基于多目标蚁狮算法的Stewart平台优化设计

针对Stewart平台传统结构优化设计中,存在的设计过程低效、优化方案不全面以及优化结果不直观等问题,在深入分析Stewart平台运动特性的基础上,建立平台的运动学方程,并通过仿真技术求解出平台的可达工作空间以及灵活工作空间。文中将多目标蚁狮(MOALO)算法应用于Stewart平台的结构优化设计,以雅可比矩阵条件数以及可用操作度为优化目标,通过仿真软件得到多组优化解,即帕雷托优化解集;以用作运动模拟器的Stewart平台为例进行具体的优化设计分析,通过对灵活工作空间体积占比的求解,验证了该算法的有效性和可行性。在Stewart平台的结构优化设计中,MOALO算法相较进化遗传算法、多目标粒子群算法等,在多目标优化问题上具有更好的收敛性和覆盖性,更符合实际多目标优化工程设计。

基于混沌多目标蚁狮优化算法和核极限学习机的冲击性负荷预测模型

针对冲击性负荷预测问题,提出了一种基于混沌多目标蚁狮优化算法(chaotic multi-objective antlion optimization algorithm,CMOALO)和核极限学习机(kernel extreme learning machine,KELM)的冲击性负荷预测模型。首先,为了降低预测难度,使用集合经验模式分解(ensemble empirical mode decomposition,EEMD)将原始冲击性负荷分解为一系列更为平稳的子序列。为了同时提升模型的预测精度和稳定性,提出了一种MOALO;其次,为进一步提高算法的解搜索能力,将MOALO与混沌运算融合,提出了CMOALO算法,将其用于优化KELM。最后通过某地区真实采集的冲击性负荷数据对所提出的EEMD-CMOALOKELM模型进行验证。通过案例分析可知,所提出的冲击性负荷预测模型,无论是在预测精度还是预测稳定性方面,性能最好。

蚁狮算法在第二类多目标装配线平衡问题中的应用

针对第二类装配线平衡问题,以最小化生产节拍、占地面积均衡指标、学习成本为优化目标,建立多目标优化数学模型,在单目标蚁狮算法基础上提出一种多目标蚁狮算法求解。引入解码、基于牛顿二分法的解码装配任务方法保证种群中的个体都满足装配线平衡的基本约束;引入Pareto支配规则确保得到的精英蚁狮群为最优解集;以基于非支配排序和拥挤度的精英保留策略替代单目标蚁狮算法中的蚁狮捕食规则,从而获得多个目标值较优、多角度综合的解。通过对实例算例求解并与改进多目标粒子群算法对比分析,验证了该算法的有效性和优越性。

基于多目标蚁狮优化的雷达通信一体化波形设计

传统的雷达和通信系统,二者相互独立,采用不同的信号形式,相互间存在电磁干扰,设计一种波形可用于雷达通信一体化系统,同时完成雷达和通信功能。通过分析一体化系统的雷达性能评价函数和通信性能评价函数构建多目标优化问题,引入多目标蚁狮优化算法到波形设计领域;通过多目标蚁狮优化算法对多目标优化问题进行处理,得到一体化波形性能最优的波形设计参数。仿真结果表明,依据此参数设计得到的一体化波形,能够兼顾雷达性能和通信性能。

燃料电池混合动力船舶复合储能系统与能量管理策略优化

为优化燃料电池混合动力船舶的能量管理策略和复合储能系统容量参数,以某燃料电池混合动力船舶为目标船,在Matlab/Simulink环境中搭建含复合储能系统在内的混合动力系统与能量管理系统仿真模型,应用蚁狮多目标优化算法进行优化,并将优化后的混合动力系统性能与原船进行仿真比较.结果表明,优化后的混合动力系统能够满足电力需求,改善电能质量,延长设备寿命.