基于支配强度的NSGA2改进算法

NSGA2是一种简单、高效且被广泛使用的多目标进化算法(Multi-objective Evolutionary Algorithm,MoEA),但在求解实际工程领域中的高维、复杂非线性多目标优化问题(Multi-objective Optimization Problems,MOP)时,存在无法有效识别伪非支配解、计算效率低、解集收敛性和分布性较差等设计缺陷。对此,文中提出一种基于支配强度的NSGA2改进算法(INSGA2-DS)。新算法采用快速支配强度排序法构造非支配集,引入了考虑方差的拥挤距离公式,并通过自适应精英保留策略动态调整精英保留规模。基于标准测试函数的仿真实验表明,INSGA2-DS算法较好地改善了NSGA2算法的收敛性和分布性。

基于SPEA2+SDE算法的测试用例自动生成技术研究

软件测试是确保软件质量的重要手段。然而随着软件结构和功能的日益多样化,软件测试的复杂度和成本大为提高。测试用例自动生成技术可以降低手工测试的高额成本,同时提高测试结果的可信度。主要研究了基于进化算法的测试用例自动生成技术,通过比较不同算法对于若干经典程序的测试用例生成效率,提出了SPEA2+SDE算法,其可以很好地用于测试用例的自动生成。最后通过Kruskal-Wallis非参数检验,说明了上述结论的广泛性和可靠性。

基于SPEA2和NSGA-Ⅱ算法的并行多目标优化算法

文章结合SPEA2和NSGA-Ⅱ两个多目标进化算法,基于岛屿模型,提出了一种新的并行多目标进化算法。该算法采用多线程实现,适合在多核处理器或机群系统上执行。实验结果通过与串行算法SPEA2和NSGA-Ⅱ比较证明了该并行算法的有效性。

基于SPEA2算法的UCAV多目标机动轨迹规划

由于无人战斗机(UCAV)具有无人员损失、结构简单、性价比高和可执行危险任务等特点,从而得到了广泛的关注和研究。针对自主空战中UCAV机动轨迹规划需要考虑轨迹的可跟踪特性与态势最优等要求,构建了UCAV多目标机动轨迹规划模型。针对特定的机动轨迹,在该轨迹上设置n个能够表征其特征的特征点;同时为了提高轨迹的可跟踪特性,针对轨迹的特性将其划分为m条轨迹片段,在每一条轨迹片段中对应恒定的控制量变化率。最后,采用SPEA2算法对模型进行求解,得到一组Pareto最优解集。针对“S”形战术机动进行仿真验证,仿真结果表明,构建的模型能够规划出满足多目标要求的机动轨迹。

基于改进NSGA-2-DE算法的综合能源系统运行优化

针对综合能源系统污染物排放系数高、能源利用率低的问题,建立了一种含多种蓄能装置的冷热电联供型综合能源系统运行优化模型.以系统运行成本和环境成本最小为目标,基于改进NSGA-2-DE算法进行优化求解,得到系统运行方案的Pareto最优解集,并通过TOPSIS法得到最佳运行方案.以实际综合能源系统为例进行算例分析,结果表明:所提方法与传统的供能系统相比具有节能环保的优点,与传统算法相比计算时间缩短了45.56 s、运行成本和环境成本分别下降了5.2%和18.7%.

基于多目标进化算法的异步电动机现场效率测算

介绍了一种基于多目标进化算法（MOEAs）的异步电动机现场实时效率测定方法。通过对多目标算法进行优化、比较，提出使用非支配排序遗传算法Ⅱ（NSGA—Ⅱ）和强度帕累托进化算法2（SPEA2）的低侵入式方法用于异步电动机效率估算，仅需电动机运行时通过传感器检测其实时转子速度和定子电阻，而无需拆下电动机或单独做一些实验项目来获取所需参数。通过5．5kW电动机的实践表明，该方法在估算异步电动机效率方面是有效的，尤其在常规的负载范围内，用该方法的估算值与实际试验值的误差小于3％；相互比较后发现，NSGA—Ⅱ方法的估计结果略优于SPEA2方法的结果。

