采用循环拥挤排序策略的改进NSGA-Ⅱ算法

采用循环拥挤排序策略,形成改进的NSGA-Ⅱ算法.循环拥挤排序策略首先计算同一级非支配解的拥挤距离,删除其中拥挤距离最小的解;然后重新计算剩余解之间的拥挤距离,再次删除其中拥挤距离最小的解.以次类推,直到选出指定数量支配解为止.与单次拥挤距离排序相比,循环拥挤距离排序得到的解具有更好的多样性.ZDT1～ZDT4四个基准函数测试结果表明,改进的NSGA-Ⅱ比NSGA-Ⅱ具有更好的收敛性和多样性.

某汽车座椅混流装配线多目标排产优化

针对某汽车座椅混流装配线多型号多批次混流装配周期长、订单多样化、难以满足客户需求等问题,建立以产品最小完工时间和等待时间为目标的排产优化模型,并设计一种基于循环拥挤排序的改进快速非支配排序遗传算法进行求解.以某企业混流装配线为例,运用多种算法进行优化前后排产方案的对比分析,验证所提模型及算法的可行性.应用Plant Simulation对所提排产优化模型与算法实用性进行验证,仿真结果表明,文中模型及算法能有效缩短装配周期,提高装配线资源利用率.

求解环境经济调度问题的多目标差分粒子群优化算法

提出一种基于差分演化的改进多目标粒子群优化算法来求解电力系统环境经济调度问题。算法通过对Pareto最优解集的差分演化来增加Pareto最优解的多样性;通过循环拥挤距离来控制归档集中非劣解的分布,以提高对种群空间的均匀采样;采用一种新的多目标适应值轮盘赌法选择粒子的全局最优位置,使其更逼近Pareto最优前沿;自适应惯性权重和加速度因子的动态变化可增强算法的全局搜索能力。对电力系统环境经济负荷分配模型进行仿真,并与文献中的其他算法进行了比较。结果表明,改进的算法能够在保持Pareto最优解多样性的同时具有较好的收敛性能。

基于差分演化的改进多目标粒子群优化算法

提出一种基于差分演化的改进多目标粒子群优化算法来求解多目标优化问题。算法通过对Pareto最优解集的差分演化来增加Pareto解集的多样性;通过循环拥挤距离来控制归档集中非劣解的分布,提高对种群空间的均匀采样;采用一种新的多目标适应值轮盘赌法选择粒子的全局最优位置,使其更逼近Pareto最优前沿;自适应惯性权重和加速度因子的设计增强了算法的全局搜索能力。多个多目标测试函数的仿真结果表明,改进的多目标粒子群算法能够在保持Pareto最优解多样性的同时具有较好的收敛性能。

基于败者组与混合编码策略的NSGA-Ⅱ改进算法

在精英选择中NSGA-II的拥挤系数算子对局部拥挤区域的分布性优化效果不佳,并且会使某些更接近Pareto最优解集的个体被淘汰。针对拥挤系数算子存在优秀个体不被保留的缺陷,提出了一种基于败者组与混合编码策略的改进算法(LGHC-NSGA-II)。参照棋类比赛中的双败淘汰制,构建了败者组外部归档集,在迭代结束后将归档集与末代父代种群合并,并采用循环拥挤系数排序策略优化分布性。同时,针对传统编码方式在全局或局部空间上搜索能力较差的缺陷,提出了一种混合编码策略,有效地提高了算法的收敛性。基于ZDT系列问题上的测试结果表明,改进算法与8种多目标进化算法相比,在算法的收敛性、分布性与鲁棒性上均具有较高的优越性。