基于多种群遗传算法的航天复杂系统测试任务调度

针对航天复杂系统型号较多,传统测试流程与调度设计只能人工定制化排布,效率较低且未有效优化,同时,考虑到航天复杂系统快速测试的迫切需求,提出一种基于多目标遗传算法的航天测试流程自动生成方法。该方法在测试项集合明确的前提下,将测试项抽象为离散事件,以测试总时间和测试资源均衡度为优化目标,充分考虑航天器测试的诸多约束,将其作为遗传算法执行过程中交叉或变异的禁忌项。在初始种群确定后,对测试流程和调度方案进行自动生成和优化。对算例的仿真结果表明,该方法相对于同实验条件下的传统半串行测试方法和单目标优化方法,测试总时间或资源均衡度得到了较大提升。在进一步扩展优化目标和约束项后,该方法可有效提高航天复杂系统测试过程的快速响应能力和可靠性。

基于多种群混沌遗传算法的GEO目标服务任务规划

面向地球同步轨道(geosynchronous Earth orbit,GEO)空间目标碎片清除、燃料加注等不同在轨服务需求,研究了“固定储油站+往返航天器”相结合的航天器任务规划问题。首先,建立了多任务混合的燃料最优双层任务规划模型,外层为目标服务序列规划,内层为轨道机动规划。随后,针对该连续-离散混合变量组合优化问题,提出了一种多种群混沌遗传算法(multi-group chaotic genetic algorithm,MGCGA),采用混合编码表征决策变量,引入立方混沌映射算子提高初始种群质量,多种群及精英保留策略使得算法在求解过程中能更为显著地逼近全局最优解。最后,参考实际GEO目标构建了典型算例,规划结果表明所提算法具有全局收敛性好、收敛速度快的优点。

基于种群混合迁移策略的并行量子遗传算法

针对量子遗传算法求解大规模优化问题存在收敛速度慢、易于陷入局部最优等问题,改进量子遗传算法。设计一种种群混合迁移机制促进算法的种群多样性,采用仿TriBA种群结构、双精英种群、重生种群、自适应迁移算子、个体竞争排挤算子以及随机失活机制,提高算法的局部勘测能力和全局寻优能力。利用Spark框架实现算法在分布式集群环境下的运算。改进2-opt&R优化算法,通过引入高斯变异提高算法的局部搜索能力,缩小算法的搜索空间。实验结果表明,改进后的算法在全局优化能力、收敛速度、运行速度和求解稳定性等方面均有大幅度提升。

基于多种群遗传算法的钢框架结构优化设计

传统的基于力学分析软件的结构设计方法存在效率低下、依靠专家经验等局限性,采用智能算法能实现高效的结构自动优化设计。然而,由于随机搜索特征,优化结果和收敛性高度依赖于算法的参数设置,需要通过试算来确定其合理取值,该方法会造成优化效率低、计算量大等问题。引入多种群协作和信息共享机制来改善此类问题,并研究其在结构优化设计中的适用性。利用MSC.Marc软件建立钢框架结构有限元模型,采用底部剪力法将地震作用等效为水平荷载施加到结构上,搭建有限元软件与智能算法的自动优化过程,以结构的总体材料用量最低为目标,考虑了层间位移角、应力比、构件稳定性和宽厚比等多种约束条件,以遗传算法为基础,通过适应度尺度变换、基于方向的交叉算子、非均匀变异算子、自适应概率、精英保留策略、重复项替代机制、基于约束的策略对其进行改进,引入多种群思想,对比多种算法优化结果的差异。结果表明:基于多种群的遗传算法能有效改善优化结果对算法参数的依赖性,提高结构优化设计的效率。

基于改进多种群遗传算法的核电热力系统参数优化

核电机组二回路热力系统是将热能转化为机械能并进行发电的关键部分,在保证安全的基础上提高其效率具有重要意义。对此,首先根据热平衡法建立热力系统的数学模型。其次,在多种群遗传算法的基础上增加并行机制与协同策略,结合自适应策略提出一种改进多种群遗传算法,并利用测试函数测试其寻优性能。最后,以机组循环热效率为目标函数,回热再热抽汽流量为决策变量,在约束条件下采用改进算法对热力系统进行优化设计。结果表明:改进多种群遗传算法比标准遗传算法与多种群遗传算法更有效率且收敛精度高;采用该优化算法后,机组循环热效率提高了1.18%。

