基于遗传算法-序列二次规划的磁共振被动匀场优化方法

为了解决磁共振成像(MRI)系统中固有的主磁场(B0)不均匀的问题,提出遗传算法-序列二次规划(GASQP)算法,以提高7 T磁共振的主磁场均匀性.从被动匀场数学模型的角度出发,该混合算法利用GA算法获得稳定的初始解,实现主磁场的第1次优化,再通过SQP算法的快速求解,在较少的时间内实现主磁场的第2次优化,同时提高磁共振主磁场的均匀性.采用正则化方法减少磁场均匀所需的铁片质量,并且获得稀疏的铁片分布.在仿真建模的案例研究中,7 T磁共振裸磁场均匀度可以从462×10-6优化到4.5×10-6,并且在匀场空间上仅消耗0.8 kg的铁片.相比于传统的GA优化方法,新方案的磁场均匀性提高了96.7%,总铁片消耗质量减少了85.7%.实验结果表明,GA-SQP算法比其他优化算法具有更强的鲁棒性和竞争力.

改进遗传算法与多目标优化模型的航班路径规划

针对现有航线路径规划模型,单一成本规划难以解决不同机型及运输时间条件下最优路径规划的问题,将机型配置、运输时间和系统成本相结合,通过枢纽城市位置、非枢纽城市节点向枢纽城市节点的流量分配、机队飞行时间以及机队规模建立枢纽航线网络优化模型。以飞行时间与系统总成本为最小化求解目标,利用熵值法建立染色体选择机制,引入自适应交叉率改进遗传算法,通过改进算法(IGA)对最佳航线及枢纽节点位置分布优化求解,并与传统遗传算法、人工蜂群算法和灰狼算法进行对比。研究表明,将不同机型配置、运输时间进行组合,优于单一成本路径规划。以改进算法对枢纽航线网络模型进行优化求解,系统总成本降低了3.41×10^(10),为机队资源的合理配置提供了借鉴。

智能港航水运系统中基于遗传算法和动态规划的船舶路径规划及航行优化研究

确定性优化算法生成船舶航行的最佳路线/路径和速度。本文分析了一种航次优化方法,将动态规划与遗传算法相结合,求解三维航次规划问题,该方法将发动机功率离散成若干等级。以某中型化学品运输船为例,对该算法的潜在效益进行了研究。通过船舶的实际航行验证了该方法的有效性。与最先进的确定性方法相比,平均可节省3.4%的燃料和减排。如果与实际的全面测量结果相比,通过分析该方法,得出预计平均减少5.6%的燃料消耗和温室气体排放。

基于改进遗传退火算法的10 kV配电网规划优化研究

在考虑配电网输电综合网损、年折旧费、馈线建设费用的基础上,建立10 kV配电网规划目标优化模型;引进改进遗传退火算法,进行10 kV配电网规划目标优化模型中相关参数条件的训练,以此实现对模型约束条件的设计;采用保存精英群的方式,进行10 kV配电网规划优化方案的全局寻优,完成配电网规划优化方法的设计。选择某地区大型10 kV配电网作为实验研究的主要对象,设计实例应用实验。实验结果表明:设计的优化方法在实际应用中的效果良好,可有效提高配电网线路负载率均衡度。

基于多目标规划和混合遗传算法的上海临空可变车道集群控制优化研究

针对上海临空早晚高峰时段区域交通问题,分别构建广顺北路、协和路、福泉路和金钟路单条道路优化模型及基于多目标规划和混合遗传算法的临空区域路网可变车道集群控制及信号配时优化模型。从通行效率和环境排放效益2个维度进行量化对比。结果表明,可变车道集群控制及信号配时优化后早高峰改善比例大于晚高峰,路网通行效率及环境排放效益优化幅度分别达17.46%和20.53%。可变车道集群优化效果较单车道显著且稳定性高,更有利于路网通行效率的整体提升。研究结论可为城市可变车道集群的智能化管控提供理论支撑与借鉴。

采用融合遗传算法的高速公路服务区综合能源系统优化调度研究

为达成“碳中和”目标愿景、促进公路交通系统与新能源的融合,以高速公路服务区为研究对象,考虑服务区内电、冷、热、气共4种负荷需求,构建了包含风光发电的新能源发电方式和电转气设备的高速公路服务区综合能源系统。在此基础上,以风电、光伏出力日前预测和多能负荷日前消耗为输入,各能源设备出力及购能分配为输出,以总成本最低为目标函数,考虑能量平衡、设备安全、运行状态等约束,建立了高速公路服务区综合能源系统优化调度模型。针对高速公路服务区综合能源系统调度问题,设计了遗传-序列二次规划融合优化算法,并以某服务区夏季典型日为例进行验证。结果表明:所构建的调度系统能够有效消纳可再生能源出力,协调外部购电、购气的比例,最终达到降低成本的效果;所提融合算法的调度结果与传统遗传算法、传统序列二次规划算法相比,在成本上分别降低了11.52%、0.70%,求解耗时仅为传统遗传算法的6.7%,独立性相比传统序列二次规划算法得到了提高。

