒定的参数的未建模摩擦由自适应来进行补偿,而模型参数变化的摩擦及非参数未建模摩擦由鲁棒补偿器来进行补偿。两种补偿器综合起来,构成了总的补偿方案,仿真结果证明了该摩擦补偿方案的有效性。

基于分解的多目标优化算法研究与分析

基于分解的多目标优化算法(MOEA/D)是多目标优化算法(MOEAs)中的一个重要分支。分解策略是传统数学规划中为了解决多目标的优化问题(MOP)推荐的基本方法。分解方法分为线性方法和非线性方法,在多目标优化中,每个目标聚合成为一个单目标优化问题,使得到一个优化单一目标,并且运用该优化方法得到单目标优化的Pareto最优解。MOEA/D中常用的分解方法有权重聚合法、切比雪夫法和基于惩罚的边界交集法。论文通过介绍切比雪夫方法对基于分解方法的MOEA/D算法进行研究分析。

基于改进MOEA/D分解算法的天线阵优化设计

针对天线阵列设计需要优化的目标数量多、耗时长且难以收敛的问题,提出一种新的根据拥挤度动态调节邻域大小的基于分解的多目标进化算法MOEA/D。该算法引入一个拥挤参数集合,根据种群拥挤度的排名区间为子问题选取集合中不同的拥挤参数值,根据搜索阶段计算每个子问题的选择邻域和替换邻域,并间隔50代重新进行拥挤度排名计算达到动态调节邻域的目的,以平衡种群的收敛性和多样性。在对比实验中,选取测试函数DTLZ、WFG和直线阵列优化设计问题,将改进算法与其他4种算法进行性能对比。实验结果表明,改进算法在测试函数和直线阵列优化设计问题上表现均优于对比算法,搜索得到的Pareto解集满足天线阵列的设计需求。

基于CatBoost-MOEAD的大直径泥水盾构施工多目标预测优化

为有效优化盾构施工参数,实现在大直径泥水盾构掘进过程中安全、高效和节能的目标,提出分类助推(CatBoost)和基于分解的多目标进化算法(MOEAD)相结合的混合智能算法;综合考虑盾构施工参数与地质条件,以主要的盾构施工参数为研究对象,选择地表沉降、贯入度和掘进比能为预测和控制目标;优化调控选择的盾构施工参数,并以武汉市轨道交通某号线为例,验证该混合算法的有效性。结果表明:采用CatBoost算法建立的预测模型在大直径泥水盾构上表现出来的预测性能良好,对3个控制目标的拟合精度(R 2)均达到0.9以上;预测模型的重要性排序表明:大直径泥水盾构的总推进力和推进速度对地表沉降、贯入度和掘进比能有显著影响;所提出的CatBoost-MOEAD混合智能算法对3个控制目标的优化效果明显,地表沉降、贯入度和掘进比能分别达到12.35%、7.47%和10.70%的优化幅度,并给出相应盾构施工参数的控制范围。

面向航天元器件检测订单的调度方法

针对航天元器件检测品种多、批量小,检测任务集中、试验流程差异大、数据复用难度大的特点,建立面向航天元器件检测的订单调度框架,对多品类双特性资源进行差异化调度处理。构建以订单平均耗时与检测总成本最小化为目标的多目标优化模型,并提出一种基于局部优化的改进MOEA/D算法。同时考虑了多段式实数编码解码方案,结合以解方案可行程度为基础的局部优化算子与自适应惩罚函数,保证了种群中个体的质量与多样性。最后,以某航天元器件检测单位实际业务为案例进行方法验证,对比了所提算法与改进NSGA-Ⅱ算法、经典MOEA/D算法、NSGA-Ⅲ算法的优化效果,验证了所提方案在解决此类问题上的优越性。

基于分解思想的导航星座多目标优化

导航星座多目标优化是寻找既能满足设计指标又能使代价最小的理想导航星座。首先,建立了一种由中轨道卫星(MEO)、地球静止轨道卫星(GEO)和倾斜同步轨道卫星(IGSO)组成的混合星座构型模型,并提出一种将星座性能和星座成本作为目标函数的多目标导航星座优化方法,其次,分析了优化目标函数加权几何精度因子WGDOP、可见星数目M和导航星座成本的选择及计算方法,并将基于分解思想的多目标优化算法(MOEA/D)引入导航星座优化中。最后,建立了导航星座多目标优化的数学模型,对基于北斗系统的混合星座进行优化,提出一种新的北斗系统的优化方案。