多种群遗传算法下电网源网荷多时段优化调度

电网源网荷多时段调度分配衔接不当,造成能源跨区消纳较高,利用率较差。为此,提出基于多种群遗传算法的电网源网荷多时段的优化调度方法。利用种群优化算法建立不间断和间断的供给优化调度模型。采用遗传调度算法进行数据迭代,根据用户的舒适度和经济度建立目标函数,在满足约束条件的基础上,确定时间尺度,实现优化调度。实验结果表明,多种群遗传算法下电网源网荷多时段优化调度能够很好地实现跨区消纳,能源利用率能够达到98.95%,具有较好的实用价值。

基于多种群进化小生境遗传算法的电力立体式仓储仓位多目标优化配置方法

针对传统电力立体式仓储仓位配置中存在关联性和灵活性不足的问题,提出一种基于多种群进化小生境遗传算法的电力立体式仓储仓位优化配置方法。首先,对物资进行关联性分析,通过聚类方法将物资科学分类,以提高仓储操作的效率和准确性。然后,基于物资的聚类结果和特性设定约束条件,以物资出入库时间和类内物资距离最小化为目标,构建了仓位优化配置目标函数。最后,引入多种群进化小生境遗传算法进行求解,在仓储仓位搜索空间中更好地保持可选配置方案的多样性,避免过早收敛,在全局范围内寻找最优解,实现电力立体式仓储仓位的优化配置。实验结果表明,所提方法能够提高仓储效率、满足物资管理需求,且在具有更高优化程度的同时保持较高的关联性与灵活性。

基于改进多种群遗传算法的多目标资源受限项目调度问题研究

多目标资源受限项目调度问题普遍存在于生产经营活动中,具有较高的实用价值。本文提出了一种改进的多种群遗传算法以解决多目标资源受限项目调度问题,为改变现有算法计算步骤理解困难、不易推广的特点,巧妙地通过平移工作解决此类问题,算法首先对工作的优先级进行随机编码,然后根据工序约束进行解码,并根据解码结果安排工作调度,同时为防止无效迭代,融合了禁忌搜索的思想。最后,通过PSPLIB标准算例库中算例进行实验,实验结果表明该算法在具备较高精度的同时,兼顾了快捷性和简洁性。

基于多种群遗传算法的废旧手机拆卸序列规划

为解决废旧智能手机对环境的污染问题,高效率求解废旧智能手机完全拆卸序列最优方案,文章针对废旧手机完全拆卸提出一种多种群遗传算法。根据废旧智能手机的连接特点,建立废旧智能手机拆卸混合图模型,并利用该模型描述约束关系,同时考虑紧固件的连接关系;提出一种拆卸可行性评估方法,建立拆卸时间、拆卸利润、拆卸能耗等多目标优化数学模型,并利用多种群遗传算法进行优化分析;以“小米5”手机为例验证提出算法的可行性,并分析多目标不同权重系数对生成结果的影响。结果表明:与人工经验拆卸相比,优化后拆卸手机成本利润提高0.3035元/台,拆卸时间缩短30 s/台,拆卸人工能耗减少0.272 J;多种群比单种群收敛速度更快;相较于并行拆解,废旧智能手机等小型精密电子产品更适合于串行序列拆解。

基于改进自适应遗传算法的渠系优化配水分析

为减少渠系在输水过程中的渗漏损失,提高渠系水利用系数,以两级渠系渗漏损失、水流波动最小为目标函数,以下级渠道配水流量、配水开始和结束时间为决策变量,构建配水模型,并采用改进的自适应遗传算法(SIGGA)进行实例求解.提出了一种基于Sigmoid函数的自适应交叉、变异算子,并通过引入信息熵和新种群来减少种群多样性的损失.与人工制定、向量评估遗传算法(VEGA)、多目标粒子群算法(MOPSO)、粒子群混合模拟退火遗传算法(GSPSO)的配水结果进行对比分析,SIGGA求解的配水时长由25.00,15.00,11.00,11.55 d缩短为10.00 d,渗漏损失由97.89×10^(4),71.76×10^(4),70.36×10^(4),32.63×10^(4) m^(3)减少到31.58×10^(4) m^(3),渠系水利用系数由0.651,0.706,0.745,0.828提高到0.833.SIGGA能够克服传统遗传算法(SGA),VEGA易陷入局部最优的缺点,可实现高效、精确地按需配水,为水资源的集约节约化利用提供理论参考.

