基于改进型多目标遗传算法的含气水锤防护方案优化研究

阐述了气液两相流长距离输水系统停泵水力过渡过程的特点,对水锤防护效果影响因素进行分析,采用反问题分析法,以惯性飞轮转动惯量、进排气阀口径、单向调压塔参数及出口阀的关闭程序参数作为决策变量,以特征线法为基础,以最大水锤压力值最小和工程投资最低作为目标函数,建立数学优化模型,并采用改进型多目标遗传算法(MOGAs)对优化模型求解。工程应用表明:本数值模拟方法能得出最经济、可靠的水锤防护方案,为长距离输水系统水锤防护方案确定提供了一种新的思路。

改进遗传算法与多目标优化模型的航班路径规划

针对现有航线路径规划模型,单一成本规划难以解决不同机型及运输时间条件下最优路径规划的问题,将机型配置、运输时间和系统成本相结合,通过枢纽城市位置、非枢纽城市节点向枢纽城市节点的流量分配、机队飞行时间以及机队规模建立枢纽航线网络优化模型。以飞行时间与系统总成本为最小化求解目标,利用熵值法建立染色体选择机制,引入自适应交叉率改进遗传算法,通过改进算法(IGA)对最佳航线及枢纽节点位置分布优化求解,并与传统遗传算法、人工蜂群算法和灰狼算法进行对比。研究表明,将不同机型配置、运输时间进行组合,优于单一成本路径规划。以改进算法对枢纽航线网络模型进行优化求解,系统总成本降低了3.41×10^(10),为机队资源的合理配置提供了借鉴。

物联网背景下基于改进多目标自适应遗传算法的智能汽车路径规划研究

在物联网迅速发展的时代背景下,智能汽车作为物联网的重要应用之一,其路径规划算法的优化显得尤为重要。然而,现有路径规划算法在应对复杂多变的实际道路情况时存在局限性,需要更灵活、高效的解决方案。本文首先列出了物联网背景下基于改进多目标自适应遗传算法的智能汽车路径规划的研究原因,随后重点论述了相关算法和研究方法,最后对研究结果进行了分析。

多目标优化-改进遗传算法路径规划模型

优化智能算法进行路径规划可以有效缓解用户出行拥堵问题,为此,设计了多目标优化-改进遗传算法(multi-objective-improved genetic algorithm, M-IGA)组合模型。采用Dijkstra算法改进种群初始化策略,完全规避了断路和环路,提高了初始种群质量;设计基于邻接矩阵的深度优先遍历交叉策略、邻接限制半随机变异策略,兼顾算法全局搜索和局部寻优能力,解决了种群多样性降低、过早收敛的问题。同时,在设计适应度函数时,引入个体用户偏好权重系数,综合考虑了平均行驶时间、交叉口延误、道路拥挤状况、道路等级4种因素来进行多目标优化,为用户寻找符合个体期望的最优路径。研究结果表明,所提出模型相比于蚁群算法路径寻优效率提高了54.322 0%;相比于单目标路径寻优,最优路径综合代价降低了23.609 1%,有效避开了拥堵及交叉口多的路段。

基于遗传算法的缓波型立管多目标集成优化

缓波型立管由于设计参数较多且优化目标之间相互影响,设计结果具有很大的不确定性。随着代理模型和智能优化算法的发展,针对缓波型立管的优化可以提出更好的解决方案。以提高力学性能和经济效益为优化目标,采用基于Kriging插值模型和NSGA-II算法的多目标优化策略,对考虑顶部浮体影响的深水缓波型立管进行动力响应分析,并开展线型—截面双目标优化集成设计和线型—浮筒三目标优化集成设计。将处于不同几何尺度的设计变量进行集成,旨在各目标存在相互竞争的情况下,与截面、浮筒设计形成有效互动以提高线型设计的总体性能。结果表明,Pareto最优解集可提供多个选择方案,以满足工程实际需要。将所选最优方案与初始设计进行对比,并以疲劳性能和成本估算作为优化的校核指标,取得了理想的优化效果。

