基于多目标灰狼算法的漂浮式风电机组浮台内TMD参数优化

针对漂浮式风电机组浮台内调谐质量阻尼器(TMD)参数调优的问题,以5 MW Barge型漂浮式风电机组为研究对象,采用多目标灰狼算法(MOGWO)优化TMD参数配置。首先,基于欧拉-拉格朗日方程建立浮台内含TMD的漂浮式风电机组动力学模型,采用Levenberg-Marquardt(LM)法进行模型未知参数辨识;其次,同时考虑塔顶和塔基控制目标,采用MOGWO算法优化TMD的刚度和阻尼参数;最后,在不同工况下进行仿真分析。结果表明:相对于传统的单目标优化算法,使用MOGWO算法参数优化后的TMD对风电机组具有更好的振动抑制效果。

混合灰狼-自适应蝴蝶算法下的多目标无线传感器网络覆盖研究

为提高无线传感器网络的覆盖率、减少二次部署中节点移动的能量消耗以及减少牵涉节点数目,提出了一种混合灰狼-自适应蝴蝶算法.首先,通过将灰狼算法与蝴蝶算法融合寻找最优解,在种群间优化中加入种群内部优化,提升算法的寻优能力,提高算法收敛速度;其次,在蝴蝶算法中改进自适应开关概率,根据当前迭代情况决定寻优方式,加快搜索速度;最后,在算法中融入反馈机制,引入随机蝴蝶进行漫步,防止陷入局部最优.从最优覆盖、最小冗余、最低能量消耗3个方向综合考量,建立函数模型,进行覆盖优化.实验结果表明,与其他6种算法相比,本文算法在多种场景下,有效地提高覆盖率,降低节点冗余,减少节点使用数目,降低能量消耗.

基于IMOGWO算法的机械臂多目标轨迹规划

为了在提高串联机械臂工作效率的同时保证运行轨迹良好的节能性、平稳性及灵活性,设计新的多目标轨迹优化方法。采用高次NURBS(non-uniform rational B-Spline,NURBS)曲线插值方法,构造机械臂高阶连续、首尾运动参数均可指定且具有局部修改特性的关节轨迹,保证了机械臂的运动性能。采用改进多目标灰狼算法(improved multi-objective grey wolf optimizer,IMOGWO)对机械臂轨迹进行优化,得到Pareto最优解集,该算法采用SIN混沌初始种群、非线性收敛因子、个体维度位置学习及领导者广义反向学习变异,并通过不可行度来处理多物理约束条件。在六自由度串联机械臂上的仿真实验结果表明,采用高次NURBS曲线规划方法可得到高阶连续的分段可调轨迹,采用IMOGWO算法可对NURBS曲线实现有效的多目标寻优,得到较为理想的Pareto分布,为用户提供多样化选择方案。

采用改进多目标灰狼算法的电力系统调度规划

对计及经济、环境因素的电力系统发电调度问题(Economic Environmental Dispatching,EED)进行研究,提出一种采用改进多目标灰狼算法的发电调度规划方案。构建基于发电燃料成本、污染气体排放量和节点电压偏移量等指标的多目标EED模型,并采用改进的多目标灰狼算法进行求解,以得到更优的Pareto前沿和折中解。设计多度量自适应FCM算法对灰狼算法(Gray Wolf Algorithm,GWA)种群多样性进行分析,重新定义狼群层级结构和Pareto前沿规模控制策略,并在此基础上提出反向学习和变异进化策略,以提升GWA全局收敛性能。仿真结果表明,改进的GWA具有优秀全局寻优能力,而且基于改进多目标灰狼算法得到的Pareto前沿和折中解更具可行性和优越性。

混合多目标灰狼算法求解多目标VRPTW问题

针对带时间窗的多目标车辆路径规划问题,建立了最小化总成本和均衡度的多目标车辆路径优化模型,并提出了一种混合多目标灰狼算法进行求解。主要设计3点策略:(1)设计新的编码解码方式实现连续灰狼位置向量向离散客户序列的转化。(2)采用收敛性指标和分布性指标来进行决策个体的选择。(3)设计了多种删除、插入算子实施局部路径优化。为说明算法的有效性,以Solomon中的部分算例为例,将该算法与MOIGA和改进的ACO算法进行实验对比。实验结果表明,所提出的混合多目标灰狼算法能找到更好的Pareto解,并且性能优于其他进化算法。

