改进多目标蜂群算法优化洗出运动及仿真实验

针对经典洗出算法参数选择不当导致信号缺失,引起失真,影响洗出效果等问题,提出一种改进的多目标人工蜂群算法,利用该算法对经典洗出算法中的滤波器参数进行优化来改善洗出算法的洗出效果。针对传统蜂群算法初始化和局部优化中存在的问题,引入Circle映射和Pareto局部优化算法;建立人体感知误差模型、加速度差值模型、位移模型,将模型函数作为目标函数,用改进后的多目标人工蜂群算法对经典洗出算法进行参数优化;建立仿真模型对优化后的洗出算法进行仿真验证,应用飞行模拟器运动实验平台进行实验验证。结果表明:经优化后的洗出算法,洗出逼真度得到有效提升,降低了误差峰值,改善了相位延迟,节省了运动空间。

基于改进NSGA-Ⅱ算法的梯级水库多目标优化调度

针对在时间步长较小、计算时段数目较多时,传统智能优化算法在求解梯级水库联合优化调度问题上效率低甚至无可行解的问题,提出了一种改进NSGA-Ⅱ算法。该算法基于NSGA-Ⅱ算法框架,引入参考目标值、潜力目标值、偏移度以及变异引导算子来优化种群进化过程,强化迭代中的种群质量,使获得的解集更加接近真实的Pareto前沿。福建省金溪流域梯级水库多目标优化调度实例验证结果表明,改进NSGA-Ⅱ算法相对其他算法运算效率更高,优化结果更好,具有较好的实用性。

采用改进多目标粒子群算法的斜拉桥阻尼器参数优化

为克服大跨度斜拉桥黏滞阻尼器优化设计效率低、多个相互制约的减震控制目标的问题难以权衡,基于遗传算法的“变异”方法,提出了改进多目标粒子群算法来进行阻尼器参数优化设计。建立大跨度斜拉桥的有限元模型,开展了全桥地震响应分析,根据抗震需求在桥梁纵向设置黏滞阻尼器;分别建立了塔底弯矩、阻尼力和梁端位移的减震响应与阻尼器参数之间的响应面数学模型;以减震响应面模型为研究对象,通过该算法进行阻尼器参数全局自动寻优分析,确定了阻尼器的最优参数,并与采用参数敏感性分析方法确定的一组阻尼参数进行对比分析。研究结果表明:该优化方法具有计算精度好、优化效率高和更好地权衡多个相互制约的减震控制目标的优点;通过优化算法获得的阻尼器参数组合相比采用参数敏感性分析方法获得的阻尼参数组合的减震响应,塔底弯矩增大1.73%,阻尼力减小5.97%,梁端位移减小1.66%;在无需多次有限元试算的基础上确定了更高精度的阻尼器优化参数组合,在提高减震效果的同时大大提升了计算效率。

基于改进鲸鱼优化算法的AGV柔性作业车间多目标优化调度

针对柔性作业车间的自动引导车辆(Automated Guided Vehicle,AGV)调度问题,基于可持续视角,考虑车间能耗问题,在机器和AVG数量均存在数量约束的条件下,以最小化最大完工时间、车间能耗和AGV使用数量为优化目标构建可持续柔性车间调度模型。首先,设计一种改进鲸鱼优化算法(Improved Whale Optimization Algorithm,IWOA),在标准的鲸鱼优化算法的基础上引入非线性收敛因子和自适应惯性权重以提升算法的搜索能力和收敛速度;其次,使用模糊隶属度理论构建了损失函数,以获得多目标模型的最优折衷解;最后,基于算例实验验证算法性能。实验结果表明改进鲸鱼优化算法在求解2个算例时均表现出良好的效果,为求解采用AGV运输的可持续柔性作业车间多目标优化调度提供了一种有效的实践途径。

