基于Pareto蚁群算法的双目标路径规划研究

针对复杂建筑环境人员应急疏散单一路径不能满足火灾环境变化需求的问题,基于改进蚁群算法,结合Pareto双目标解集思想,提出一种组合优化解集的双目标蚁群算法,通过排序优化的思想,实现人员多路径动态疏散规划。在构造Pareto解集的阶段协同考虑疏散路径长度以及火灾风险程度2个优化目标,计算各个解之间的支配关系。利用排序优化蚁群算法的正反馈机制将各组解的信息素按一定比例作为最优路径信息素的积累,加快解集的寻找。最后将其与传统双目标蚁群算法相比较,结果表明:优化后的双目标算法更加适合复杂建筑人员疏散路径规划问题,在寻找多组满足要求解的同时展示目标之间的利弊关系,供决策者选择合适的路径,提高疏散效率。

Pareto解集旋转的分类多策略预测动态多目标优化

为更有效地解决Pareto解集(Pareto set,PS)旋转的动态多目标优化问题,提出PS旋转的分类多策略预测方法(rotation-based forecasting method,RFM)。将PS的旋转类型分为PS中心点旋转、PS原点旋转和非标准旋转;针对以上不同的PS旋转类型,自适应地选择合适的预测模型,建立不同点集的时间序列,为后续进化提供初始种群。引入拉丁超立方策略(Latin hypercube strategy,LHS)生成的随机种群与上述预测种群共同构建新种群,保证种群的多样性。为验证算法的有效性,将RFM算法与DNSGA-II、PPS、SPPS和MMP算法在8个标准的动态测试函数上进行实验对比。实验结果表明,RFM算法取得了6个最优IGD值、7个最优SP值、3个最优MS值,证明了RFM算法可以更有效地解决基于PS旋转的动态多目标优化问题。同时验证了RFM算法的普适性,在FDA系列函数上进行实验对比,实验结果表明,该算法在处理非旋转的动态多目标优化问题中仍具有较优性能。

基于动态Pareto解集的微粒群优化算法及其在多目标规划中的应用

在传统的微粒群优化算法的基础上,提出了一种基于动态Pareto解集的求解多目标规划问题的方法。Pareto解集在每次迭代过程中进行动态更新和信息共享,在加入新产生的Pareto近似最优解同时去除解集中已经不是Pareto解的数据,每个个体随机地与Pareto解集中的结果进行信息交换,从而保证在快速找到Pareto解的同时保持多样性。并通过三个标准的测试函数证明了算法的有效性。

求解多目标规划问题的Pareto多目标遗传算法

针对传统的多目标优化方法的局限性 ,提出用于多目标规划问题求解的 Pareto多目标遗传算法。实验结果表明 ,该算法是可行有效的 。

双层多目标规划问题的Pareto有效解

研究双层多目标规划问题，提出了“双级Ｐａｒｃｔｏ有效解”和“带权数双级Ｐａｒｃｔｏ有效解”的概念，建立了对应的最优性条件．利用这些条件，我们可以设计求解双层多目标规划问题的算法．

非光滑非凸多目标规划G-Pareto解的Wolfe型对偶性定理

利用Ｄｉｎｉ方向导数所定义的不变凸概念。

基于Pareto支配的双目标优化求解非线性双层规划问题

双层规划问题是一类具有双层递阶结构的系统优化问题。采用Pareto支配的双目标优化策略求解非线性双层规划问题。利用K-T条件把双层规划问题等价转化单层规划问题,进而结合约束部分建立可行性度量目标形成双目标规划问题。在基本的差分进化算法框架中融入非负的最小二乘曲线拟合判断候选解的可行性,构造基于动态概率的Pareto支配选择策略挑选下一代个体,解决种群容易陷入局部最优的缺陷。15个标准函数的测试结果对比显示,该算法在求解非线性双层规划问题中具有较好的全局寻优能力、较低的计算复杂度、较强的稳定性和适用性,可以获得全局最优解。

一类锥拟凹非光滑多目标规划的pareto最优解的几个充分条件

本文得到了一类目标函数或约束函数是锥拟凹和上次可微函数的多目标规划的最优解的几个充分条件

多目标规划Pareto最优解的几个充分条件

讨论了当目标函数或约束条件是拟凹的和满足ｌｉｐｓｃｈｉｔｚ条件的多目标规划最优解的几个充分条件。

用多目标进化算法搜索MOPs的鲁棒Pareto最优解

搜索鲁棒Pareto最优解是多目标进化算法(MOEA)研究的一个重要方面.目前,优化"原目标函数"的传统MOEA与基于"有效目标函数"的MOEA(Eff-MOEA)在搜索鲁棒Pareto最优解时都易丢失某些性质的解.为解决这一缺陷,本文定义了一种新的鲁棒Pareto最优解,提出了一种新的搜索鲁棒Pareto最优解的MOEA(MOEA/R),MOEA/R将多目标鲁棒优化问题(MROP)转化成两目标问题来优化,一个目标为解的质量,另一个目标为解的鲁棒性,每一目标均对应一子优化问题.通过与NSGA-Ⅱ及Eff-MOEA的对比分析,结果表明MOEA/R的结果较好,更重要的是本文探索了一种新的搜索鲁棒Pareto最优解的思想.

