基于并行非支配排序遗传算法的限流措施多目标优化

分析了当前限流措施优化模型和算法存在的缺陷,提出了综合考虑安全性、稳定性、经济性的限流措施多目标优化模型。在潮流约束下,模型以总投资成本最小、故障后功角稳定性最佳、短路电流综合越限最小为优化目标,并且引入带精英策略的改进非支配排序遗传算法,结合基于限流效果灵敏度的支路筛选策略,应用于Pareto最优限流措施的求解。为提升优化速度,在MATLAB计算平台上对改进非支配排序遗传算法进行了主从并行改造。最后,结合改进的新英格兰10机39节点系统优化结果,验证了所提出的多目标优化方法有效、可行。

并行多家族遗传算法解多目标优化问题

提出了一种并行多家族遗传算法,采用主从节点分布式的计算策略,并应用分解协调的思想,对Pareto前沿进行分段,将计算任务分配到局域网上的多台计算机上完成,以减少计算时间。将所提出的方法用于两个化工实际问题的求解,得到的Pareto前沿的分布均匀性和全面性均优于单个遗传算法算得的结果。解决了遗传算法与流程模拟器结合解化工过程多目标优化问题时计算耗时太长的难题。

按区域惩罚划分的并行多目标遗传算法

解决多学科设计优化问题的多目标遗传算法通常面临着大计算量的挑战,提出了一种新型的并行化算法来提高其效率.全局个体均匀的分布在各个进程,首先从所有的进程中获取全局范围的Pareto最优解极值,并发送给每个进程,再由这些极值来构造各个进程自己的惩罚函数.通过惩罚函数给个体添加约束来划分各个进程的收敛区域,同时采取优化措施保证每个进程加速收敛并且收敛区域没有重叠和遗漏,这样每个进程只需收敛到特定的一段Pareto最优解,降低了计算量;同时由于进程间交换的数据量小,保证了效率的提高.通过与串行算法(NSGA2)和其他的并行化算法比较,显示了该算法的有效性和先进性.

并行多目标遗传算法在控制系统优化中的应用

为了提高复杂控制系统设计问题中的效率,提出了一种基于主从模型的并行多目标遗传算法的优化器模型。主进程进行各类遗传操作和最优排序操作,所有进程都进行目标函数值和约束函数值的运算操作,并采用动态负载平衡策略。将该优化器应用在飞行器控制系统设计中,显示出了该算法的优良效果。

基于并行多目标遗传算法的制造伙伴优化研究

建立了制造伙伴优化的数学模型,并指出该模型属于复杂的多目标、多选择、多约束背包问题,提出了并行多目标妥协遗传算法进行求解:算法采用基于排列的编码方式,由多个子种群独立进化并定期交换最佳个体,适应度计算采用自适应权重方法及基于距离度量的妥协方法,并通过适应度共享保持种族多样性,最终求得决策者可接受的妥协解。

基于混合并行遗传算法的多目标约束优化技术研究

多目标约束优化问题属于NP问题。并行遗传算法是解决该类问题的常用算法,它具有较强的全局搜索能力和并行性,但局部搜索能力差,禁忌搜索算法则比较适合于局部搜索。提出了一种基于混合并行遗传算法的多目标约束优化方法,该方法综合了并行遗传算法和禁忌搜索算法的优势,改进了并行遗传算法的性能,能有效避免局部最优解。

基于伪并行遗传算法的多目标无功分层优化研究

本文对多目标无功优化问题采用分层优化算法降低了计算量,同时综合考虑多个指标和要求,在每一层的优化中,对遗传算子进行了改进,采用了伪并行遗传算法。通过IEEE-14节点系统,验证了该算法的有效性。

多目标并行优化的高级遗传算法在无源滤波器设计中的应用

本文首次在利用高级遗传算法处理多目标优化问题中引入了并行寻找的思想 ,摆脱了传统的通过加权系数的办法 ,避免了加权系数确定的盲目性。并成功的应用到无源滤波器的参数优化中 ,获得了较好的效果。同时高级遗传算子的引入 。

并行设计子任务调度的遗传算法原理与实现方法

建立了设计子任务调度的目标模型 ,提出了一种针对并行设计子任务调度的遗传算法 应用结果表明 ,在满足子任务间偏序关系条件下 。

基于遗传算法的抗震钢框架多目标优化设计

考虑抗震钢框架优化问题具有多目标的特点,在遗传算法的基础上对抗震钢框架多目标优化设计进行了探讨．在无约束Pareto排序遗传算法的基础上,提出了一个简单、实用而又可以避免采用罚函数的全新排序方法,在此基础上形成了一种求解有约束多目标优化问题的Pareto遗传算法(CMOPGA),并给出了具体的算法流程图．以钢框架重量最轻和结构总动应变能最小为目标,基于相关的设计规范,给出了抗震钢框架多目标优化问题的一种合理提法．采用CMOPGA对一个两跨六层抗震钢框架实例进行了多目标优化设计,并提出了一个在Pareto最优解集的基础上选取妥协解的相对最小距离妥协原则．算例结果表明,采用CMOPGA求解抗震钢框架多目标优化问题是可行和有效的．

基于并行遗传算法的集装箱码头堆场分配策略

针对集装箱码头中出口箱堆场分配问题,运用目标规划方法,建立滚动式计划的出口集装箱堆场分配模型.模型以降低存放处到泊位的水平运输距离和平衡堆场内作业量为目标,达到提高装船效率和降低成本的要求.采用并行遗传算法和启发式算法相结合的混合算法,对出口箱堆场分配模型进行优化求解.案例仿真分析表明该出口集装箱堆场分配模型的有效性与实用性.

