基于NSGA-Ⅱ与RBF神经网络的DPF结构参数优化

为降低某型号柴油机颗粒捕集器(DPF)在运行过程中的流动阻力,并使其保持较高的捕集效率。采用试验设计方法抽取代表性样本集,并分析影响因素对DPF捕集性能影响的显著性。利用径向基函数(RBF)神经网络构建所选变量与目标函数映射关系代理模型,并结合第二代非劣排序遗传算法(NSGA-Ⅱ)与结合熵权的优劣解距离排序法(TOPSIS)得到关于目标函数的一组最优解。结果表明:该型号DPF平均压降降低了14.58%,且DPF平均捕集效率保持99%以上。

基于NSGA-Ⅱ的热压系统上下料机械手结构优化设计

为实现热压系统上下料装置的轻量化设计,提出将响应面法和NSGA-Ⅱ算法相结合的多目标优化方法。以上下料机械手结构质量、最大变形和二阶模态固有频率作为优化目标,以机械手支撑立柱的壁厚、边长和取件手臂壁厚、宽度作为优化参数,进行参数化建模,采用Box-Behnken方法设计4因素3水平试验,并通过ANSYS Workbench有限元软件得到仿真结果。采用二阶响应面法,对目标函数与变量参数之间的非线性关系进行预测,并将预测数据与实际值比较,验证该方法具有良好的准确性和可行性。采用NSGA-Ⅱ算法对多目标优化的Pareto前沿解进行搜索,选择Pareto解集中的第55组解,即支撑立柱的壁厚为5 mm,边长为89 mm,取件手臂壁厚为7 mm,宽度为78 mm,宽度取整为80 mm。经过仿真证明,上下料机械手模型质量从307.89 kg减小到223.72 kg,减重比高达27.34%。优化后结构的最大变形量从0.394 mm增大到0.475 mm,满足最大变形量不超过1 mm的设计要求。二阶模态固有频率从47.57 Hz减小到46.19 Hz,降幅较小。运用ADAMS软件对上下料装置进行运动学仿真,得到机械手速度、加速度曲线,优化后该装置运动过程平稳,运动过程无明显冲击和振动。

基于NSGA-Ⅱ算法的高炉生产配料多目标优化模型建立

高炉炼铁是一种典型的高能耗、高排放、高污染工业,合理的配料方案对高炉节能减排至关重要。基于高炉炼铁过程中的物质与能量守恒和高炉炉料结构理论,建立了以最小化生产成本和CO2排放量为目标函数的高炉生产配料多目标优化模型,该模型采用非支配排序多目标遗传算法Ⅱ(NSGA-Ⅱ)进行求解,最终得到高炉生产配料多目标优化问题的Pareto最优解集。并将所得到的最优解与柳钢实际生产数据进行比较,结果表明建立的模型能使成本和CO2排放量都有相应程度的降低,验证了该模型及NSGA-Ⅱ算法的正确性。炉长可以根据该多目标优化结果针对不同的需求选择相应的炉料配比,实现更精确的操作。

改进NSGA-Ⅱ算法在锅炉燃烧多目标优化中的应用

提出改进非劣分类遗传算法(NSGA-Ⅱ)在燃煤锅炉多目标燃烧优化中的应用,优化的目标是锅炉热损失及NOx排放最小化。首先,采用BP神经网络模型分别建立了300MW燃煤锅炉的NOx排放特性模型和锅炉热损失模型,同时利用锅炉热态实验数据对模型进行了训练和验证,结果表明,BP神经网络模型可以很好地预测锅炉的排放特性和锅炉的热损失特性。在建立的锅炉排放特性和热损失BP神经网络模型基础上,采用非劣分类遗传算法对锅炉进行多目标优化,针对NSGA-Ⅱ在燃煤锅炉燃烧多目标优化问题应用中Pareto解集分布不理想、易早熟收敛的问题,在拥挤算子及交叉算子上进行了相应改进。优化结果表明,改进NSGA-Ⅱ方法与BP神经网络模型结合可以对锅炉燃烧实现有效的多目标寻优、得到理想的Pareto解,是对锅炉燃烧进行多目标优化的有效工具,同改进前的NSGA-Ⅱ优化结果比较,其Pareto优化结果集分布更好、解的质量更优。

