均衡分布性和收敛性的多目标粒子群优化方法

粒子群优化(PSO)算法是一种基于群体演化且非常有效的求解多目标优化问题的方法,但因经典算法中粒子进化存在趋同性导致算法易陷入局部Pareto最优前沿,使得解集收敛性和分布性不理想。为此提出了一种均衡分布性和收敛性的多目标粒子群优化(DWMOPSO)算法,算法中每个粒子根据自身在进化过程中记忆的个体最好适应度值构建进化速度,由进化速度的快慢动态调整各粒子惯性权重,增加粒子的多样性,从而提高粒子跳出局部最优解的概率。通过在5个标准测试函数上进行仿真实验,结果表明,与Coello的多目标粒子群优化(MOPSO)算法相比,DWMOPSO算法获得的解集在与真实解集的逼近性和解集的分布性两个方面都有了很大的提高。

单纯形-多目标粒子群优化方法的混合算法

粒子群优化算法的局部搜索能力较差 ,在利用该算法求解复杂的多目标工程优化问题时 ,往往很难求得质量较好的非劣解集。对此 ,提出了单纯形 -多目标粒子群优化方法的混合算法 ( SM-MOPSO) ,该算法不仅继承了粒子群优化算法的优点 ,而且具有很强的局部搜索能力和较好的鲁棒性能 ,不仅使非劣解集均匀分布 ,尽可能的逼近真实的非劣前沿 ,并且扩展了非劣解集的范围 ,使非劣解集对于每个单目标而言都有较广的覆盖范围。文中以两目标十杆和二十五杆桁架结构作为算例 ,取得了很好的优化结果 。

医院手术调度问题的多目标粒子群优化方法

在手术时间服从正态分布的情况下,针对手术室优化调度问题,从规避手术风险和人性化的角度考虑,以手术取消风险最小化和患者病情恶化风险最小化为目标建立数学模型,设计了多目标粒子群算法。为了发挥粒子群算法解决连续问题的优势,在编码设计中将离散的优化问题转化为连续的优化问题,分析了惯性权重和学习因子设置对算法性能的影响,并引入网格法和ε-支配的概念来保证解分布的均匀性.利用现实数据进行实验,得到了问题的Pareto最优解,在不同的参数下分析了算法的性能,表明了建模的合理性和算法的有效性。

改进的多目标粒子群优化方法

为了提高多目标粒子群算法(MOPSO)在Pareto前沿的收敛性和分布性,对传统MOPSO方法进行了改进。首先采用基于Pareto支配概念的适应值比例方法选择gbest,其次利用动态拥挤距离更新外部精英集,并通过对精英种群执行遗传操作,最后在粒子种群引入自适应的淘汰机制,加强粒子种群和精英种群的进化。典型测试函数的计算结果表明,该算法在收敛精度和分布性方面得到明显改善。

动态无线电能传输系统多目标粒子群优化方法

针对动态无线电能传输中互感波动导致功率和效率下降问题,本文提出了一种多参数、多目标优化控制方法,相较于单一目标优化方法,该方法实现了传输功率和线圈传输效率同步优化。首先,基于导轨式无线电能传输系统模型从原理上分析影响传输性能参数,建立了多目标优化数学模型;其次,传统多目标优化方法由于求解速度过慢导致无法适应频繁变化的动态工况,因此本文将该方法与粒子群算法结合,提升了优化方法的响应速度;最后搭建了仿真模型和实验样机对理论分析进行了验证,结果显示在10μH/s互感变化率下运动10 s后系统仍可以保持额定功率工作,且传输效率可以保持90%以上。

群体决策中集成两类偏好信息的多目标粒子群优化方法

根据多个决策者给出关于目标的两类偏好信息—参考点和目标优先次序,建立了一个能集成这两种偏好的多目标粒子群优化算法.该算法首先分别按距离和目标值对解进行排序、赋予偏好值,然后将它们组合得到集成偏好值,并用集成偏好值引导粒子向群体偏好的Pareto前沿收敛,最后运用ε-排斥思想实现解在Pareto边界分布的均匀性.仿真结果表明该算法有效.