改进遗传算法的超视距协同多目标攻击决策

针对空战中超视距协同多目标攻击决策问题,建立了超视距协同多目标攻击决策的目标分配模型,提出了一种新的自适应伪并行遗传算法,并将其应用于超视距协同多目标攻击决策。重点分析了威胁系数的计算,遗传编码方式、操作算子的确定,最后对协同多目标空战决策进行仿真,仿真结果验证了该理论在协同多目标攻击决策方面的有效性。

并行遗传算法在机载宽频带天线罩设计中的应用研究

用评估函数法构造了适用于遗传算法求解的复合材料结构多目标优化问题的等价表达形式,给出了离散变量与连续变量混合优化问题解的染色体表示。研究了粗粒并行遗传算法和细粒并行遗传算法在本类问题中应用的优劣。给出的数值实验表明:粗粒并行遗传算法对天线罩等复合材料结构的优化设计具有更好的适应性和鲁棒性。具有很好的应用前景。

一种适用于大规模变量的并行遗传算法研究

当前MapReduce并行编程模型得到了广泛的应用。相对于传统的基于PVM或者MPI的并行编程方式,它在执行时间和处理问题规模等方面有明显优势。针对并行遗传算法的特点,提出基于MapReduce实现一种典型的并行遗传算法——粗粒度并行算法的方法,用以解决大规模变量问题。实验平台采用Hadoop,硬件条件为普通的服务器集群。在多目标优化问题测试中,当问题规模达到一定、处理变量数超过10E+7时,并行算法效率比串行提高数倍,并且能突破内存瓶颈。根据MapReduce自身特点调整其参数,改变并行程度,分析其对并行执行时间的影响。

基于外部存档的并行遗传算法在水轮机调速器参数优化中的应用

目前水轮机调速器(proportional-integral-derivative,PID)参数的现场整定一般采用经验公式,往往不易获得最优参数。通过将多目标进化算法和多属性决策技术(multi-attribute decision-making,MADM)联合应用,将水轮机调速器PID参数与系统的跟随性能、扰动抑制性能和鲁棒性指标作为目标函数进行优化。采用多种群并行遗传算法对水轮机调速器PID控制参数进行整定,改进了种群间个体的交流和迁徙,及各种群的协调进化模式,构建2个外部档案,其中档案I保存当前所能找到的Pareto前沿以便进行多属性决策,档案II采用小生境参数及目标向量间的空间距离对档案I进行小生境规模调整,形成均匀分布的非劣最优解子集指导迁徙,使得各种群能够协调搜索目标空间的Pareto前沿,算法协调搜索以寻找到尽可能多的Pareto最优解,再利用多属性决策技术获得最终"满意解"。仿真结果表明,该方法获得的调节参数性能指标良好,且简单易行。

基于并行遗传算法的物流中心货位优化研究

随着机械化与信息化的发展,及物流效率要求的提升,物流中心货位指派科学化已显得非常迫切。该论文从基础货位指派原则着手,从以货位优化提升后续作业效率出发,将其量化拟合为多目标货位指派模型,并设计并行遗传算法对模型进行求解,求解结果比较理想,为货位的动态指派奠定基础。

基于Spark的并行遗传算法研究

当前Spark分布式编程框架由于内存计算得到了快速发展,相对于传统Map Reduce并行编程模型在迭代运算上有明显优势。针对串行遗传算法处理大规模问题能力有限的现状,提出了一种基于Spark平台的粗粒度并行遗传算法(SPGA)。该方法利用Spark框架并行实现了遗传算法的选择、交叉和变异操作,并对并行操作算子的性能进行了分析,优化了算法并行化实现方案,极大地提高了遗传算法全局搜索效率。实验结果表明,新的并行遗传算法在收敛速度上有显著的提高,能够很好地提高优化效率。

改进的并行遗传算法在基站选址中的应用

该文提出一种综合考虑规划区域的业务量,覆盖率和成本的并行遗传算法,通过理论分析和计算机模拟对该算法的性能进行研究。该算法将基站位置,天线高度和发射功率结合进行三维向量分布编码,利用并行遗传算法的孤岛模型,在每个孤岛中独立的运行具有保优能力的选择算子、具有方向搜索能力的单纯形算子、具有自适应变异概率的变异算子,同时各个孤岛之间增加了种群多样性的双向环迁移策略。最后,为防止产生局部收敛,还加入了爬坡算子。结果表明:该算法有效的解决了基站选址问题,并且具有速度快,效率高,且不易陷入局部最优解等优势。

伪并行遗传算法及其在桥梁维修管理优化中的应用

遗传算法(Genetic algorithms,简称GA)是模拟生物在自然环境中的遗传和进化过程而形成的一种全局优化概率搜索算法。但该算法有时存在着早熟现象,导致搜索过早收敛,无法得到全局最优解。为此,分析伪并行遗传算法的优缺点,探讨用伪并行遗传算法(pseudo parallel genetic algorithm,简称PPGA)求最优桥梁维修管理计划的解的可能性,并用于桥梁维修管理计划的优化。实验结果验证了该方法的有效性和GA相比,具有较快的收敛速度,为桥梁维修管理提出了新的方法。

面向多目标流水车间调度的混合遗传算法

建立最大完工时间、最大拖期时间及总流程时间三个调度目标的多目标流水车间调度问题模型,提出一种混合遗传算法。该算法以灰熵并行关联度作为遗传算法的适应度分配机制,以灰熵并行关联度优选个体,并建立Pareto外部档案,以非劣排序及拥挤距离保持外部档案中解的质量及多样性。通过与RWGA和NSGA-II算法进行标准问题的对比实验,验证了所提算法在解决多目标流水车间调度问题中的有效性。