基于改进NSGA-Ⅱ算法的考虑人机系数生产线平衡多目标优化研究

在现代制造加工生产线中,生产设备是制造业生产的重要组成部分。设备的充分利用对于生产需求的匹配度产生直接影响。文章参考“人机系数”的概念,构建了考虑生产线平衡率、平滑指数和人机系数的多目标优化函数问题,采用了改进的自适应NSGA-Ⅱ算法来求解该模型。研究结果表明,在满足客户节拍要求的前提下,调整人机系数可以提高生产线平衡率,降低平滑指数以及生产成本;通过数值算例验证了相比于传统NSGA-Ⅱ算法,改进的自适应NSGA-Ⅱ算法能寻找出质量较高、覆盖更广的近似Pareto解集,为决策者提供选择。证明了本研究方法的有效性和实用性,该研究为现代制造加工生产线提供了一种有效的优化方法,并为其他类似行业提供了借鉴。

改进麻雀算法在列车ATO多目标优化中的应用

针对列车自动驾驶(ATO)运行过程多目标优化问题,以列车运行安全性、列车动力学模型等因素为约束条件,考虑列车准时性、能耗、舒适性等指标,使用模糊隶属度法建立多目标优化模型。利用罚函数处理约束条件,将停车误差与限速作为惩罚项并构造出适当的惩罚函数加入到目标函数中,从而得到增广目标函数,提出基于改进麻雀算法(ISSA)的求解策略。为提高麻雀算法(SSA)的全局寻优能力,避免收敛于局部最优,引入Logistic映射、自适应超参数、变异算子对传统麻雀算法进行改进,通过测试函数对算法性能进行验证,表明ISSA算法的收敛速度、寻优精度比传统SSA算法好。以工况转换点为决策变量,通过ISSA算法对工况转换点的位置及速度进行寻优,进而获得目标速度-距离曲线。最后选取城轨车辆参数与线路数据进行仿真验证,仿真结果表明:所提优化策略相较于未优化前,舒适性提高了21.22%,能耗降低了22.41%,准时性与停车误差满足要求;与PSO优化方法相比,收敛速度更快,运行时间几乎一样的情况下能耗降低了12.74%,节能效果更佳;停车误差降低了20.45%,舒适性保持在舒适范围之内;对于速度-距离曲线,巡航距离更长、惰行距离变短、最高运行速度降低。由此可见,达到了综合优化ATO的目的,验证了ISSA优化策略的有效性。

基于改进类电磁机制算法的UPFC多目标优化配置

统一潮流控制器(UPFC)能在不改变线路拓扑结构的条件下有效地改善电力系统潮流,从而提高输电能力与电压稳定性。针对系统可用输电能力、电压偏差和L指标等目标,建立了UPFC的多目标优化配置模型,采用结合差分进化算法(DE)的改进差分类电磁机制算法(DEEM)对所建模型进行求解,通过对算法中粒子的带电量、合力计算方式进行改进,同时添加自适应因子,进一步平衡算法的全局搜索与局部搜索能力。配置后的结果表明UPFC对增强系统输电能力、电压质量及电压稳定性的性能均有提高,且改进算法寻优效率的提升也得到了验证。

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。

基于改进鲸鱼优化算法的同步相量测量单元多目标优化配置

针对因配电网节点数目多但投资成本少造成的同步相量测量单元(phasor measurement unit,PMU)供需不平衡问题,建立了考虑PMU配置个数、状态估计误差的PMU多目标优化配置模型,优化问题的目标是最小化所需的PMU个数和最小化状态估计误差。并提出一种改进鲸鱼优化算法来求解模型。首先引入非支配排序和拥挤度计算来选择并排序Pareto非支配解,保证算法求解全局最优值的能力,其次引入Levy飞行策略对鲸鱼优化算法的螺旋更新位置进行变异扰动,使算法不易陷入局部最优。最后,采用优化配置模型对IEEE 33标准节点系统进行仿真计算。结果表明,与遗传算法和粒子群算法相比,采用改进鲸鱼优化算法求解PMU多目标优化配置模型具有更高的可行性和有效性。