基于多元级差优良化遗传算法的环境拓扑结构任务调度

在国家深入推进“东数西算”工程的背景下,算力网络中心的环境部署调度面临许多挑战,如环境的数量、大小、拓扑结构复杂度、依赖约束和网络传输量等不确定因素。为了应对这些限制因素,提出一种多元级差优良化的遗传算法(Diverse Hierarchical Difference Optimization Genetic Algorithm,DHDO-GA)。该算法以任务执行跨度makespan和资源利用率最优化为目标,同时考虑资源的负载均衡。为了更好地引导整个种群向全局最优解快速聚拢,该算法根据适应度值和相似度将染色体分布在不同的层级,并将其抽象聚类成精英种群。仿真实验表明,DHDO-GA算法优于传统遗传算法和几种改进的遗传算法,在搜索能力、算法稳定性以及结果质量和可靠性方面具有更大的优势。

基于改进遗传算法的酒店配送机器人路径规划仿真研究

针对传统遗传算法初始种群质量不高、种群多样性不足和路径长度不理想的问题,提出了改进遗传算法。通过基于引力场模型生成初始路径,提高初始种群质量;在适应度函数中增加了惩罚因子和激励因子,提升种群质量筛选;引入差分进化算法对种群个体之间的差异进行向量化操作,以突变概率控制种群突变数量,优化种群多样性,从而更好更快地得到全局最优解。采用改进遗传算法、传统遗传算法和蚁群算法对不同栅格地图路径规划进行仿真实验,结果表明:改进遗传算法在处理此类路径规划问题时可以快速找到最优路径,在复杂度较高的M3地图环境下相较于传统遗传算法和蚁群算法最优路径分别缩短了17.39%和7.9%。

改进自适应遗传算法求解函数优化问题

针对遗传算法在复杂函数优化过程中存在收敛速度慢、搜索效率低和易陷入局部最优等问题,提出一种多方面改进的自适应遗传算法。算法从全局出发,对编码长度、种群初始化方式、选择方式、交叉和变异算子自适应机制以及适应度函数构造方式等方面进行了优化。仿真实验表明,算法在收敛速度、求解精度、稳定性、全局寻优能力等方面有了明显的改善,在复杂函数优化问题中显示了较好的性能。

一种基于多种群遗传算法的双频RFID标签天线设计方法

高频和超高频双频RFID标签既能完成近场(13.56MHz)数据交换,又能实现远场(860~960MHz)通信,具有巨大的市场潜力。本研究利用改进的惠勒公式设计了双频标签天线中的高频天线,以新型偶极子天线为原型,通过添加电感环结构来产生超高频信号,完成了双频标签天线的初始结构设计;针对传统仿真调参试验无法高效地确定双频天线的最佳尺寸参数问题,提出基于多种群遗传算法的双频标签天线优化设计方法。仿真结果表明:优化后的超高频天线在915MHz时的输入阻抗为(16.75+j349.9Ω)较为接近理想值(22.5+j349Ω),实现了与芯片良好的阻抗匹配;优化后的双频标签天线的尺寸为42mm×42mm×0.075mm,最大增益为1.4dB,与现有的双频标签天线尺寸相比,在小型化方面也有很大的提高。

CA型邻域遗传算法求解柔性作业车间调度问题

针对以批量小、品种多为主要生产模式的加工制造型企业,分析以最小化最大完工时间为优化目标的柔性作业车间静态调度问题。首先,建立单目标整数规划模型,提出一种基于元胞自动机(cellular automata,CA)型邻域的遗传算法对模型进行求解。其次,为了改善初始解的质量,采用选择剩余工序最多的工件编码和随机选择编码结合的种群初始化方式,使算法在较优的解空间内迭代搜索,提高算法的收敛速度;为了优化求解质量,在算法中引入CA型邻域搜索,有效探索解空间,提高算法的寻优能力。最后,用基准实例进行测试,通过算法改进成分有效性检验以及与其他改进算法对比实验验证所提算法的可行性与有效性。