基于多目标狼群算法的机场行李导入系统仿真优化研究

针对民航机场行李导入系统运行过程中旅客行李注入等待时间长、系统能耗高等问题,综合考虑虚拟视窗控制方式、收集带式输送机运行速度、虚拟视窗长度及同时开放值机柜台数量等关键控制参数对机场行李导入系统运行效率的影响,提出一种求解该问题的仿真优化框架。通过分析机场行李导入系统实际运行工况,建立参数化仿真优化模型。以最小化旅客行李注入平均等待时间和系统能耗为优化目标,结合系统设计和运行过程中的实际约束条件,建立该问题的数学模型,并设计了一种多目标自适应并行狼群算法进行求解。该算法针对所提问题特性及经典狼群算法易陷入局部最优和收敛速度慢等不足,提出一种混合整实数单链编码方式,融合反向学习策略生成初始种群,引入自适应游走概率机制和智能行为并行机制,采用局部和全局自适应邻域搜索及启发式保优策略实现狼群算法智能行为搜索,使用Pareto非支配排序进行寻优迭代并获得最优解集。以国内某大型国际航空枢纽机场行李导入系统为例设计不同规模多种算法对比实验,验证了所提方法的有效性和优越性。

基于多岛遗传算法的大流量离心泵水力性能优化研究

离心泵的效率和汽蚀性能是关系到离心泵能效和稳定性的关键指标,本文以Isight多学科优化平台为基础,将参数化建模、网格划分、数值计算、优化分析等水力设计流程有机结合,构建了离心泵自动优化设计平台。以效率指标和汽蚀余量为目标函数,采用多岛遗传算法对比转速为202m, m^(3)/s的大流量离心泵进行了多目标性能优化。结果表明:多岛遗传算法能够有效提升大流量离心泵水力性能,其主要表现为离心泵设计效率提高0.4%,小流量工况效率整体提高2%~3%,设计工况汽蚀余量降低3m。

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。

基于粗粒度并行遗传算法的隔震层参数优化

针对基于经典遗传算法的隔震层参数优化方法效率不高的问题,提出一种基于粗粒度并行遗传算法的隔震层参数优化方法。利用Python的多进程机制和Python与ETABS的交互,实现CPU各核同时调用ETABS并进行遗传操作,最后通过一个隔震工程的实例进行验证。结果表明:采用粗粒度并行遗传算法进行隔震层参数优化,与原设计结果相比,优化后的隔震结构性能更优;同时,用10核CPU计算,与经典遗传算法相比,该方法既能准确得出全局最优解,又可显著提高优化效率,加速比约为6,可基本满足隔震工程设计的及时性需求,具有较好的工程应用价值。

基于遗传算法的装配线平衡与物料超市规划协同优化

近年来,企业开始广泛运用新型的物料超市来代替传统的中央仓库,以保证装配线上零件的准时化供应。在装配线设计阶段,装配线平衡方案会限定物料超市的布置,而物料超市的规划会影响装配线的物流效率和成本。目前大部分研究运用分阶段的方法将两者分开考虑,从而造成总成本的增加。本文提出了装配线平衡与物料超市规划协同优化的模型与算法。根据问题描述和相关假设构建了以工作站建设成本、物料超市建设成本与运输成本最小化为目标的混合整数规划模型。为求解大规模问题,提出了一种改进遗传算法对其进行优化。最后通过算例验证了所提协同优化方法的有效性。

基于改进遗传算法与动态规划的输水泵站日优化调度

针对我国泵站因不合理调度而导致经济效益不高的问题,基于存在多管道系统的输水泵站,考虑峰谷电价的影响,以日运行费用最小为目标,构建了泵站日经济优化模型,并以蒙开个河库连通工程二级泵站为例,基于组合变异的改进遗传算法、动态规划法,对定速节流调节、变频调节两种调节方式进行泵站日优化调度。结果表明,改进遗传算法适用于泵站优化调度问题;同时发现当机组实际工况点偏离设计工况点较远时,采用变频调节经济效益更高。

多星协同观测遗传-演进双层任务规划算法

多星协同任务规划方法是天基卫星系统管控的关键支撑。围绕多星协同对地观测任务展开分析,首先建立多星协同任务规划模型,包括卫星轨道参数、约束条件和待观测目标点等;其次设计了遗传演进双层求解架构,将多星任务规划问题拆解为顶层多星任务分配问题和底层单星任务调度问题,上层采用基于引导的多种群遗传算法(multi-population genetic algorithm,MPGA),将启发式结果融入到任务分配算法中,下层采用改进遗传算法对单星任务调度问题进行求解;最后针对适用性问题,设定随机和均匀分布两组目标,采用不同卫星数量设计实验验证了遗传演进双层求解框架的有效性。

