基于改进多目标布谷鸟算法的污水处理优化控制方法

针对如何确定污水处理优化控制中关键变量的最优设定值,以满足出水水质达标的同时尽可能降低能耗的问题,提出一种基于改进多目标布谷鸟算法的污水处理多目标优化控制方法.首先,通过对污水处理过程的分析,建立基于神经网络的污水处理能耗和出水水质模型;其次,利用改进多目标布谷鸟算法同时对污水处理能耗和出水水质模型进行优化,得到溶解氧和硝态氮浓度的优化设定值;最后,利用PID控制器对关键变量的最优设定值进行跟踪控制,实现污水处理过程的多目标优化控制.仿真实验结果表明,与其他几种方法相比,所提出的方法在保证出水水质参数达标的前提下,更好地降低了污水处理过程的能耗,实现节能降耗和保护环境的目的.

基于灰靶决策和多目标布谷鸟算法的微电网分布式电源鲁棒优化

风机、光伏等可再生能源出力和负荷需求的不确定性给微电网稳定运行带来挑战。首先,针对这一特性,构建约束条件的不确定集,综合考虑运行成本和环境成本,建立微电网多目标鲁棒调度模型,并引入鲁棒不确定预算调节不确定集合的保守度。其次,采用基于Pareto支配策略的改进的非线性多目标布谷鸟算法求出Pareto最优解集,并利用多目标灰靶决策从Pareto最优解集中选择出满意方案。最后,针对一个小型微电网系统建立优化模型并求解,对比分析仿真结果,验证了所提方法的可靠性和有效性。

求解双层规划的多目标布谷鸟算法

双层规划是一类具有主从递阶结构的优化问题,属于NP-hard范畴。本文利用KKT条件将双层规划问题转化为等价的单层约束规划问题,通过约束处理技术进一步转化为带偏好双目标无约束优化问题,提出多目标布谷鸟算法求解策略。该算法采用Pareto支配和ε-个体比较准则,充分利用种群中优秀不可行解的信息指导搜索过程;设置外部档案集存储迭代过程中的优秀个体并通过高斯扰动改善外部档案集的质量,周期性替换群体中的劣势个体,引导种群不断向可行域或最优解逼近。数值实验及其参数分析验证了算法的有效性。

改进多目标布谷鸟算法的梯级水电站优化调度

为有效求解梯级水电站多目标联合优化问题,充分发挥水电的发电效益和容量效益,提出一种新型的改进多目标布谷鸟算法(IMOCS)。针对传统布谷鸟算法存在收敛速度慢的问题,将动态发现概率和步长融入到算法中,并结合非支配排序遗传算法(NSGA-II)的非支配排序思想以及拥挤距离维护外部档案集策略,提出IMOCS;通过测试函数验证了所提算法的有效性。将IMOCS应用到乌江梯级水电站多目标优化调度中,得到了分布均匀的非劣调度方案集。最后通过模糊决策模型,主客观确定目标权重法,从非劣解集中选择一个折中方案,得到各水电站发电用水过程。结果表明,调度方案合理、可靠,且均能满足各项约束条件。梯级水电站优化调度采用IMOCS具有较大的实用意义。

基于IMOCS算法的跨流域水资源多目标优化调配

为有效求解跨流域水资源多目标优化调配问题,提出一种改进多目标布谷鸟算法(improved multi-objective cuckoo search algorithm,IMOCS)。针对多目标布谷鸟优化算法(multi-objective cuckoo search algorithm,MOCS)收敛速度慢、容易陷入局部最优解的缺点,引入混沌理论和变异机制,采用自适应发现概率和步长改进MOCS,形成IMOCS算法。以南水北调东线工程江苏段为例,构建跨流域水资源多目标调配模型,分别采用IMOCS和MOCS求解模型,并运用基于组合赋权的非负矩阵分解法对2种算法所得的Pareto解集进行评价。结果表明:IMOCS在收敛性、多样性和综合性能方面优于MOCS,能够得到更高质量的Pareto解集;相较于50%、75%和95%来水频率下的MOCS所求解的最优配置方案,IMOCS所求解的最优配置方案缺水总量减少0.21亿、0.51亿和0.07亿m~3,损失水量分别减少了0.13亿、1.53亿和1.11亿m~3。因此,IMOCS可为跨流域水资源多目标优化配置计算提供有效的算法参考。