基于并行NSGA-Ⅱ算法的桥梁网络养护策略优化

制定辖区全体桥梁的养护策略是在役桥梁管养方法研究的前进方向。给出桥梁网络养护策略的优化目标与约束方程,建立网级桥梁策略优化框架。引入带精英策略的非支配排序遗传算法(NSGA-Ⅱ),将其与并行遗传算法(PGA)相结合,提出基于并行NSGA-Ⅱ的网级养护策略优化方法。采用约束联赛法处理单座桥梁的最低性能约束问题,通过修改支配关系的定义改进原有NSGA-Ⅱ算法。应用于工程案例,输出结果为一系列Pareto最优解集,管理方可根据自身实际方便选择。算例分析验证该框架的有效性,以及建议算法的可靠性与高效性。

NSGA-Ⅱ算法的改进策略研究

带精英策略的非支配排序遗传算法(NSGA-Ⅱ)在多目标优化领域具有广泛的应用,但该算法种群收敛分布不均匀,全局搜索能力较弱,算法运行速度较慢。针对这些局限性提出了改进的排序适应度策略、算术交叉算子策略、按需分层策略和设定阈值选择策略。在典型的测试函数集上的数值实验结果表明,根据这些策略改进的算法得到的非劣解集具有较好的分布性,同时收敛速度更快。

采用NSGA-Ⅱ算法的混合动力能量管理控制多目标优化方法

综合考虑燃油经济性、排放性与驾驶性对混合动力能量管理控制优化的优点,以某款并联混合动力汽车为研究对象,选取能量管理控制参数与传动系参数作为待优化参数,以动力性作为约束条件,建立混合动力能量管理控制多目标优化评价方法,提出基于NSGA-Ⅱ算法的混合动力系统多目标优化方法,并与优化前控制策略进行仿真对比分析。结果表明:在满足基本约束的前提下,优化后燃油经济性最多提高了7.8%,平均提高了6.38%;驾驶性性能指标最多提高了27.12%,平均提高了21.74%;排放性综合指标平均提高了41.51%。提出的多目标优化算法具有良好的收敛性与分布性,得到的Pareto最优解集能够给混合动力能量管理控制策略提供更多的权衡选择方案,体现了多目标优化的优势。

基于NSGA-Ⅱ算法的汽车电子电气架构多目标优化

在汽车研发阶段电子电气架构的评价是个核心要素,在研发的末期不仅要验证电子电气架构的功能和技术上的正确性,还要实现最优化,而电子电气架构的经济性、量化性和负载性是评价电子电气架构的重要指标。建立了以电子电气架构总线成本、质量和负载的目标函数,建立了电子电气架构优化设计的多目标数学模型,利用精英控制策略快速非支配排序遗传算法(Fast and elitist non-dominat-ed sorting genetic algorithm,NSGA-Ⅱ)对该架构模型设计求解,得到符合条件的Pareto解集并进行分析,为决策者在工程实际中选择优化方案提供了有效方法,提高了工作效率,同时也为优化电子电气架构提供了一种新方法。

基于NSGA-Ⅱ算法的无线充电系统磁耦合机构多目标优化

针对当前磁耦合机构多目标优化计算量大、计算时间长等问题,本文提出了基于解析表达式和NSGA-Ⅱ算法的多目标优化方法。首先推导了磁耦合机构电气参数和性能参数的解析表达式。在此基础上,以磁耦合机构的尺寸、匝数、匝间距为变量,以传输功率、器件电气应力、绕线可行性为约束条件,以传输效率和功率密度为优化目标,建立了磁耦合机构多目标优化的数学模型。然后,采用NSGA-Ⅱ算法对该数学模型进行求解,得到了一组Pareto最优解集,通过分析各个目标函数的权重,在最优解集中选择一组参数用于设计参考。该设计方法不需要反复的有限元仿真计算,大大减少了计算时间,优化结果证明了该方法的有效性。