基于改进多目标粒子群的大型设备群检测策略优化方法

在大型履带起重机群(大型设备群)检验检测中,存在检测工期紧、检测质量和人员安全要求高、经济效益最大化等多目标约束下的最优检测策略制定问题,为此,提出了一种基于改进多目标粒子群的大型设备群检测策略优化方法(MOPSO)。首先,利用变异算子对传统的多目标粒子群算法优化方法进行了改进;然后,根据大型设备群检测项目的实际需求构建了检测工期、检测成本、检测质量与安全的多目标优化模型,并确定了各子目标的约束条件;最后,将该优化算法和构建的模型应用于大型履带起重机群的检测项目中,对该方法的有效性进行了验证。研究结果表明:与传统检测策略相比,在保证质量和安全的前提下,利用该方法得到最优的检测策略,其检测周期仅需3/4,检测单位成本节省了14%,受检单位成本节约了32.8%,极大地提升了检测效率,降低了企业和检验单位人力、经济和时间成本。因此,该方法具有良好的实用性和推广应用价值。

改进粒子群优化多拦截器目标分配方法研究

为提高多拦截器拦截对抗场景下的目标分配效能,对多拦截器目标分配算法展开研究。首先提出了目标分配问题的离散优化模型,其次设计了一种改进粒子群优化算法,引入变邻域搜索算法解决传统粒子群优化算法容易陷入局部收敛的问题,设计目标分配矩阵以及适应度函数模型解决带约束离散优化问题,同时避免了编解码算法造成的精度损失;再次设计局部跳出算法的启动准则,提高了算法的效率;最后仿真分析表明:改进粒子群优化算法相对传统算法分配效能可提高9.4%,且收敛结果与全局最优偏差不超过0.1%。

采用改进多目标粒子群算法的斜拉桥阻尼器参数优化

为克服大跨度斜拉桥黏滞阻尼器优化设计效率低、多个相互制约的减震控制目标的问题难以权衡,基于遗传算法的“变异”方法,提出了改进多目标粒子群算法来进行阻尼器参数优化设计。建立大跨度斜拉桥的有限元模型,开展了全桥地震响应分析,根据抗震需求在桥梁纵向设置黏滞阻尼器;分别建立了塔底弯矩、阻尼力和梁端位移的减震响应与阻尼器参数之间的响应面数学模型;以减震响应面模型为研究对象,通过该算法进行阻尼器参数全局自动寻优分析,确定了阻尼器的最优参数,并与采用参数敏感性分析方法确定的一组阻尼参数进行对比分析。研究结果表明:该优化方法具有计算精度好、优化效率高和更好地权衡多个相互制约的减震控制目标的优点;通过优化算法获得的阻尼器参数组合相比采用参数敏感性分析方法获得的阻尼参数组合的减震响应,塔底弯矩增大1.73%,阻尼力减小5.97%,梁端位移减小1.66%;在无需多次有限元试算的基础上确定了更高精度的阻尼器优化参数组合,在提高减震效果的同时大大提升了计算效率。

基于多目标粒子群优化算法的某轻型商用车操纵稳定性优化研究

针对某轻型商用车稳态回转时侧倾度偏大的问题对其悬架进行优化改进。基于ADAMS/car搭建整车多体动力学模型,通过前悬架反向平行轮跳试验、后悬架理论计算验证了悬架仿真模型的准确性。进行整车稳态回转工况和转向盘中间位置转向工况仿真分析,结果表明,车身侧倾度偏高。为实现操纵稳定性优化分析的流程自动化,提出了基于modeFRONTIER的联合仿真方法。以悬架设计参数为优化变量,以汽车的侧倾度与横摆角速度响应滞后时间为优化目标,采用拉丁超立方试验设计方法拟合得到混合代理模型,并结合多目标粒子群优化算法对悬架系统进行多目标优化,获得了悬架系统优化方案。优化结果显示,在不影响平顺性的前提下,汽车车身侧倾度降低了13.93%,横摆角速度响应滞后时间降低了2.75%,整车操纵稳定性得到了提升。