多目标布谷鸟搜索算法

解决多目标优化问题,并得到精确的、高质量的Pareto前沿解是非常具有挑战性的。将CS算法运用于多目标问题解的迭代更新过程,对传统的基于Pareto支配关系的适应度函数进行了改进,并提出基于小生境技术的逐步档案缩减法用于档案解的缩减与维护过程,设计出了多目标布谷鸟搜索算法(MOCS)。通过仿真实验验证以及相关性能指标的测试结果得出,MOCS算法与经典的NSGAII算法相比,在所得解的收敛性、多样性和均匀性方面均有所改善。

混沌云模型多目标布谷鸟搜索算法

针对多目标布谷鸟搜索算法(MOCS)迭代后期寻优速度慢,并且容易造成局部最优等缺点,提出一种混沌云模型多目标布谷鸟搜索算法(CCMMOCS)。首先在进化过程中通过混沌理论对一般的布谷鸟巢位置在全局中寻求优化,以防落入局部最优;然后利用云模型对较好的布谷鸟巢位置局部优化来提高精度;最后将两种方法对比得到相对更好的解作为最优值以完成优化。对比误差估计值及多样性指标,由5个常用多目标测试函数仿真结果可知,CCMMOCS比传统多目标布谷鸟搜索算法、多目标粒子群算法(MOPSO)及多目标遗传(NSGA-Ⅱ)算法性能更好,Pareto前沿更接近理想曲线,分布也更均匀。

基于多目标混沌云布谷鸟算法的HAPF优化研究

大量非线性电力电子设备的使用给人们的生产生活带来了极大的谐波危害,目前治理谐波的主要手段是投入滤波器。而混合有源滤波器(HAPF)结合了无源滤波器和有源滤波器的特点,是很有前瞻性的滤波系统。HAPF参数优化的算法大多存在收敛精度不高,易陷入局部最优等缺陷。因此,利用混沌云模型多目标布谷鸟搜索算法优化HAPF参数,具有十分重要的工程意义。通过Matlab/Simulink仿真结果对比可知,该算法同粒子群算法(PSO)及原始多目标布谷鸟算法(MOCS)相比,有良好的补偿及效果,成本也有所降低。

多资源均衡优化的布谷鸟算法

针对标准多目标布谷鸟算法(CSA)后期收敛速度慢、收敛精度不高的缺陷,提出一种求解多资源均衡优化问题的改进多目标布谷鸟算法。首先,引入非均匀变异算子,以均衡算法的全局搜索能力和局部寻优能力;然后,引进差分进化算子,促进群体间的合作和信息交流,提高算法的收敛精度。通过算例测试表明,改进的多目标布谷鸟算法比标准多目标算法和VEPSO-BP算法具有更好的全局收敛性。

基于多目标布谷鸟搜索算法的装配式住宅安装施工调度

针对装配式住宅在实际施工过程中,工序的施工差异以及项目资源的限制对工程项目调度问题的影响进行深入研究。首先,以最小化施工完成时间以及最小化人工成本为优化目标,构建了多目标优化的数学模型。其次,基于问题的困难程度和其他优化算法的特点,采用多目标布谷鸟搜索算法对该模型进行求解,然后针对原先多目标布谷鸟搜索算法的不足,提出对步长因子和丢弃概率进行改进以提高算法综合性能。最后,以某装配式住宅小区安装施工问题为例,检验模型和算法的适用性,并根据结果对项目资源进行科学有效的调度。

可重构机床多目标优选方法

模块化的可重构机床使可重构制造系统具备高效生产零件族的能力,对可重构制造系统的可重构能力和响应能力有着显著影响.为设计一个低成本、高可重构能力的可重构制造系统,提出了一种基于布谷鸟搜索算法的可重构机床多目标优选方法.首先,通过加工方向建立加工工序与可重构机床的映射关系.其次,考虑到制造系统生产零件族中不同零件时需进行重构,对可重构机床进行标识以清晰地表述可重构制造系统重构过程中可重构机床的变化.再次,从设备级和系统级两个层级分别量化了重构过程中的重构成本和重构指数,并基于此提出了两个目标函数:最小化可重构制造系统设计总成本和最大化总重构指数.最后,通过工程实例来验证该方法的有效性和高效性.案例结果表明:得到的设计成本最低的方案值为316.7,最佳的重构指数方案的值为27.4.此外,与解决此类问题常用的多目标优化算法NSGA-Ⅱ比较,多目标布谷鸟搜索(MOCS)算法能快速收敛并在200次迭代后取得全局的Pareto最优解,证明了提出的方法能够高效地筛选出更经济、更高重构指数的可重构机床选择方案.所提出的多目标优选方法可为后续的相关研究和生产实践提供指导.