基于双种群遗传算法的模具车间作业调度研究

传统模具车间作业的调度计划具有编制复杂度高、人员经验依赖度高等特点,以作业完成总耗时最小化为目标,提出了一种优化的双种群遗传算法。基于Gen-Tsujimura-Kubota′s method编码机制,提出了一种改进后的初始种群产生方案;采用基于工件位置的交叉算子和工件对互换变异算子对种群进行交叉操作和变异操作,并保留较优个体;基于双种群理论和自适应操作,对算法模型进行优化,提高了算法的精度和搜索能力。以某模具企业的蜡模生产车间作业为例进行分析,结果表明该算法能较精确地获得车间作业调度的优质解,验证了算法的可行性和有效性。

一种基于种群多样性的新型自适应遗传算法

为克服传统自适应遗传算法易出现未成熟收敛的问题,提出一种新型基于种群多样性的自适应遗传算法。解决未成熟收敛问题的关键是避免算法在寻找到最优解前种群多样性的丧失。为适应进化过程中种群多样性的变化,提出了包含方差因子和种群熵因子的交叉概率和变异概率公式。根据种群收敛情况相应地调整交叉概率及变异概率,在不破坏种群优良基因模式的同时保持种群的多样性。通过标准函数测试与已有算法进行对比,结果表明,所提算法相较于已有算法,在保证收敛精确度的同时提高了收敛速度,有效克服了“早熟”等问题。

基于多种群遗传算法的配电系统优化节能策略研究

在碳中和的发展背景下,配电系统的节能成为企业节能减排的重要手段之一。由于采用单一的节能措施不能获得较高的节电量,因此需要采取多种优化节能措施。以配电线路截面选择、无功补偿、谐波治理为主要优化策略,给出了各种策略的节能量计算方法。再将节能量和节能效益最佳设定为最优化目标,构建出配电系统多目标优化节能的策略及其数学模型。在问题求解时,将节能策略构建为有边界的组合优化问题,并采用多种群遗传算法进行求解。实例分析表明,优化节能策略的数学模型可靠,算法收敛速度快,本策略能够为配电系统的优化节能提供可靠的分析方法。

基于多种群遗传算法和动态时间归整的智能层序地层划分对比方法——以渤南洼陷古近系下部为例

针对深层-超深层因古生物化石种类少、取心困难、标志层不稳定、层系埋藏深、地震品质差而存在的层序地层划分与对比困难的问题,提出综合利用测井、录井资料为输入参数,采用多种群遗传算法(multi-population genetic algorithm, MPGA)和动态时间归整(dynamic time warping, DTW)相结合进行渤南洼陷古近系下部层序地层的划分与对比,并以多种常规频谱分析(最大熵频谱分析(integrated prediction error filter analysis, INPEFA)、连续小波变换(continuous wavelet transform, CWT)、时频分析等)对智能划分结果进行验证。基于这种智能识别,以渤南洼陷深部地层古近系下部沙四段-孔店组为例,在渤南洼陷西部邵古1井、邵古2井古近系下部识别出沙三段/沙四段(E_(s3)/E_(s4))界面、沙四段/孔店组(Es4/Ek)界面、孔店组(Ek)底部等层序界面,将邵古1井和邵古2井古近系下部划分出4个三级层序界面并进行连井层序对比。通过与多种频谱分析方法验证结果对比发现,综合利用基于Fisher最优分割理论的MPGA对单井层序地层进行精细划分,结合DTW技术进行连井层序对比,可提高深层及超深层层序地层划分对比的准确性和可靠性。所提出的单井地层自动划分与连井对比方法能摆脱人为主观因素对层序地层划分的干扰,实现基于机器学习的层序地层智能识别,在各类岩石的层序地层对比中具有良好的应用前景。

一种基于多种群遗传算法的唯相加权阵列波束展宽技术

传统的阵列波束展宽技术需要对阵元施加复加权操作,实现起来相对复杂。提出了一种基于多种群遗传算法(Multiple Population Genetic Algorithm,MPGA)的唯相加权阵列波束展宽技术,并针对均匀直线阵列和扇形圆环阵列,结合其数学模型,分别设计出适配的适应度函数,通过MPGA对阵元内各个阵元的附加相位进行优化,经仿真实现了阵列波束展宽。结果表明,该方法可以在考虑天线阵列的副瓣电平及天线效率的同时,设计实现更宽的阵列波束,且收敛速度较快、稳健性较好,充分显示了MPGA在天线阵列设计中较好的应用前景。