基于多目标遗传算法的固定蜂窝板辐射器性能优化

针对某低轨卫星高散热性与减重需求,提出一种蜂窝板辐射器的优化设计方案。研究表明,外贴热管能够提高辐射器散热能力与表面温度均匀性。以热管-管路布局参数作为设计变量,利用优化拉丁方试验法生成72套样本组合,并采用误差最低的径向基函数(RBF)构建代理模型,仿真结果表明,基于带精英策略的非支配排序遗传算法(NSGA-II)迭代得到的最优方案提高散热能力超过1/4,表面温度均匀性改善65%且辐射器总质量降低32%。通过绕轨运行热控能力分析得到,优化方案的散热器具有优异的散热性能以及显著的减重优势,可为固定式空间辐射器的设计提供参考。

基于多岛遗传算法的电动拖拉机分布式驱动系统优化设计与试验

针对分布式驱动电动拖拉机(Distributed drive electric tractor, DDET)牵引效率低、系统能量损耗大的问题,提出了一种基于多岛遗传算法(Multi-island genetic algorithm, MIGA)的分布式驱动系统参数优化设计与验证方法。根据犁耕作业工况,建立了拖拉机分布式驱动系统7自由度耦合动力学模型以及轮胎-土壤交互模型,完成了驱动系统关键部件参数设计和匹配选型。提出基于MIGA的前后轮边传动比参数优化策略,将轮边传动比作为决策变量,驱动系统能量损失最小为优化目标,驱动电机功率和转速为约束条件。搭建Matlab/Simulink-NI PXI联合仿真平台验证了参数优化策略的正确性和实时可执行性。结果表明,基于MIGA参数优化后的分布式驱动系统各方面性能得到了有效提升。犁耕循环工况下,拖拉机平均牵引力为10 610 N,最大牵引功率为31.25 kW;平均效率提升了0.38%,驱动电机能耗降低了7.53%。本研究可为分布式驱动电动拖拉机优化设计和系统控制提供理论基础和验证方法。

基于改进遗传算法的远程多点空中加油规划

为解决飞机在执行远程奔袭任务中多次空中加油任务规划的问题,综合考虑任务的时效性与经济性,建立多点空中加油模型。对标准遗传算法进行改进,使之具有更快的搜索速度与计算效率。将任务划分为多个阶段,使用不同方法进行加油点的选取。仿真试验结果表明,该方法可以有效解决远程奔袭任务中飞机多点空中加油任务加油点选取的问题。

基于改进遗传算法的园区综合能源系统规划研究

通过能源综合化建设来实现终端能源的高效化,成为当前支撑碳中和碳达峰的重要途径之一。针对园区能源系统能效提升、规划配置等问题,提出了园区综合能源系统经济-能效多目标优化规划模型。分析园区综合能源系统的基本结构,以年总成本、综合能效为优化目标,并考虑能源规划投资和能源运行安全的各类约束,建立了园区综合能源系统多目标优化规划模型;然后,基于NSGA-II算法和融合模拟退火算法的特点,融合模拟退火算法的搜索机制改进NSGA-II的求解性能;最后,以我国某园区为例验证模型和算法的有效性。

基于改进遗传算法的电商零售商家库存优化研究

库存优化指为应对需求不确定性,考虑订货点和交货期因素,降低库存系统成本。本文首先构建数学规划模型,将安全库存水平策略(s、S)和每日补货量作为核心决策变量,目标是最小化库存总成本(持有和缺货成本)、库存周转天数订购成本,然后引入0-1辅助变量线性化处理非线性约束,并使用Gurobi和COPT两种求解器对模型进行数值分析和比较,同时进一步提出改进遗传算法在库存优化中的应用,开创性地设计新颖的编码方式,有效增强求解的效率和准确性。算例表明,此库存优化降低了需求不确定性,能灵活应对零售需求中多种需求模式,并针对(s,S)政策与优化的库存持有量和订单数量相结合,实现了最低的库存成本和周转天数,最终实现高效的库存管理和采购决策。

基于改进遗传算法对LIRP问题集成优化研究

在物流系统优化中,物流节点的选址、库存控制及运输路径优化是进行物流系统规划最重要的模块,三个方面相互关联相互制约,在企业物流系统运作中缺一不可,也是当今企业降低成本提高利润的大势所趋.就选址、库存、车辆路径三个要素进行探讨,构建在需求不确定情形下的LIRP集成优化模型,解决分销中心的选址、库存、分销中心到需求门店的路径优化、需求门店的库存优化问题,充分将物流配送选址、库存控制、车辆路径三个方面进行有效集成,采用改进的遗传算法对模型的求解,并以连锁食品R公司为算例,编写程序代码,借助Matlab计算工具求解,最后将求解的结果进行优化对比分析,节约了R公司总里程3964 km,车辆减少36辆,总物流成本减少2.85万元,并验证了算法的有效性.

水电站机组负荷分配中动态规划与遗传算法性能比较

以三峡水库26台机组为研究背景,以计算精度、计算时间和算法稳定性为评价指标,采用数值试验方法,开展了动态规划和遗传算法在机组负荷分配中的性能比较研究。设计了计算精度相同比较计算时间和计算时间相同比较计算精度的具有可比性的数值实验方案,得到了动态规划和遗传算法的性能随机组数变化的关系。结果表明,在机组数小于10台时,遗传算法的性能优于动态规划;当机组数大于10台时,遗传算法性能低于动态规划法。