具有学习退化效应的TFT-LCD面板成盒多目标调度问题研究

针对薄膜晶体管液晶显示器(TFT-LCD)面板成盒生产规模性、多产品混线生产、机台特性复杂的特点,引入学习效应和退化效应,以最小化最大完成时间、机器等待时间、工件加权延期时间为目标函数,构建具有学习退化效应的TFT-LCD面板成盒多目标调度模型。基于两段式及IMM编码,采用多目标布谷鸟算法,结合双元锦标赛及动态淘汰规则,依据聚集距离密度评价指标构建帕累托非劣解集,对TFT-LCD面板成盒多目标调度问题进行求解。仿真结果表明,布谷鸟算法寻优能力优于精英保留贪婪解码遗传算法与工序期望最短完成时间调度规则等。通过实验,分析不同学习率和退化因子对调度结果的影响。

多目标原油选择与混合优化方法

为保证原料的稳定供应,炼厂经常需要寻找相似原油替代库存量少的原油。以混合原油与目标原油质量偏差最小以及混合原料成本最低为目标,构建了一个多目标原油选择与混合优化模型。模型为混合整数非线性规划模型,可以将寻找替代原油转化为原油选择与混合优化问题。在原始多目标布谷鸟搜索(MOCS)算法基础上,对编码以及Lévy飞行进行了改进,结合非支配排序方法提出了一种改进的多目标布谷鸟搜索(IMOCS)算法。利用IMOCS算法求解模型,可同时确定原油的选择和混合比例,且一次计算可得到一组Pareto最优解。通过仿真,与非支配排序遗传算法(NSGA-II)进行对比,验证算法的寻优效果。计算得到的混合方案可为炼厂寻找替代原油提供参考。

基于IMOCS算法的IPD团队激励池动态分配问题研究

在IPD项目交付模式实施中,如何有效地解决各参与方的风险分担及利益分配问题一直是阻碍该模式广泛应用的最大瓶颈。通过研究合适的利益分配比例对IPD团队各参与方起到实现整体项目利益最大化的激励作用为出发点,提出激励池模型,引入时间因素、激励机制和满意度,考虑影响因素在整个项目实施过程的动态性,建立了IPD团队动态激励池分配模型,采用IMOCS算法对模型进行求解。通过算例验证了模型、算法的科学性和有效性。优化了激励池分配方案,促进了IPD模式的实施。

基于改进多目标布谷鸟搜索算法的翼型气动优化设计

布谷鸟搜索(CS)算法是一种新型的受自然现象启发的元启发式智能优化算法,其强大的全局搜索能力和收敛速度受到了广泛关注。多目标布谷鸟搜索(MOCS)算法是一种在单目标布谷鸟算法基础上发展的可以直接求解Pareto解集的多目标优化算法。针对原始MOCS算法的不足,采用一系列措施以提高算法的收敛精度、收敛速度以及解的均匀性:通过引入非支配排序与拥挤距离来改进解的适应度评估;通过改进随机游走策略来提高局部搜索能力;通过引入改进的自适应丢弃概率策略来提高算法的收敛速度;加入档案管理机制,提高解的均匀性。典型的多目标数值算例结果表明,改进的MOCS算法相较于当前主流的NSGA-Ⅱ算法拥有更快的收敛速度和更高的收敛精度。以RAE2822双目标升阻比优化设计为例,将改进的MOCS算法应用于多目标气动优化中,改进的MOCS算法共获得64个Pareto解,优化后的翼型气动性能有明显的提升,设计者可以根据自己的偏好选取不同的Pareto解。对于气动优化问题,改进的MOCS算法与目前主流的NSGA-Ⅱ相比,收敛速度更快。