多目标粒子群优化算法及其应用研究综述

现有研究较少涵盖最先进的多目标粒子群优化(MOPSO)算法.本研究介绍了多目标优化问题(MOPs)的研究背景,阐述了MOPSO的基本理论.根据特征将其分为基于Pareto支配、基于分解和基于指标的3类MOPSO算法,介绍了现有的经典算法.介绍相关评价指标,并选取7个有代表性的算法进行性能分析.实验结果展示了传统MOPSO和3类改进的MOPSO算法各自的优势与不足,其中,基于指标的MOPSO在收敛性和多样性方面表现较优.对MOPSO算法在生产调度、图像处理和电力系统等领域的应用进行简要介绍.并探讨了MOPSO算法用于求解复杂优化问题的局限性及未来的研究方向.

基于响应面法和粒子群算法的电机轴多目标优化

为满足新能源汽车电机轴的轻量化设计需求,文中提出了一种基于响应面法和粒子群算法相结合的多目标优化方法。以电机轴的内径为设计变量,在满足强度约束的条件下,将电机轴质量、多危险截面处等效应力和1阶临界转速作为设计目标构建了多目标优化模型。建立Box-Behnken试验设计得到4因素3水平的有限元分析试验方案,采用最小二乘法拟合了各子目标的高精度响应面方程,并根据各子目标的重要程度引入影响因子,建立了统一的全局优化目标函数。最后,结合惯性权重线性递减的粒子群算法对全局目标函数进行了寻优。优化结果表明:电机轴的质量减小了4.8%,1阶临界转速提升了8%,且两处危险截面的等效应力分别减小了2.9%,2.5%。

基于Deform仿真和粒子群多目标算法的微结构刀具优化设计

合理的刀具微结构在铣削过程中能够有效降低铣削力与铣削温度,提高刀具服役寿命。为了得到理论最优的硬质合金刀具微结构参数,需解决铣削H13模具钢过程中存在的大铣削力与高铣削温度等问题。借助Deform软件构建理想状态下的硬质合金铣削模型,进行正交仿真实验研究微结构关键参数对铣削力与铣削温度的影响;以刀具微结构作为优化自变量,最小铣削力与最低铣削温度作为目标函数,构建基于粒子群算法下的多目标优化模型,通过铣削仿真实验进行验证。结果显示,经粒子群多目标算法优化后的刀具微结构参数为R1=300μm, R7=822μm, R22=607μm,理论计算与仿真的最大铣削力和最高铣削温度之间的误差分别为22.93%和5.64%;与原刀相比,最大铣削力与最高铣削温度分别优化了53.15%和4.91%。

基于多目标粒子群优化算法的动力电池仿生冷板结构优化设计

为了提高锂离子电池的冷却效果,提出一种高度对称的仿生网状流道冷板。首先,利用单因子分析法分析了冷板结构参数对其性能的影响,然后,以冷板的平均温度、温度标准差和冷却液压力损失为性能指标,采用多目标粒子群优化(MOPSO)算法对冷板的结构参数进行了优化,得到性能最优时的流道宽度、流道深度和冷板壁厚分别为9.0 mm、1.5 mm和1.4 mm,对应的平均温度、温度标准差和压力损失分别为33.20℃、1.33℃和65.63 Pa,相比于初始结构参数,优化后的平均温度和温度标准差分别下降1.92℃和0.02℃,但压力损失增大27.10 Pa。最后,在电池模组层面验证了优化结果。