产业结构调整的低碳效应测度——基于NSGA-Ⅱ遗传算法

如今,中国面临高速发展与低碳的深层次矛盾,产业结构调整被普遍认为是一种有效的低碳发展途径;为测算产业结构变动产生的低碳效应,本文构建了投入产出多目标优化模型,以江苏省为例,采用带精英策略的非支配排序遗传算法(NSGA-Ⅱ)模拟运算,求得Pareto最优解集;与以往研究不同,本文缩小范围,集中关注产业结构因素,更具针对性,所采用的遗传算法在该领域内运用得还不多。结果表明:在保证稳定增长与就业的前提下,产业结构调整作为减少碳排放的手段仍在一定范围内有效;应推动低能耗、低排放、高附加值的高新技术产业和新兴产业,发展包括现代服务业在内的低碳型第三产业;节能技术的创新开发和应用,技术进步与结构调整的协调一致,是关键所在。

基于NSGA-Ⅱ算法的锅炉燃烧多目标优化

采用BP(back propagation,BP)神经网络模型分别建立了300 MW燃煤锅炉的NOx排放特性模型和锅炉热损失模型,同时利用锅炉热态试验数据对模型进行了训练和验证。结果表明:BP神经网络模型可以很好地预测锅炉的排放特性和锅炉的热损失特性。结合NOx排放模型和锅炉热损失模型并采用非劣分类遗传算法(non-dominated sorting genetic algorithm,INSGA-Ⅱ)对锅炉进行多目标优化,优化结果表明:NSGA-Ⅱ多目标优化方法与BP神经网络模型结合可以对锅炉多目标燃烧优化问题实现有效的多目标寻优,得到理想的Pareto解方案可以在降低锅炉NOx排放的同时使锅炉运行在较高的效率工况下,是对锅炉进行多目标优化的有效工具。

基于伪并行NSGA-Ⅱ算法的多目标鲁棒PID优化设计

现有的PID参数优化方法往往难以同时兼顾系统对快速性、稳定性与鲁棒性的要求,针对这一缺陷,提出了一种多目标PID优化设计方法——在满足系统鲁棒性的前提下,以超调量、上升时间和调整时间最小作为多目标优化的子目标,并将NSGA-Ⅱ与PGA相结合对其求解。该算法求得的Pareto最优解分布均匀,收敛性和鲁棒性好,决策者可根据实际系统的要求在Pareto解集中选择最终的满意解,这为快速性、稳定性与鲁棒性的权衡分析提供了有效的工具。仿真结果证明了本文设计方法的有效性和优越性。

基于NSGA-Ⅱ算法的电容称重传感器抗偏载能力的优化

为了满足在保证电容称重传感器最小识别极距变化的同时达到提高其抗偏载能力的要求,对传感器进行了多目标优化的研究。分析计算了电容称重传感器力学性能与结构参数之间的关系,建立了以其导向性能和抗弯性能为优化目标的0.001 g精度电容称重传感器的多目标优化模型。应用Isight优化软件中的改进型非支配解遗传(NSGA-Ⅱ)算法得到电容称重传感器的Pareto最优解集,并通过有限元验证了优化结果的准确性。研究表明,在保证电容称重传感器最小识别极距变化的前提下,极大地屏蔽了偏载对电容精度的影响,结果具有很强的实用性。