高速铁路接触网系统维修决策优化

接触网系统作为电气化铁路的重要组成部分,其安全性和可靠性将直接影响铁路的正常运行。考虑到接触网系统结构复杂,就接触网的7个主要部件进行分析,并认为整个系统是由各部件串联而组成的,随后将电气化铁路中接触网系统的维修方式划分为4类,不同的维修方式下对应着不同的可靠性和维修费用,基于此建立不同维修方式下的可靠性模型和维修费用模型。为提升接触网系统的可靠性并尽可能地减少其维修费用,提出一种多目标布谷鸟-遗传算法来对接触网维修这一多目标优化模型进行求解。该算法采用Tent混沌映射生成多样性和分布性较好的初始种群。为了避免算法早熟,在基本的NSGA2算法基础上加入布谷鸟搜索算法中的levy-flights算子,提高其局部搜索能力。此外,引入优化选择因子Pr,动态调整NSGA2的全局性寻优机制与布谷鸟搜索算法的局部优化机制。为了测试该算法的性能,以实际案例进行分析。仿真结果表明,与基本的NSGA2相比,本文所提多目标布谷鸟-遗传算法的初代种群多样性更优,最优解的精度更高。使用多目标布谷鸟-遗传算法所求解出的最优维修方案可提升接触网系统的可靠性且保持较低的维修费用,达到一个较好的符合工程实际的效果,进一步验证了该算法的可行性和优越性。

多能源电力系统互补短期优化调度

针对多能源优化调度运行中新能源利用率不高,建立以火电厂机组发电和外购电经济成本最小化为目标函数,综合考虑火电厂机组的各种约束条件,提出含风光水火电互补系统的火电日前优化调度模型,以及一种融合优先顺序法与改进的多目标布谷鸟算法的模型求解算法。在风光水电调度已知的情况下,提出了基于互补系统波动性最小的火电日前调度和基于互补系统跟踪负荷曲线的火电日前调度两种优化运行策略,针对所提优化调度模型及求解算法对两种运行策略分别进行仿真分析。结果表明,该模型及求解算法能够应用于不同条件下的运行策略,具有一定的可行性及实用性。

考虑属性组合关联的机械产品属性约简方法

针对机械产品属性之间存在关联性问题,提出考虑属性组合关联的机械产品属性识别方法。将机械产品属性集看作粗糙集信息系统,考虑约简属性组合对条件属性的关联性,利用DEMATEL方法得出属性权重并结合正域依赖度计算约简属性组合重要度;考虑约简属性组合对决策属性的关联性,利用互信息理论计算约简属性组合的相关度。在此基础上,建立机械产品属性约简多目标0-1规划数学模型。提出改进多目标布谷鸟算法,给出鸟巢编码方式、sobol的鸟巢初始化、基于遗传交叉算子的鸟巢更新策略并借助区间犹豫模糊集对Pareto前沿优选,确定最优方案。最终以电梯产品属性约简为例,验证了所提出方法的有效性和可行性。

计及电能质量约束的充电设施布局优化方法

提出了一种计及电能质量约束的电动汽车充电设施布局优化方法;建立了综合考虑节点负荷三相不平衡度均值以及节点电压偏差最大值的电能质量综合指标模型;建立了综合考虑第一类和第二类静态电压稳定指标的数学模型;将综合电能质量指标、网损指标以及静态电压稳定指标作为优化目标,然后基于改进的多目标布谷鸟搜索算法进行求解。以IEEE 33节点配电系统作为算例,给出了充电设施的布局优化方案。仿真结果表明:充电设施接入后节点三相不平衡度显著降低,电压偏差保持在允许范围内;比较了不同优化目标及优化方法的优化效果,验证了所提优化方法的有效性、合理性以及优越性。

高超声速飞行器多目标气动优化设计

随着高超声速飞行器的发展,其外形优化受到了广泛关注。应用一种新型的改进多目标布谷鸟优化搜索算法(IMOCS),采用修正的牛顿法与面元法相结合来获得高超声速飞行器的气动性能,采用自由变形参数化方法(FFD)来进行外形的参数化,以最大化容积率和升阻比为设计目标,开展了高超声速滑翔飞行器的多目标气动外形优化设计,获得了综合容积率及升阻比性能更高的气动外形,验证了方法的有效性。最后,将IMOCS算法和当前主流的多目标优化算法NSGA-Ⅱ进行了对比,结果表明,IMOCS算法的效果明显优于NSGA-Ⅱ。