基于多目标灰狼优化算法与RBF神经网络的真空灭弧室触头结构优化设计

在真空灭弧室触头开断过程中,合适的磁场分布有利于提高其开断性能;在合闸过程中,动、静触头间存在的电动斥力会导致触头出现弹跳现象。针对以上问题,首先建立了带铁芯式杯状纵磁触头的三维模型,进行了磁场分布与电动力的计算;为了进一步提高触头的性能,然后构建了以触头片开槽长度、开槽宽度、径向偏转角度、杯座斜槽高度及单个斜槽上下旋转角度为输入,电流峰值时刻触头间隙中心平面纵向磁场强度最大值、过零时刻中心点处磁滞时间、合闸时动静触头间的电动斥力分别为输出的RBF神经网络模型;最后结合RBF神经网络模型与多目标灰狼优化算法(MOGWO)对触头结构进行了优化。结果表明:与初始结构参数相比,当触头片开槽长度为19.74mm、宽度为3.94mm、径向偏转角为19.9°、杯座斜槽高度为18.0mm、斜槽上下旋转角为119.2°时,触头具有更好的磁场分布特性,且动、静触头间的电动斥力明显减小,有利于提高触头的工作性能。

基于灰狼算法的风-光-抽水蓄能联合系统多目标优化策略

风电、光伏的出力具有随机性、波动性以及间歇性,直接并网将会造成电站发电收益降低和电能并网波动性较大以及风、光弃电量较多等问题,降低碳减排量.抽水蓄能电站的加入可在一定程度上缓解上述问题.因此,针对风-光-抽水蓄能联合发电应用场景进行研究,建立综合考虑联合系统经济收益最大化、系统功率波动最小化以及碳减排量最大化3个目标的多目标优化模型,并通过归一化处理,将多目标问题转换成单一目标问题进行求解.采用能够实现局部搜索与全局搜索自适应调整的灰狼算法,对风电、光伏以及抽水蓄能的并网电量进行优化仿真.仿真结果表明:所建立的模型能够有效提高系统的经济收益,大大降低电能并网波动性.同时,新能源的高效利用也使得联合系统的碳减排能力显著提高,模型具备较高的可行性.

基于灰狼算法的无轴承永磁同步电机多目标优化

为了降低无轴承永磁同步电机的悬浮脉动并提高电机的转矩,使其性能更加优越,提出了基于解析-灰狼算法对电机进行多目标优化设计。通过对比解析法和有限元法的计算结果,验证了解析法计算的准确性。将电机的气隙宽度、槽口宽度、极弧系数和永磁体厚度4个变量作为优化参数对电机进行多目标优化。对比优化前后的结果,电机的悬浮力脉动和转矩得到了明显的改善,验证了该算法的可行性。

求解多目标流水车间调度问题的改进灰狼算法

为高效求解多目标流水车间调度问题,提出一种改进的多目标灰狼优化算法。该算法采用多阶段搜索与灰狼自主搜寻的混合策略,提高算法的全局搜索能力和局部搜索能力。同时为使算法适用于多目标离散调度问题,提出一种基于交叉操作的离散个体更新方法。实验结果表明,所提算法不仅提高了优化搜索的效率,而且能够找到更多的Pareto最优解。

基于改进灰狼优化算法的地面目标最优瞄准点选择方法

针对导弹打击地面目标时的瞄准点优选问题,提出了一种利用改进灰狼优化算法(improved grey wolf op timization,IGWO)选取最优瞄准点的瞄准点选择方法。该算法基于维度学习的狩猎搜索策略(dimension learning-based hunting,DLH),为每个瞄准点构建相邻的瞄准点集合,集合中的瞄准点可以互相共享信息,增强局部搜索和全局搜索之间的平衡,并保持多样性。在仿真实验中,将毁伤评估模型的评估函数作为瞄准点选取好坏的评估函数,并且设计导弹打击地面目标的实例对瞄准点选择方法进行验证,实验结果表明,该方法求得的瞄准点具有较高的可信度,为火力筹划中瞄准点的寻优提供了新方法。

基于改进灰狼算法的舰载机弹药保障调度优化

针对航空母舰飞行甲板上舰载机弹药保障面临的调度效率不高的问题,提出了一种改进灰狼优化(grey wolf optimizer, GWO)算法。根据甲板上多升降机多运输车的场景特点,建立了由多车场出发、向多目标转运的问题模型。融合遗传算法算子交叉思想实现了对灰狼种群初始解的初步优化,并通过直线转运路径中间点定义、整数编码、负整数标志分组等方法实现了对GWO算法求解过程的改进。同时,增加了灰狼个体自由狩猎流程,有效克服了结果陷入局部最优和早熟的问题。最终,通过对场景实例的优化求解,验证了所提方法的有效性和可行性。