基于演化硬件的多目标进化算法的研究

传统遗传算法在演化数字逻辑电路时表现为演化速度缓慢且极易陷入局部最优解,而且易出现早熟收敛现象.针对上述问题,给出一种基于遗传算法的多目标进化算法,即强度Pareto进化算法2(SPEA2)用于数字逻辑电路的进化设计.演化平台以虚拟可重构电路为电路基础,FPGA为实现载体,利用Microblaze软核实现该算法对目标电路的演化操作.通过两位乘法器电路证明了所给出算法的全局搜索能力,且能够有效地减少搜索到全局最优解的迭代次数,并在一定程度上优化演化电路的规模,提高设计效率.

含多电解槽的新能源制氢能量管理优化

新能源制氢系统是提升风能、太阳能等新能源消纳的有效途径。目前国内外关于电解槽能量管理的研究以单电解槽为主。单电解槽能量管理未考虑电解槽非线性的工作特性,难以兼顾多个电解槽制氢效率,影响系统经济性。文中针对含有多电解槽的新能源制氢系统的能量管理问题进行了研究,以新能源消纳率、经济收益、制氢率为目标,考虑单个电解槽运行特性以及生产约束条件,建立包含风电、光伏、蓄电池、多电解槽的能量管理优化模型,并采用强度Pareto进化算法2(strength Pareto evolutionary algorithm 2,SPEA2)求解多目标优化问题。仿真研究表明,文中所提能量管理策略能够实现新能源发电的100%消纳,单位制氢收益可提升5.15%。因此,对多电解槽制氢系统进行有效的能量管理有助于提高制氢效率,可有效克服单电解槽运行及能量管理的不足。

基于两阶段邻域搜索的污水处理过程智能优化控制

为了更好地平衡污水处理过程中出水水质与能耗的关系,本文提出一种基于两阶段邻域搜索的污水处理过程智能优化控制方法.首先,建立以能耗和出水水质为优化目标的多目标优化模型;其次,提出一种基于两阶段邻域搜索的SPEA2(2-NS-SPEA2)对所建立的模型进行优化,通过对外部档案集中稀疏解的周围进行两阶段邻域搜索,并利用替代策略对外部档案集进行更新,提高算法的优化性能,获得质量更高的硝态氮浓度和溶解氧浓度的优化设定值;最后,利用PID控制器跟踪控制所确定的优化设定值,以保证优化方法的准确实施.污水处理过程运行优化控制实验表明:所提方法能够在保证出水水质满足排放标准的前提下,有效地净化水质、降低污水处理过程中产生的能耗.

多目标EOSs联合成像调度方法

EOSs(Earth Observation Satellites)围绕着地球对成像任务进行拍摄,为了充分有效的利用卫星资源,最大限度的满足成像任务需求,需要进行EOSs联合成像调度。EOSs联合成像调度是一个复杂的多目标组合优化问题。本文通过对卫星成像约束条件的抽象,建立联合成像调度的数学模型,在此基础上设计了多目标EOSs联合成像调度算法,并根据实际的应用问题进行实验和结果分析,表明该方法有效的解决了多目标条件下EOSs联合成像调度问题。

柔性作业车间分批调度多目标优化方法

为了解决柔性作业车间中小批量工件的分批调度多目标优化问题,构建以制造工期、拖期惩罚、加工成本、批次数量和机器总负荷为目标函数的柔性作业车间多目标调度模型.应用改进的强度Pareto进化算法(SPEA)求解.在该算法中,应用模糊c-均值聚类(FCM)加快外部种群的聚类过程,引入自适应的变异算子来增强解的多样性.采用约束Pareto支配和可变长度的编码策略,一次运行就能够求得Pareto最优解集.利用模糊集合理论得到Pareto解的优先选择序列,并从中选出一个最优解.该方法将工件分割成具有柔性数量的多个批次,使各批次的工艺路线选取及加工顺序得到优化.通过实例仿真对该方法的性能进行比较分析.将该方法应用于某机械公司车间调度中,验证了该方法的有效性和适应性.