新型变截面涡旋型线的多目标遗传算法优化

利用基圆渐开线和幂级数形式的高次曲线构造一种新型的变截面型线,并针对目前变截面型线优化设计中只以容积性能为优化目标而未考虑型线力学性能这一缺点,提出综合考虑容积性能和力学性能的多目标优化设计方法。将容积性能中的重要指标——压缩比和力学性能中的关键指标——轴向气体力和切向气体力作为优化目标,利用遗传算法对其进行多目标优化。结果表明:优化后的两大指标较优化前均有显著变化,压缩比提高了11.3%,轴向气体力和切向气体力明显降低,尤其是切向气体力降低的幅度较大,最大轴向力和最大切向力分别减少了2.11%和22.71%,表明提出的优化方法可以获得综合性能较优的变截面型线。

基于改进遗传算法的柔性流水车间调度研究

针对最小化最大完工时间的柔性流水车间调度问题,文章提出了多目标选择的改进的遗传算法(MTGA),设计了针对该问题的一维的编码与解码方法,采用对立的方法进行种群的初始化。针对遗传算法,交叉操作进行整个工序的交叉向最优解靠拢加快了算法的收敛速度,变异操作中对所有的工序操作顺序进行整体变异,选择操作将种群分成多份做到向多个较优解靠拢,扩大了算法的搜索范围,降低了陷入局部最优的概率,并应用了两套交叉和变异概率增加算法灵活性。通过多个已有算法进行对比验证了算法的有效性。

基于改进遗传算法的园区综合能源系统规划研究

通过能源综合化建设来实现终端能源的高效化,成为当前支撑碳中和碳达峰的重要途径之一。针对园区能源系统能效提升、规划配置等问题,提出了园区综合能源系统经济-能效多目标优化规划模型。分析园区综合能源系统的基本结构,以年总成本、综合能效为优化目标,并考虑能源规划投资和能源运行安全的各类约束,建立了园区综合能源系统多目标优化规划模型;然后,基于NSGA-II算法和融合模拟退火算法的特点,融合模拟退火算法的搜索机制改进NSGA-II的求解性能;最后,以我国某园区为例验证模型和算法的有效性。

基于遗传算法的鱼骨布局多目标路径规划

针对鱼骨布局多目标路径规划问题,建立了以多车协同拣货总移动距离最短和负载不平衡最小的两目标路径规划模型;通过距离检测的方法在帕累托前沿面上寻找knee点,并将该knee点作为偏好信息带入r支配中,引导算法快速搜索到偏好区域,形成更好的帕累托解集,提出一种基于knee点的r支配多目标遗传算法;引入自适应交叉和变异算子,依次提高算法全局搜索能力,加速种群收敛速度,同时防止陷入局部最优,基于标准测试函数测试算法的性能,最后通过实验数据验证了该算法在鱼骨型仓库布局拣选路径优化问题上的有效性。

基于改进遗传算法的云计算任务调度方法

云计算环境中可能存在大量的计算节点与不确定性因素,需要进行大规模的任务调度和管理,增加了调度的复杂度和难度。为了满足任务调度的实时性需求,降低过程中产生的能耗,提出一种基于改进遗传算法的云计算任务调度方法。对不同的任务属性进行结合,重新设定各个云计算节点的任务属性,并计算节点的综合属性值。根据计算结果以全部任务完成时间最小化作为调度目标,构建云计算任务调度模型。改进传统遗传算法,优化种群的初始形成方式,通过改进后的遗传算法求解调度模型,判断获取的解是否满足终止条件,如果满足直接输出最优云计算任务调度方案,实现云计算任务优化调度。由实验结果可知,该方法的任务调度完成时间较低,其调度时间最高值仅为16 min,说明该方法能够满足任务调度的实时性需求,且能耗较低,能够实现任务的高效执行和资源的合理利用。

