电动汽车混杂非线性带约束的多目标优化方法

以优化电动汽车的安全性、舒适性和节能性为目标,建立了以稳定性因数的倒数、驾驶员座椅处垂向振动的加权加速度均方根值和百公里耗电量为指标的3目标优化模型,提出了基于Pareto最优原理的电动汽车多目标优化进化算法,该算法采用实数编码,以MATLAB/SIMULINK仿真软件获得各候选方案的目标值,基于Pareto支配原理判定候选方案的优劣,以保证优化方案具有可实现性。通过施加多种控制策略对悬架系统进行控制,完成了车辆平顺性和安全性的协同优化,之后通过加权等方式把多目标优化转化为单目标优化,然后再用数学规划的方式来求解,每次只能得到一种权值情况下的最优解。这种优化方法多针对车辆的某一性能进行优化,没有考虑车辆安全、节能、舒适多性能目标之间的协同问题。基于不同工况的仿真结果表明,该多目标优化算法有较好的性能表现,能够获得一组具有较高安全性、良好舒适性与低能耗的Pareto最优解供决策者选择。

基于Pareto最优原理的混合动力汽车多目标优化

介绍了混合动力汽车(HEV)相关知识,建立了以最小化燃油消耗、HC+NOx排放量和CO排放量为目标的3目标优化模型,提出了基于Pareto最优原理的混合动力汽车多目标优化进化算法.该算法采用实数编码,以ADVISOR为HEV的仿真软件获得各候选方案目标值,基于Pareto支配性原理判定候选方案的优劣,并设计了可以调整待优化变量有效位的机制以保证优化所得的候选方案具有可实现性.针对不同车型的仿真实验结果表明,所提出的算法能够较好地解决混合动力汽车多目标优化问题,可以获得一组具有低燃油消耗与低污染物排放的Pareto最优解供决策者选择.

基于Pareto最优原理的钻机钻进参数多目标优化

针对某双管定向钻机,提出了基于Pareto最优原理的钻进参数多目标优化方法。该方法根据钻机性能与工况,考虑水力对钻头比能影响,确定了钻进参数优化模型。针对罚函数处理约束条件的不足,引入了改进约束条件处理策略,提出了基于小生境思想拥挤度值计算方法及自适应交叉和变异算子。测试了改进算法的性能,并将改进算法用于求解基于某煤矿工程实际建立的钻机钻进参数优化模型。研究结果表明:与NSGA-Ⅱ和MOPSO算法相比,改进算法在求解测试问题时具有更好的收敛性与分布性。利用改进算法求解实际问题时得到的Pareto前端解集分布均匀,而且有效提高了机械钻速,延长了钻头寿命并降低了钻头比能。

基于鸽群启发算法的风电场多目标优化功率控制方法研究

风力发电作为一种清洁能源发电方式获得了大力发展,但风力发电存在波动性、间歇性和不可控性等缺点,因此优化风力发电场的功率控制这一问题日益受到关注。现对鸽群算法种群初始化方法进行改进,提出一种能够同时实现多个优化目标的功率控制方法。该功率控制方法可使风电场在满足多种约束条件的情况下获得最优收益,解决了现有方法控制目标单一的问题,最后通过实验仿真验证了算法的有效性。

算力网络下的算力边缘服务器部署算法

算力边缘服务器部署问题是构建算力网络的基础性问题。在实践过程中,算力边缘服务器靠近算力资源并为其加入算力网络提供接入服务。然而,算力资源的整体结构往往由现实需求所决定,并时刻随需求的变化而变化。在算力边缘服务器资源有限的情况下,如何合理部署算力边缘服务器,使得其能够保障算力网络有效地建设已成为当前各界所关注的热点。首先,对算力边缘服务器部署问题进行分析,并将其转换为带约束的多目标优化问题。针对该问题,提出一种改进型遗传算法予以解决。该算法优点在于:寻找无重复可行解作为初始种群,为选择操作提供了更多挑选的余地;选择时,采用个体均衡选择策略,保证了迭代群体的多样化与分散化;交叉和变异时,分别采用不同种类的随机两点交叉与轮流随机单点变异的策略,从而保障了新生种群的多元性与多样性。实验从算力资源总量偏差率、负载平衡误差率、收敛率、期望最优解误差率四个方面验证,该算法适合应用于算力边缘服务器的部署。

基于遗传算法的自动组卷问题的研究

对自动组卷问题进行分析,使用遗传算法来解决这个带约束的多目标优化问题。为组卷系统建立了一个合适的数学模型,并在此数学模型的基础上,应用遗传算法全局寻优和智能搜索的特性,在试题的各种属性满足数学模型的控制指标的基础上,从题库中既快又好的抽出一组符合教师要求的试题,有效地解决了试题库中的自动组卷问题,具有较好的性能和实用性。