考虑双重集卡优先的闸口通道与场桥配置协同优化

双重任务集卡指在一次进出港中完成一次送箱作业与一次取箱作业的集卡,双重任务集卡能够有效地提高码头集疏运效率,在码头作业中应该具有更高的优先级。因此,本文研究考虑双重任务集卡优先级下的闸口通道与堆场场桥配置优化,在闸口部分设立双重任务集卡优先通道,在堆场部分考虑内集卡作业为第一优先级,双重任务外集卡为第二优先级,单一任务外集卡为第三优先级的3级集卡作业优先级,建立集卡在码头闸口和堆场的排队模型。结合排队模型,以最小化启用的闸口通道和配置的堆场场桥数量,以及最小化集卡的排队数量为目标,建立双目标混合整数规划模型,优化闸口通道与堆场场桥配置数量,提出结合逐点固定流体近似算法的多目标进化算法求解。数值实验证明了所提出方法的有效性,在码头资源配置相同的前提下,考虑双重任务集卡优先级,可减少21.82%的闸口处平均双重任务集卡排队数量和18.27%的箱区处平均双重任务集卡排队数量。

基于改进MOEA/D的模糊柔性作业车间调度算法

针对实际生产车间中加工时间的不确定性,将加工时间以模糊数的形式表示,建立以最小化模糊最大完工时间和模糊总材料消耗为优化目标的多目标模糊柔性作业车间调度问题数学模型,提出一种改进基于分解的多目标进化算法(IMOEA/D)进行求解。该算法基于机器和工序两层编码并采用混合的初始化策略提高初始种群的质量,利用插入式贪婪解码策略对机器的选择进行解码,缩短总加工时间;采用基于邻域和外部存档的选择操作结合改进的交叉变异算子进行种群更新,提高搜索效率;设置邻域搜索的启动条件,并基于4种邻域动作进行变邻域搜索,提高局部搜索能力;通过田口实验设计方法研究关键参数对算法性能的影响,同时得到算法的最优性能参数。在Xu 1~Xu 2、Lei 1~Lei 4和Remanu 1~Remanu 4测试集上将所提算法与其他算法进行对比,结果表明,IMOEA/D算法的解集数量和目标函数值均较优,在Lei 2算例获得的解集个数为对比算法的2倍以上。

基于改进MOEAD算法的CCHP系统运行优化

通过综合考虑冷热电联供(CCHP)系统中各类约束条件,基于夏冬两季典型日负荷需求曲线,构建了吸收式制冷机、燃气内燃机和燃气锅炉等主要机组设备模型。针对区域内系统经济性与环保性两者的协调优化问题,提出一种改进的基于分解的多目标进化算法(multi-objective optimization algorithm based on Decomposition, MOEA/D)对系统模型进行多目标优化求解。最后以某商业区能源站为实际算例,通过Matlab进行仿真。仿真结果显示所提出的系统优化方法,能使该能源站的运行更加经济与高效。

基于分解的多目标布谷鸟搜索算法求解多无人机协同任务分配问题

多无人机协同任务分配问题是一个多目标优化问题,将多目标优化问题转化为单目标优化问题的传统方法易造成决策的主观性和片面性。为帮助决策者做出科学决策,提出了一种基于分解的多目标布谷鸟搜索算法用于求解多无人机协同任务分配问题。通过对多无人机协同任务分配问题分析,建立了多无人机协同任务分配模型。将布谷鸟搜索算法的两个关键组件转化为多目标优化算法的繁殖算子,并结合一种自适应算子选择策略,构成了多目标布谷鸟搜索算法。设计了一种新的编码方案,将带约束的多目标优化问题转为无约束的多目标优化问题。仿真实验表明,多目标布谷鸟搜索算法能有效求解多无人机协同任务分配问题。

基于TOPSIS和MOEA/D的装夹布局方案规划方法

作为整个夹具设计中最为复杂和抽象的环节,装夹布局方案的规划直接影响着工件的加工质量、生产效率和制造成本。为此,在前期关于基于层次分析法与定位确定性的工件定位方案规划算法的研究基础上,进一步建立了一种基于逼近理想解排序法(TOPSIS)和基于分解的多目标进化算法(MOEA/D)的夹紧方案设计方法。首先,通过建立选择夹紧表面的层次结构模型,提出了计算候选夹紧表面贴近度的TOPSIS方法。其次,考虑到工件稳定性和装夹变形的双重因素,建立了同时满足夹紧阶段和加工阶段的装夹布局多目标优化模型,在利用切比雪夫方法对多目标函数进行正对性分解的基础上,构建了夹紧方案多目标优化模型的MOEA/D求解方法。最后,利用建立的方法设计出非规则零件钻孔用的装夹布局方案,并与现有夹具结构方案进行对比和分析,结果表明设计方案与现有方案完全吻合。基于TOPSIS和MOEA/D的夹紧方案规划算法易于编程实现,既能为任意工件合理地规划出夹紧方案,也能为计算机辅助夹具设计系统的开发提供理论支持。