多目标网络相异路径的Pareto解及其遗传算法

网络相异路径一般是多目标约束路径问题,具有重要应用价值.然而,由于问题的难解性,总是利用妥协思想将其转换为单目标问题求解.本文建立了双目标相异路径的一种优化模型,给出了模型求解过程中伪理想点的概念,提出了基于小生境共享竞争复制算子的遗传算法,该算法可求解多目标优化问题的 Pareto 解集.最后,给出了一个计算分析实例.

关于多目标规划问题绝对最优解、有效解、弱有效解间的关系

在较弱的条件下讨论了一类多目标向量规划问题(VP)的绝对最优解集、有效解集、弱有效解集(Rab,Rpa,Rwp)之间的关系,并在较弱的条件下对单目标向量规划问题(P)与多目标向量规划问题(VP)解的关系做进一步讨论.

求解线性多目标规划的一种新方法

给出求解线性多目标规划问题弱有效解子集的一种新算法. 在不同的条件下, 运用此算法得到了线性多目标规划的弱有效解子集, 并在得到的解子集中再次进行寻优, 进而得到弱有效解集中决策者满意的较优解; 同时用VC++语言实现了此算法, 并给出了具体算例.

几何加权法求解多目标规划问题

多目标规划的目标函数相互冲突,一般不存在最优解,因此求其非劣解具有重要意义。采用几何加权法提出了一种新的评价函数,通过这种评价函数将多目标规划的目标函数转化为单目标函数,并证明了该方法得到的最优解是多目标规划问题的非劣解。通过算例,比较了线性加权法,极大极小法,几何加权法。结果表明,几何加权法是可行的;通过几何加权法能够得到原问题的非劣解,而且当权重变化时,几何加权法的结果比线性加权法更符合实际。

基于Pareto最优解的非对称转向机构双目标优化

根据四向叉车的转向需求,设计适用于四向叉车的非对称转向机构;为了同时提高非对称转向机构纵向和横向转向性能,分别建立非对称转向机构纵向四轮转向和横向两轮转向的转向运动数学模型,并且构建纵向四轮左、右转向非对称性约束;以接近Ackermann理想转向为优化目标,建立非对称转向机构双目标优化函数,采用改进的粒子群优化(PSO)算法求解非对称转向机构双目标优化的Pareto最优解。优化结果分析算例表明纵向和横向转向性能可分别提高32.1%和38.9%,为非对称转向机构优化设计提供有益的理论参考。

多目标规划的圆锥有效解(英文)

本文利用有限维向量空间中圆锥的概念，引入了多目标规划问题的一种新的有效解－圆锥有效解，并讨论了这种有效解的性质．同时，讨论了圆锥有效解与Ｐａｒｅｔｏ有效解以及绝对最优解之间的关系．最后，通过引进目标总值差异率概念，分析了圆锥有效解的主要特点．

求多目标优化问题Pareto最优解集的方法

主要讨论了无约束多目标优化问题Pareto最优解集的求解方法,其中问题的目标函数是C1连续函数.给出了Pareto最优解集的一个充要条件,定义了α强有效解,并结合区间分析的方法,建立了求解无约束多目标优化问题Pareto最优解集的区间算法,理论分析和数值结果均表明该算法是可靠和有效的.

求双目标凸规划问题有效解集的内点同伦算法

利用具有大范围收敛性的同伦方法,对双目标凸规划问题构造了一种直接算法———内点同伦算法,通过该算法可求出有效解(弱有效解)的集合,并证明了这种算法的大范围收敛性,数值例子表明,此算法是可行有效的.

求解多目标二层规划的多目标进化算法

提出了一个求解多目标二层规划问题的多目标进化算法.用传统优化算法求解下层规划中用权向量线性加权后得到的单目标问题,而对上层的多目标规划问题则采用基于NSGA-II的选择机制的多目标进化算法求解.数值试验表明所提出的算法是有效的.

多目标动态规划问题的非劣矩阵解法

针对多目标动态规划问题，指出其一般只存在非劣解的性质，提出了多目标阶段收益非劣矩阵、多目标阶段收益非劣合成矩阵和多目标逆向递推矩阵等概念。在此基础上构造出一种新的多目标动态规划解法—非劣矩阵法，该方法不需要事先给出各目标的相应权重，并能保证得到多目标动态规划问题的所有非劣解。文中给出的计算实例验证了这一方法的正确性和实用价值。