基于改进遗传算法的220 kV变电站限流调度策略研究

220 kV变电站运行方式较复杂,且变电站限流调度具有多目标约束,运用传统的遗传算法难以找到最优的限流调度策略。提出了基于改进遗传算法的220 kV变电站限流调度策略。分析220 kV变电站的四种限流调度措施对导纳矩阵的影响。结合分析结果,建立限流调度策略效果模型和经济成本模型,并将两者相结合搭建220 kV变电站限流调度多目标优化策略。采用混沌映射、非支配排序和自适应函数的改进遗传算法进行多目标优化策略求解,所获取的最优解即为最优限流调度策略。结合最优策略,实现220 kV变电站限流调度。仿真试验结果表明,所提策略的限流调度效果更理想、电能损耗量更少。该策略对于变电站限流调度具有参考价值。

基于多目标优化的改进遗传算法求解柔性车间调度问题

文章主要研究多目标的柔性车间调度问题。在实际生产过程中,调度结果受完工时间、机器负荷、成本控制和资源消耗等多方面因素影响,因此提出了一种基于多目标优化的改进遗传算法,针对最小化最大完成时间、最小化机器负荷和最小化资源消耗3个目标函数进行优化,结合改进的Pareto多目标优化方法,以及最短加工时间变异和邻域变异方法,提高了算法的寻优能力。最后通过实验验证了算法适用于求解多目标的柔性车间调度问题。

基于改进非劣分类遗传算法的多目标药物制备工艺优化分析

目的研究改进非劣分类遗传算法(nondominated sorting genetic algorithmⅡ,NSGA-Ⅱ)对葛根素亚微乳制备工艺的优化效果,并与多目标遗传算法(multiple objective genetic algorithm,MOGA)以及原文采用的效应面法的优化效果进行比较。方法利用制备葛根素亚微乳中心试验的数据,采用改进非劣分类遗传算法寻找平均粒径和跨距均最小、而包封率最大的工艺条件。结果采用NSGA-Ⅱ随机搜索30次,得到平均粒径为(220.173±18.153)nm;跨距的平均水平为(0.623±0.137)μm;包封率的平均水平为(83.873±2.176)%,与MOGA搜索结果的平均水平相比,NSGA-Ⅱ搜索精度更高,变异度更小。当乳化时间、搅拌转速、超声时间分别为12.97min、1613r·min-1、31.15min时,对应的目标值平均粒径、跨距、包封率分别为229.70nm、0.54μm、85.92%,优化效果满意,比MOGA及原文采用的效应面法找到的最优方案更理想。结论在确保多个目标值都达到最优的前提下,NSGA-Ⅱ搜索得到的Pareto非劣解是合理的,达到了较满意的效果,为试验设计最优条件的选择提供了合理的方法。同时研究人员可根据实际情况,从Pareto非劣解集中确定可行、合理且最优的工艺优化方案。

MRT列车运行模拟模型的多目标改进遗传算法

为了求解城市快速交通(MRT)列车运行模拟模型,寻找最优的列车运行控制曲线,构造了多目标改进遗传算法.以列车运行过程中工况转换点为基因编码依据,以多个基因构成一个染色体代表一个控制方案,从而形成初始种群;根据列车运行控制的停站误差、时分误差和能耗等目标要求设计适应值函数;通过个体有效性检查保证选择、交叉和变异过程中新个体的有效性,并在各算子中加入保优算子,使新种群不淘汰上一代最优个体.实例计算表明,与多质点优化模型相比,在一定的误差范围内,遗传算法能够减少能耗10%以上,并能提供大量次优解,具有明显的优化效果.