多目标混合流水车间调度问题求解算法

针对多目标不相关并行机混合流水车间调度问题,建立以最小化最大完工时间、机器总能耗和机器加工成本为目标的多目标数学模型。提出一种改进的基于分解的多目标进化算法(Improved multi-objective evolution algorithm based on decomposition,IMOEAD),采用均匀设计表生成初始权重向量,提高种群多样性,利用正态分布交叉并设计了自适应高斯变异来提高算法的全局搜索能力和局部搜索能力,在权重向量邻域中选择个体产生新解,运用非支配等级和拥挤距离更新外部档案。以反世代距离、世代距离和非支配解个数为性能指标,通过大量案例仿真,与非支配排序遗传算法Ⅱ和基于分解的多目标进化算法进行对比,结果验证了该算法的有效性。

全局替换的自适应权重调整MOEA/D

当多目标问题的帕累托前沿形状较为复杂时,基于分解的多目标进化算法MOEA/D的解的均匀性将受到很大的影响.MOEA/D利用相邻子问题的信息来优化,但早期因为种群中的个体与子问题的关联是随机分配的,仅在邻居间更新会浪费优秀解的信息,影响收敛速度.针对这些问题,本文提出一种MOEA/D的改进算法(MOEA/DGUAW).该算法使用种群全局更新的策略,来提高收敛速度;使用自适应调整权重向量的策略来获得更均匀分布的解集.将MOEA/D-GUAW算法与现有的MOEA/D,MOEA/D-AWA,RVEA和NSGA-Ⅲ算法在10个广泛应用的测试问题上进行了实验比较.实验结果表明,提出的算法在大部分问题上,反转世代距离评价指标IGD优于其他算法,收敛速度也快于其他算法.

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。

采用MOEA/D进行主动配电网多区域划分优化

随着分布式电源并网容量与出力占比的逐渐提升,配电网的运行迎来较大挑战。对配电网进行合理的区域划分,可以减小配电网管理中所需的计算量,减少内存占有。从结构性和功能性两个角度进行考虑,构建区域划分指标体系,包括区域内耦合度、区域间耦合度、无功平衡度、有功平衡度四项指标,进而建立主动配电网区域划分优化模型。为了提高求解效率,采用基于分解的多目标进化算法(MOEA/D)进行主动配电网多区域划分,对主动配电网区域划分优化模型进行求解。通过算例验证模型的有效性,实现光伏、风电、储能装置等分布式电源的合理配置,并在已有方案基础上实现优化,提高配电网控制、管理、调度的效率。

基于进化多目标优化的微服务组合部署与调度策略

面向微服务实例在不同资源中心的组合部署与调度问题,构建微服务组合部署与调度最优化问题模型。以资源服务中心计算及存储资源利用率、负载均衡率和微服务实际使用率等为优化目标,以服务的完备性、资源与存储资源总量和微服务序列总量为约束条件,提出基于进化多目标优化算法(NSGA-Ⅲ,MOEA/D)求解方法,寻求微服务序列在不同资源中心的实例组合部署与调度策略。通过真实数据集实验对比,在全部满足用户服务请求的约束下,该策略比传统微服务组合调度策略的计算、存储资源平均空闲率和微服务实际空闲率要分别低13.21%、5.2%和16.67%。

高超声速试飞器系统的多目标优化设计

为了将高超飞行器可靠地运载至理想工作条件,满足"平坦"型试验弹道和入轨点的约束要求,在详细分析系统气动力特性、动力特性、结构特性、质量特性的基础上,以起飞质量、高超动力飞行段射程倒数为目标函数,建立了试飞器系统的多目标优化模型,并采用MOEA/D算法进行求解计算,在综合分析系统敏感稳健性的基础上,确定最终优化方案。结果表明:最终优化方案在满足约束要求的前提下,其起飞质量大幅度降低,高超声速动力飞行段射程(R2-R1)增加较多,验证了对试飞器系统进行多目标优化的必要性和合理性。