基于非劣解排序遗传算法的航空煤油燃烧特性数值模拟分析

采用非劣解排序遗传算法对已有的航空煤油化学反应动力学机理进行优化。同时,通过引入醇类及苯类替代燃料,调整替代燃料组合比例,尝试模拟分析不同航空煤油的燃烧特性。将不同组合的替代燃料模拟结果与实际航空煤油实验燃烧数据进行对比分析,可知低比例正烷烃、高比例异构烃、配合部分芳香烃以及微量含氧物质能够较好地反映部分航空煤油着火特性。最终,本研究得到的替代燃料组合由摩尔占比分别为25%的正十六烷(C16H34)、50%的异十六烷(IC16H34)、20%的甲苯(C7H8)和5%的正戊醇(C5H11OH)组成,该骨架机理仅包含102个物质和302个基元反应,能够准确描述6种不同航空煤油的燃烧特性。

带精英策略的快速非支配排序遗传算法在多目标无功优化中的应用

带精英策略的快速非支配排序遗传算法(NSGA-Ⅱ)是一种新型的多目标遗传算法,该算法求得的Pareto最优解分布均匀,收敛性和鲁棒性好。本文分析了当前多目标无功优化算法存在的缺陷,提出将NSGA-Ⅱ应用于多目标无功优化,该算法一次运行可以获得多个Pareto最优解,决策者可根据系统的实际要求选择最终的满意解,为各目标函数之间的权衡分析提供了有效的工具。算例结果表明NSGA-Ⅱ算法具有良好的优化效果,是一种求解多目标无功优化问题的新思路。

基于非支配排序遗传算法的效果评价及程序测试

目的研究非支配排序遗传算法的多目标优化问题,并对其效果进行评价。方法采用4个标准测试函数对NSGA进行模拟测试。结果通过NSGA对测试函数的多目标优化,说明NSGA程序可靠,可推广应用到实际问题中。结论在保证多个目标都最优的前提下,NSGA搜索的Pareto非劣解比较理想,提供了可供研究者选择的Pareto非劣解方案。

基于多目标遗传算法和主成分分析的船型主尺度论证

为了解决船舶方案设计中面临的方案生成和决策问题,引入多目标遗传算法和综合评价方法,将船舶主尺度确定转换为多目标优化和决策评价问题,使用第二代快速非劣解排序的多目标遗传算法(NSGA II),在一个迭代周期获得多个可行解,采用主成分分析方法对备选解进行综合评价,按照主成分得分给出比较排序。以一艘水面船舶在概念设计阶段的船型主尺度论证为例,数值结果表明所采用的方法是可行的且具有较好的适应性。

非支配排序遗传算法多目标优化金莲花水提工艺的研究

目的:采用非支配排序遗传算法多目标优化金莲花水提工艺最优提取条件,并对其效果进行评价。方法:利用英国Glasgow大学软件工程师陈益提供的Matlab2009a外挂SGALAB工具箱beta5完成遗传算法寻优;SPSS13.0软件进行统计分析。结果:经过非支配排序遗传算法(NSGA)多目标优化后,金莲花水提的岀膏率、总黄酮含量平均水平能达到42.38%和6.84%,金莲花水提取工艺的最优提取条件为加水13倍量、浸泡0.84 h、煎煮3次、每次煎煮1.87 h,并且验证试验达到了较好的效果。结论:在保证多个目标都最优的前提下,NSGA搜索的帕累托非劣解比较理想,提供了可供研究者选择的Pareto非劣解方案,为试验设计最优条件选择提供了合理的方法。

基于SBD的局部气垫双体船快速性优化设计

局部气垫双体船是一种新型高性能船舶,其气垫高度、片体间距、气封泄流高度等因素对快速性具有重要的影响。文中基于SBD(simulation based design)技术,采用非支配解排序遗传算法分别对局部气垫双体船在越峰段与设计航速段的总阻力值进行双目标优化设计。结果表明:在优化目标所在的航速范围内获得了较好的效果,体现出该优化方法在局部气垫双体船阻力性能优化设计中的优越性。

考虑经济性和环境因素的含VSC-HVDC交直流系统多目标最优潮流

提出一种基于带精英策略的快速非支配排序遗传算法(non-dominated sorting genetic algorithm-II,NSGA-II)和逼近理想解排序(technique for order preference by similarity to ideal solution,TOPSIS)的含VSC-HVDC交直流系统多目标最优潮流算法,统一协调系统运行的经济性及环保要求等目标。首先,基于含VSC-HVDC交直流系统的稳态模型,建立了综合考虑网络损耗和环境因素的多目标最优潮流模型;然后,采用混合编码方式,通过NSGA-II得到帕累托最优解集;最后,采用TOPSIS法评估各决策方案的相对优劣,以帮助运行人员选取有效的折中解。基于IEEE 14节点系统和IEEE 118节点系统的算例结果验证了所提方法的有效性。