基于改进自适应多目标粒子群算法的机械臂最优轨迹规划方法

轨迹规划是机械臂运动控制的关键环节,向控制器提供时间最短且稳定的参考轨迹,能够减少机械臂的运动时间以及关节振动。该文针对多自由度机械臂的时间、冲击最优轨迹规划问题,提出了一种基于改进自适用多目标粒子群算法(improved adaptive multi-objective particle swarm optimization,IAMOPSO)的机械臂轨迹规划方法。首先,利用5次B样条曲线对给定的关节路径点进行插值,获得位置、速度以及加速度等物理量连续的运动轨迹;然后,建立以机械臂的运动时间和关节冲击为优化目标的数学模型,将机械臂的关节运动学约束作为优化问题的约束条件;最后,为提高非支配解集的多样性,同时避免产生局部极值,采用变异算子、自适应权重以及动态学习因子的混合策略改进多目标粒子群算法,再优化求解目标函数,并利用归一化函数选取平均最优解。使用5次B样条曲线插值能够满足机械臂关节轨迹平滑以及连续性要求,基于IAMOPSO算法的最优轨迹规划方法能获得收敛性较好的Pareto前沿面,依据平均最优准则所选取的时间、冲击最优轨迹,能有效提高机械臂的作业效率与稳定性。

基于多目标粒子群的电动汽车优化充电策略

居民区家用电动汽车充电具有较强的集中性,大规模电动汽车充电负荷会对配电网系统造成负荷峰谷差过大等问题。文中提出一种基于多目标粒子群(Multi-Objctive Particle Swarm Optimization,MPSO)算法的用户充电选择控制策略,通过分析预测电动汽车充电负荷建立以系统总负荷方差和调度成本最小为目标函数的多目标优化模型,同时考虑了电动汽车电池及系统功率等约束条件,采用多目标粒子群优化算法求解电动汽车最优起始充电时刻。仿真结果表明,相比居民区内电动汽车无序充电,文中所提电动汽车充电策略能有效降低负荷峰值和调度成本。

改进的粒子群算法对微电网多目标优化调度研究

成了太阳能机组大规模的使用,使得在保证电网电压稳定的前提下,如何提高可再生能源的利用率成了亟待解决的问题。针对由光伏电池、风力发电机、微型燃气轮机、柴油发电机和电池等构成的微电网,考虑运行成本、扰动负荷和污染治理成本等多指标,构建微电网多指标最优调度数学模型,进而提出改进的多目标粒子群算法。在满足约束条件下,提出一种改进惯性因子并引入自适应变异操作的方法对优化模型进行求解。仿真结果表明,微电网的运行得到了优化,并验证了改进的粒子群算法的优越性能,为优化调度的进一步研究奠定了基础。

基于粒子群算法的高炉热风炉煤气消耗优化方法研究

高炉煤气管网压力与流量具有不稳定性,导致煤气存在严重放散损失。该研究基于粒子群算法进行高炉热风炉煤气消耗优化。首先,基于高炉热风炉煤气消耗量的预测结果,建立一个以煤气产消平衡和煤气放散量最小为目标的高炉热风炉煤气消耗优化模型;其次,引入粒子群算法求解模型,获得最佳优化方案。实验结果表明,经设计方法优化后的高炉热风炉煤气放散量基本为0,证实了该方法可以有效降低煤气消耗。

基于改进粒子群算法和多目标优化算法的燃煤电站脱硫废水零排放综合评价

燃煤电站脱硫废水零排放要求较高,待优化目标较多,相关量化指标处理困难,对此,提出基于改进粒子群算法和多目标优化的燃煤电站脱硫废水零排放综合评价。依据燃煤电站脱硫废水零排放技术的工艺流程,选取影响评价结果的指标,设立评价指标体系;采用换阶函数、里昂惕夫逆矩阵以及指示函数量化叠加评价指标,从而获得综合评价指标;引入多目标优化算法构建以效益最大化为目标的评价模型,并利用改进粒子群算法采用弥漫性求解,由此求取综合评价值,实现对燃煤电站脱硫废水零排放的综合评价。以实际燃煤电站脱硫废水零排放工艺为研究背景,对所提方法的评价性能进行测试,结果显示,所提方法得到的评价结果具有较高的拟合系数,评价效果更好。

基于多目标粒子群优化的微电网最优调度

针对包含光伏、风力发电机、蓄电池和柴油发电机的微电网经济优化问题,构建以功率平衡、分布式资源出力与运行等为约束条件,以最小运行成本和环境污染物排放量为优化目标的多目标优化调度模型,基于多目标粒子群算法对微电网经济优化问题进行求解。算例仿真验证该优化方法具有更优的准确性和性能,可有效支撑微电网的经济优化运行。