基于NSGA-Ⅱ算法的汽车内饰装配线投产排序研究

以某汽车企业的内饰混合装配线为对象,同时考虑零件消耗速率均匀化和最小生产循环周期最短两个目标,对内饰混合装配线的投产排序问题进行研究。构建了混流排序的数学模型,采用NSGA-Ⅱ算法求解,得到一组Pareto解集,给出了各优化解在两个目标下的函数值。该方法避免了采用加权法求解多目标问题时,权重难以合理确定的问题。同时该方法可以提供多个投产顺序,供决策者选择。最后通过实例验证了该方法的有效性。

传统遗传算法和改进的NSGA-Ⅱ算法在多目标优化问题的应用

在电力产业蓬勃发展的今天,随着一系列电力改革措施的实行,火电企业需要多角度深层次的考虑降低电厂运行成本。在火力发电过程中产生很多污染,如二氧化硫,氮氧化物,二氧化碳等。采用多目标优化的方法对火电厂负荷分配问题进行研究具有重要意义。以考虑经济和环境的双目标优化为例子,运用传统的简单遗传算法和改进的遗传算法-NSGA-Ⅱ,以三机组为例,进行优化计算,并且进行研究。

多种群NSGA-Ⅱ改进算法的大规模柔性作业车间调度问题

在研究柔性作业车间调度问题(FJSP)中为模拟实际大型生产车间的柔性作业车间调度情景,设计了基于传统基准实例的大规模FJSP数据集。针对大规模FJSP数据集,提出了以最大完工时间、机器最大负荷、机器总负荷为优化指标构建多目标柔性作业车间调度模型,在求解时为避免算法陷入局部最优,提出了一种多种群NSGA-Ⅱ改进算法(IMNSGA-Ⅱ),该算法优化了种群初始化方法与交叉策略,对不同种群中机器部分的基因采取不同的交叉方式。在生成的大规模FJSP数据集中验证了算法的有效性和可行性。

基于NSGA-Ⅲ算法的多目标集成工艺规划与调度问题研究

为了减少工业制造中的碳排放,设计以生产过程碳排放最小、最大完工时间最小和总拖期最小为目标的多目标集成工艺规划与调度问题,建立相应目标的优化模型。针对建立的优化模型,提出一种改进的NSGA-Ⅲ算法,使用三段式编码方式解决工艺规划的柔性特征;使用变邻域搜索方法增强算法的局部搜索能力;引入Pareto解集更新策略,保存种群更新过程中的非支配解。在工艺规划阶段,以完工时间、碳排放最小为优化目标,为每个工件生成工艺路线非支配解集,并从中随机挑选非支配解输入到调度阶段;在调度阶段,对优化目标的模型进行优化,生成调度非支配解。使用测试实例对提出方法进行验证,并与现有算法对比,实验结果验证了本文算法找到的非支配解更接近真实的Pareto前沿。

多目标优化算法NSGA-II的改进

该文提出了NSGA-II算法的一种改进算法—INSGA。在引入算术交叉算子的同时,提出并引入累积排序适应度赋值策略。实验表明,INSGA具有更高的收敛速度和更好的种群多样性。

基于HYSYS和NSGA-Ⅱ的常压塔多目标优化

研究了炼油工业中常压塔单元的最优操作问题,通过流程模拟软件HYSYS模拟常压塔静态模型,并利用改进非支配排序遗传算法(elitist non-dominated sorting genetic algorithm,NSGA-Ⅱ)来求解效益-能耗多目标问题,从而得到一组最优操作条件Pareto解集,结果表明在保证各产品质量的前提下,常压塔全塔的经济效益还可以提高。

基于PROII和NSGA-Ⅱ的乙烯裂解装置急冷系统的多目标优化

利用化工流程模拟软件PROII建立了乙烯装置急冷系统的稳态仿真模型。在对大量的模拟数据进行分析后,找出急冷系统中对产品和能量有影响操作参数,并提取数据利用线性回归分析法进行模型识别,建立了以产品分离度和换热器热量回收值最大的多目标的数学模型。采用NSGAII算法对多目标优化模型进行求解,得到Pareto最优解集,结合生产装置实际运行情况,提出了优化操作条件。