基于氢源与交通网络的加氢站规划布局方法

合理有效的加氢站网络规划布局,对于大规模推广燃料电池汽车等氢能产业具有重要意义。综合考虑加氢站网络的上下游环节,基于氢源以及交通网络对加氢站进行经济性分析,搭建了加氢站网络用氢成本模型以及流量捕获模型。结合快速非支配遗传算法(Non-dominated Sorting Genetic AlgorithmⅡ,NSGA-Ⅱ)与理想解评价法(Technique for Order Preference by Similarity to an Ideal Solution,TOPSIS),以最小化加氢站网络用氢成本、最大化捕获交通流量为目标,得到加氢站网络的最优规划布局方案(站点个数、规模、位置及氢源选择)。最后,以一个27节点氢源、25节点交通网络为例,分别针对不同氢源原料价格以及运输距离的情况进行优化计算,在优化布局方案下,加氢站网络用氢成本远远低于当前国内加氢站用氢成本(约70元/kg),而捕获的交通流量也达到了总交通流量的70%,算例优化结果进一步说明了规划布局方法的可行性与有效性,对中国加氢站网络的规划布局具有一定的指导意义。

基于改进NSGA-Ⅱ的列车运行多目标优化方法

针对目前城市轨道交通列车运行节能控制必须满足工程校验、实时高精度需求以及快速非支配排序遗传算法(NSGA-Ⅱ)在优化列车运行速度曲线时解集分布性差的问题,提出一种基于改进NSGA-Ⅱ的列车运行多目标优化方法。首先建立以站间牵引能耗、到站时间、停车精度为优化目标,以多种规范约束为支配惩罚,以实数编码的位置-工况组合为变量下的列车节能运行数学模型。然后,以限速曲线与坡度变化原则分段离散化站间线路,基于NSGA-Ⅱ加入动态矫正计算适应度值并引进自适应选择与混合交叉算子。最后,采用北京地铁8号线数据进行优化仿真。结果表明,改进NSGA-Ⅱ算法在标准测试函数上解集分布性指标最高提升27%,在列车节能工程优化问题上,运行备选方案数量提升2倍以上,方案分布性提升26%,牵引能耗降低4.8%。本方法为城轨列车节能运行的优化设计及决策者对目标条件的权衡提供了更广泛的选择。

基于NSGA-2的无人机配送中心选址优化

以无人机物流配送中心选址问题为研究对象,结合其选址特点构建含有固定建设费用、存储管理费用、运输费用等成本要素的目标函数,建立了基于快速非支配排序遗传算法NSGA-2的选址模型进行求解,揭示了不同目标之间的Pareto最优解之间关系。最后,假设以天津市建立防疫物资无人机配送网为例,给出了优化方案,从而验证了模型的正确性。

基于改进NSGA-Ⅱ的黄河下游水库多目标调度研究

水库兴利、防洪和生态等目标之间既非完全协调也非完全对立,这是多目标间协调的物理基础。本文综合考虑水库不同目标间的矛盾性和统一性,构建考虑生态和兴利的水库多目标优化调度模型,为提高模型求解效率,本文提出了一种基于个体约束和群体约束技术的改进快速非劣排序遗传算法(ICGC-NSGA-Ⅱ)。以黄河下游小浪底-西霞院梯级水库为例进行多目标优化调度,综合考虑下游不同时期各生态功能用水和综合利用需求,建立黄河下游梯级水库多目标调度模型,并采用ICGC-NSGA-Ⅱ求解,探究水库的供水效益、发电效益和生态效益之间的关系。实例研究表明,改进算法能在较短时间内获取一组反映多目标间非劣关系的调度方案集。黄河下游生态、综合供水和发电效益之间存在不对称竞争关系,一方面随发电量增加,生态供水和综合供水保证率均呈下降趋势;另一方面发电和生态供水竞争强烈,而与综合供水竞争关系较弱。研究成果可为制定黄河下游多目标共赢的调度方式提供理论基础和决策依据。

基于KPCA和NSGAⅡ优化CNN参数的电动汽车充电站短期负荷预测

为提升电动汽车充电站短期负荷预测的效率和精度,提出了基于核主成分分析(kernel principal component analysis,KPCA)和非劣排序遗传算法II(non-dominated sorting genetic algorithm II,NSGAII)优化卷积神经网络(convolutional neural network,CNN)的充电站短期负荷预测方法。应用KPCA对模型输入变量进行降噪处理,简化了网络结构,加快了预测速度;通过多次负荷预测测试比较误差的方式确定卷积神经网络模型中卷积层和子采样层的最佳神经元个数,保证了预测方法的准确性;利用NSGAII对卷积神经网络的参数进行优化,提高了预测方法的运算速度和预测精度。通过算例分析以及和其他方法的对比,验证了文中方法具有较高的效率和精度。