扇形采样约束多目标差分进化算法及工程应用

工程实践中存在大量约束多目标优化问题(Constrained multi-objective optimization problems,CMOPs),多目标进化算法是求解这类问题的一类有效方法。引入扇形采样技术,将二次变异双种群差分进化算法和约束处理方法相结合,设计求解CMOPs的进化算法——基于扇形采样的约束多目标差分进化算法(Sector-sampling-based constrained multi-objective differential evolution algorithm,SS-CMODE)。扇形采样可避免耗时的非劣操作,且能保证Pareto最优解集的良好逼近性和多样性。通过3个典型CMOPs的对比测试,表明SS-CMODE的解集均匀性和计算效率明显优于对比算法。以J23-80机械压力机使用的双曲柄串联机构多目标优化为例,研究新算法求解工程问题的有效性。以锻冲工作阶段平均速度波动最小和力传动性能最优为目标,建立机构的约束多目标优化模型,再应用SS-CMODE求解该问题。结果表明,该算法能求出多组满足约束条件的Pareto最优解,且解集均匀性良好。

大气环境污染物监测的相关问题分析

基于大气环境污染物监测过程中存在的问题,文章分析了对大气环境污染物进行监测的具体原则、准备工作流程、采样点的布置方法以及监测结果的对比和分析。旨在提高对大气环境污染物开展监测工作的准确性。