基于MOGWO的45#钢表面激光抛光工艺参数多目标优化

目的提高45#钢表面激光抛光后的成形质量,提出一种激光抛光工艺参数多目标优化方法。方法构建基于功率、扫描速度、搭接距离的三因素三水平激光抛光试验,并分别应用粗糙度测量仪、显微硬度计和超景深三维显微镜测试抛光层的粗糙度、显微硬度和抛光层深度。基于试验数据,分别应用指数模型和二阶响应面模型构建抛光工艺参数与表面粗糙度、显微硬度、抛光深度的回归预测模型,并对2种模型的预测精度进行对比分析。采用多目标灰狼优化算法(MOGWO)结合优劣解距离法(TOPSIS)-CRITIC综合评价决策体系对抛光工艺参数进行寻优和多属性决策。结果二阶响应面模型具有更高的预测精度,能够更好地反映激光抛光工艺参数与各响应目标之间的映射关系。当功率为113W、扫描速度为3m/min、搭接距离为0.13 mm时,粗糙度值Ra从11.563μm降至5.713μm,降幅为50.59%,显微硬度从185.9HV0.5升至364.7HV0.5,升幅为96.18%,此时的抛光深度为0.051 mm,最大相对误差为7.84%。结论此方法可以为其他金属材料表面激光抛光质量预测模型的构建及工艺参数寻优提供借鉴。

基于改进的MOGWO高强度钢辊弯成形工艺的多目标优化

为了探究成形参数对高强度钢辊弯件成形质量的影响,并对工艺参数进行优化,提出了一种辊弯成形工艺优化方法。首先,应用LS-DYNA有限元软件模拟LG700高强度钢U型辊弯件的成形过程。然后,通过Box-Behnken响应面设计对高强度钢U型辊弯件进行仿真试验,分析辊弯道次、过弯角、辊站间距和辊缝间距等成形工艺参数以及厚度、法兰高度、圆角半径等几何参数对辊弯件偏差角和纵弓高度的影响,并通过拟合得到偏差角和纵弓高度二者的二阶响应模型。最后,采用改进的多目标灰狼优化(MOGWO)算法对特定尺寸辊弯件进行工艺优化,并通过实例进行验证。结果表明,将优化后的工艺参数用于高强度钢辊弯成形过程中导致其偏差角由0.78°降至0.24°,纵弓高度由1.58 mm降至1.20 mm,成形质量得到提高,满足相关产品的装配精度要求。

基于改进灰狼算法的云制造服务随机调度优化研究

为研究云制造背景下分散的制造资源随机调度问题,将服务时间设置为不确定生产参数,建立随机调度模型,并使用与强化学习结合的改进灰狼算法进行求解以优化调度方案。从云平台、用户以及服务提供商三方出发,提出了基于不确定环境的多目标数学模型,同时,将灰狼优化算法与强化学习结合,使用Q-learning调整参数,并利用双种群分别进行探索和挖掘,防止陷入局部最优,并用于解决中大规模实例。通过对比实验评估算法性能,该算法在16组算例中性能均显示最优,能够提升加工效率并增加相关者收益,对算法参数进行了敏感性分析,验证了参数的合理性和适用性。

基于改进灰狼算法的港作拖轮调度研究

在船舶大型化的发展以及港口资源日益紧张的趋势下,拖轮调度作为减少港口拥堵与节约港口资源的重要手段,成为当前亟待解决的问题。通过以拖轮空驶燃油成本与拖轮助航燃油成本为目标函数,构建多停泊基地条件下的多目标拖轮调度模型,提出一种混合小生境灰狼算法(Hybrid Niche Grey Wolf Optimization,HNGWO)进行求解,针对拖轮调度问题的整数规划特点引入交叉修正更新策略,以加强算法的收敛性能,最后分别采用CPLEX、GA、PSO、GWO、HNGWO对多规模算例的求解结果进行对比分析。结果表明,HNGWO相比于GA、PSO的最优值平均优化比例可达5.07%,相比于GWO的收敛速度平均优化比例为13.23%,并输出中等规模下的收敛曲线与最优调度方案甘特图,直观展示了改进算法的求解效果与收敛速度,为提高港口通行效率与经济效益提供了参考方案。