基于改进遗传算法的AUV动态目标搜索算法

针对水下动态目标搜索问题,提出一种基于改进遗传算法的AUV动态目标搜索算法。采用蒙特卡罗统计方法生成大量目标运动轨迹,作为计算适应度依据;结合水声模型提出一种新型的累积探测概率计算方式;种群选择采用灾变思想与精英主义相结合方法,保证种群的非劣性和多样性,加速跳出局部极值;采用混沌序列方式选择交叉和变异点,增加种群随机性;采用动态自适应的交叉概率与变异概率,减少经验依赖,保证后期种群多样性。仿真实验结果表明,相较于传统算法和经典遗传算法,改进遗传算法能有效避免陷入局部极值,提高搜索概率。

基于改进多种群遗传算法的节能环保多目标优化模型

电力系统多目标经济负荷分配问题是个非线性、高维的复杂优化问题。提出基于交互式的改进多种群遗传算法,通过引入精英策略和移民策略的多种群遗传算法可以有效地克服标准遗传算法容易陷入局部最优解、易早熟的缺陷。针对文中提出的煤耗和排放2个目标函数,提出了基于目标满意度和总体协调度的交互式多目标处理方法,通过寻求向量空间内满足总体协调度的最短"欧氏距离",来贴近决策者满意的理想值,解决了各目标函数之间最优解的相互冲突,达到协调好各个目标函数的目的,充分体现了决策者的意愿。试验算例表明,该算法能够有效地解决电力系统多目标经济负荷分配问题。

基于Pareto排序遗传算法的改进型扩张室压力脉动衰减器多目标优化

针对传统扩张室式压力脉动衰减器低、高频脉动衰减明显的不足,提出了两种改进结构。在衰减器外形尺寸不变的前提下,以最大化的回冲频率和固有频率处的滤波性能为目标,利用实数编码的标准遗传算法与Pareto排序的遗传算法分别对这两种改进结构进行参数优化,并结合一维平面波理论计算了其插入损失;在运用遗传算法进行优化的过程中,对影响优化的算法主要驱动算子、Pareto最优解、Pareto前沿的选取进行了讨论。结果表明,二维判据空间取得Pareto最优时,得到滤波器的各个结构参数非劣解,优化后的改进型扩张室式压力脉动衰减器在基频及其一次谐频处具有最优的滤波性能。

基于改进遗传算法的智能电网多目标优化调度研究

基于供电与用电需求之间表现出的不平衡性,提出基于改进遗传算法的智能电网多目标优化调度方法。以电网所能容纳的传输容量与电网中每条支路传输容量的拟合度作为电网灵活性量化指标,引入支路抵御净负荷波动能力参数,确保指标的可靠性。在遗传算法中引入了校验机制,以避免陷入局部最优,以灵活性为目标函数对电网进行多目标调度优化。对比测试结果表明,设计的调度方法可有效提高电网的灵活性,并降低配网缺电量,为满足周围环境的用电需求提供可靠保障。

基于改进多目标遗传算法的变截面涡旋盘优化设计

在涡旋盘优化设计中,分析了遗传算法容易早熟、后期搜索效率低且仅以几何性能最佳为目标进行优化设计的涡旋盘力学性能较差等缺点,提出了基于改进多目标遗传算法,综合考虑力学性能和几何性能的变截面涡旋盘多目标优化设计方法。针对由基圆渐开线-高次曲线组成的变截面涡旋盘,应用微分几何理论对涡旋型线进行参数化表达,通过分析涡旋型线解析构成形式,确立了以动涡旋盘所受轴向气体力最小和压缩比最大为设计目标的多目标优化设计,得到了Pareto非劣解集。将非劣解集中的涡旋盘与传统变截面涡旋盘相比,其最大轴向气体力减少了25.53%,压缩比提高了4.36%。

基于改进型遗传算法的多传感器-多目标定位信息融合

针对用遗传算法解决多传感器-多目标定位收敛速度的问题,提出了采用拉格朗日松驰技术改进遗传算法的方法,并给出几种典型情况下算法的实验结果。实验结果表明,改进的遗传算法收敛速度比改进前提高了5—6倍。