进化高维多目标优化算法研究综述

首先针对常规多目标优化算法求解高维多目标优化时面临的选择压力衰减问题进行论述;然后针对该问题,按照选择机制的不同详细介绍基于Pareto支配、基于分解策略和基于性能评价指标的典型高维多目标优化算法,并分析各自的优缺点;接着立足于一种全新的性能评价指标—–R2指标,给出R2指标的具体定义,介绍基于R2指标的高维多目标优化算法,分析此类算法的本质,并按照R2指标的4个关键组成部分进行综述;最后,发掘其存在的潜在问题以及未来发展空间.

机械蒸汽再压缩蒸发结晶系统优化设计

为使机械蒸汽再压缩(MVR)并联双效蒸发结晶系统在满足生产要求的同时性能达到最优,提出基于强度Pareto进化算法2(SPEA2)的系统优化设计方法,进一步挖掘系统的节能潜力。对于既定的系统工艺流程,通过分析操作变量对系统性能的影响规律,建立了优化问题的数学模型,并加以质量和能量平衡的约束条件;以系统总功耗最低和总换热面积最小为优化目标,利用SPEA2多目标进化算法对操作变量取值进行寻优计算,在模糊集合理论支撑下得到蒸发温度和压缩温升的最优组合解。结果表明:在相同设计任务条件下,系统总功耗降低了22.1 kW,总换热面积减少了31.2 m^2,效能系数值提高7.94%,效率提升5.91%,损失减小38.4 kW,说明采用基于SPEA2算法的优化设计方法,能够提高机械蒸汽再压缩并联双效蒸发结晶系统的能量利用率及热力学完善程度。

性能驱动的转向架构架结构设计方法

传统的轨道车辆转向架构架结构设计方法采用基于实例的"经验设计-性能验证"的反复迭代设计模式,耗时长,难以获得同时满足多个互斥性能指标的最优解。提出一种性能驱动的构架结构设计方法,通过输入构架的多个性能指标,直接获得一组优化的构架结构设计参数,避免了对设计经验的过度依赖和反复迭代。首先基于专家知识获得构架结构的设计空间,采用拉丁超立方抽样方法生成设计样本,并利用有限元仿真数据构建构架性能指标计算的Kriging代理模型,再采用强度帕累托进化算法(SPEA2)建立构架性能指标-结构参数映射模型。然后基于该模型输入构架的性能指标集,便可获得多组可行的构架结构设计参数,再应用集合理论对可行解进行优选,即可获得一组满足所有性能指标要求的优化解。最后,以某型转向架构架为实例,验证了该方法的可行性。该方法为构架的结构设计提供了一种新的解决思路,也可推广应用于相关领域产品的结构设计。

MVR分质提盐系统多目标优化设计

针对机械蒸汽再压缩分质提盐系统单一优化目标难以满足实际生产需求的问题,采用强度Pareto进化算法2(SPEA2)对系统进行多目标优化设计。基于系统中各操作变量对整体性能的影响,以系统总换热面积和总功耗为优化目标函数,选取压缩温升和蒸发温度为优化变量,建立了多目标优化模型。引入SPEA2算法对优化变量取值进行寻优,并结合工程模糊集合理论确定出最优组合解。对比优化前后系统整体性能,结果表明:相同设计工况下,总换热面积减小了77.86 m^(2),总功耗降低了16.45 k W,效能系数(COP)提升8.32%,单位能耗降低5.35%,㶲效率提高9.63%,㶲损失降低4.31%,表明优化后进一步提升了机械蒸汽再压缩分质提盐系统的节能效果和热力学完善度。