局部搜索灰狼优化算法求解武器-目标分配问题

武器-目标分配(weapon target assignment,WTA)问题是根据武器对来袭目标毁伤概率的不同,合理确定待打击目标的武器分配方案,以达到用尽可能少的武器对来袭目标毁伤程度最大化的目的,是作战指挥决策领域的重要研究内容。在构建WTA问题模型的基础上,针对传统灰狼优化(grey wolf optimization,GWO)算法局部开发能力不足等问题,采取了一种精英保留及免疫变异局部搜索策略。改进灰狼优化算法(improved grey wolf optimization,IGWO)首先在灰狼种群中选择部分优质精英个体,然后通过随机点变异和受体编辑两种免疫局部搜索策略对精英个体进一步寻优,从而改善传统GWO算法过早收敛和易陷入局部最优的缺点。针对3种不同规模的武器-目标分配问题,将IGWO与交叉熵算法、传统GWO算法进行了对比,计算结果显示IGWO算法所求适应度值的分位数均明显高于对比算法,进而验证了IGWO算法的有效性。

求解多目标柔性作业车间的IGWO算法

针对多目标柔性作业车间调度问题(multi-objective flexible job shop scheduling problem,MOFJSP),提出一种改进灰狼算法(improved grey wolf algorithm,IGWO)来求解考虑完工时间,总能耗以及机器总负荷的多目标优化。IGWO采用二段式编码和基于权重的种群初始化方法,加入遗传算子对编码进行迭代更新,采用Pareto非支配排序和拥挤度距离来求取迭代过程中的非支配解,将非支配解集保存在外部存档中;引入非线性收敛因子,平衡算法的全局搜索能力和局部搜索能力。通过引入改进鲶鱼效应策略,保证种群活力,提高算法收敛精度,避免算法陷入局部最优解。最后通过机加工车间实例验证和对比实验,验证该算法的可行性和优越性。

基于多目标灰狼算法的H13模具钢铣削工艺优化研究

模具产品在结构上多为复杂型腔,具有高精度、多特征、难加工等特点,而在模具加工有着显著优势的高速铣削加工,最优的铣削工艺参数选择影响着工件的生产效率、表面质量。首先采用了正交试验设计方法,开展了H13模具钢铣削试验,对结果进行了极差分析,并采用GA-BP神经网络构建了表面粗糙度预测模型;其次,以建立的GA-BP表面粗糙度预测模型和材料去除率为目标函数,相关工艺参数为主要优化变量,基于多目标灰狼优化算法,建立多目标铣削参数优化模型。结果表明,铣削工艺参数对表面粗糙度的影响敏感性排序为:主轴转速 > 切宽 > 进给速度 > 切削深度;所建立的GA-BP神经网络预测模型能够有效预测加工表面粗糙度,平均相对误差为8.72%;并通过实例验证了优化的工艺参数,对比优化前,材料去除率提高了40.1%,表面粗糙度降低了36.4%,加工时间减少了29.3%。

基于改进灰狼算法的配电网储能优化配置研究

为实现碳达峰、碳中和目标,需大幅度提高可再生能源的消纳能力,但光伏、风能等可再生能源随机性较强,提高了电力系统稳定运行的难度系数,因此,合理配置配电网储能是保证其能实现可持续发展的方式之一。基于此,文章通过分析网损改善费用和储能全寿命周期成本,形成完整的综合成本模型,在该模型基础上利用电压偏移指标,构建健全的配电网储能优化配置模型。同时,利用改进灰狼算法进行计算,提高其实际空间探索能力和配置方案的合理性。最后,经过IEEE33节点配网模拟仿真,该模型和改进灰狼算法能合理控制网络损耗,增加电网电压的稳定性,在计算速度方面有较大优势。

基于改进灰狼优化算法的有源配电网重构方法

为了提高有源配电网系统运行的经济性和稳定性,提出了一种基于改进灰狼算法的有源配电网重构方法。以配电网系统网损最小和电压偏移最小为目标函数建立有源配电网重构模型,并将多目标转化为单目标进行求解。采用Tent混沌映射、收敛系数指数调整和自适应位移等策略对灰狼优化算法进行改进,使IGWO算法的寻优能力得到显著提升。利用改进IEEE33节点系统进行仿真测试,并将IGWO算法的重构效果与GWO算法和PSO算法进行对比,结果表明,采用IGWO算法重构后的最低网损和最小电压偏移分别为54.89kW和0.00772,两项指标均优于GWO算法和PSO算法,验证了所提有源配电网重构方法的实用性和优越性。