改进的粒子群算法对微电网多目标优化调度研究

成了太阳能机组大规模的使用,使得在保证电网电压稳定的前提下,如何提高可再生能源的利用率成了亟待解决的问题。针对由光伏电池、风力发电机、微型燃气轮机、柴油发电机和电池等构成的微电网,考虑运行成本、扰动负荷和污染治理成本等多指标,构建微电网多指标最优调度数学模型,进而提出改进的多目标粒子群算法。在满足约束条件下,提出一种改进惯性因子并引入自适应变异操作的方法对优化模型进行求解。仿真结果表明,微电网的运行得到了优化,并验证了改进的粒子群算法的优越性能,为优化调度的进一步研究奠定了基础。

改进人工鱼群算法的多目标信号配时优化研究

由于信号配时方案影响交叉口的通行效率,为改善交叉口的运行现状,构建了以车辆延误、停车次数和延误不均衡度为优化目标的交叉口信号配时优化模型,并以改进人工鱼群算法进行求解。在改进算法中引入衰减函数,获得可变步长和可变视野;在人工鱼移动策略中结合遗传算法的交叉、变异操作,利用云模型生成新的交叉变异概率优化交叉与变异操作。选取重庆市某交叉口作为案例,利用VISSIM软件进行实验仿真,对比分析现状配时方案和优化后的方案对交叉口运行效率的影响。结果表明,应用本文中方法可以使车辆延误、停车次数、排队长度均得到降低,可以有效提升道路交叉口的通行效率。

基于改进NSGA-Ⅱ算法的RV减速器参数多目标优化研究

旋转矢量(RV)减速器是工业机器人核心部件,对于机器人的性能起到关键作用。针对提升RV减速器综合性能的问题,从优化传动压力角的相关参数出发,对其结构参数(摆线轮齿数、短幅系数、针径系数、摆线轮宽度等)的多目标优化设计进行了研究。首先,研究了摆线轮平均压力角、传动效率和传动机构体积三者的相关参数之间的关系;然后,以此为优化目标,在摆线轮标准齿廓方程的基础上建立了多目标优化数学模型(该模型采用了基于非支配占优排序遗传学算法(NSGA-Ⅱ)改进了交叉算子系数生成的改进NSGA-Ⅱ算法);通过模型求解得到了帕累托最优解集,根据模糊集合理论的相关方法选取了最优解;最后,以某公司220-BX型RV减速器为例,进行了优化设计,建立了3D模型后进行了有限元分析,并加工出实验样机,进行了传动效率对比实验。实验结果表明:摆线轮平均压力角减小了7.19%,体积减小了11.1%,传动效率提高了4.9%。研究结果表明:该模型交互性强,能提高设计效率并节省设计开销,可为实际RV减速器工程优化设计提供参考。

配电网多目标优化重构模型及多目标烟花求解算法研究

针对配电网优化重构问题,以最小化有功网损、最小化电压偏移度以及最小化负荷平衡度作为目标函数建立配电网多目标优化重构模型。提出一种多策略混合的改进烟花算法(Improved fireworks algorithm,IMFWA)进行求解。算法采用不重复环路编码,压缩解空间,提高搜索效率;采用Sobol序列生成初始种群,增强种群的多样性和遍历性;利用优化烟花和随机烟花进行位移操作,保持种群多样性;采用高斯与柯西的混合变异方式,提高寻优效率;利用Pareto支配关系以及适应度与拥挤度函数组成的综合指标对最优解集进行排列选取,提高收敛速度。对IEEE-33节点系统进行仿真试验,验证了所提出的方法是有效和可行的,试验结果表明优化重构方案能够有效改善配电网的运行指标,并根据不同实际情况为电网人员提供重构方案。

基于人工蜂群算法的大规模武器目标分配研究

针对大规模武器目标分配问题,本文提出一种改进的多目标武器目标分配模型,该模型将武器平台泛化为武器,并将武器平均飞行时间作为第2个优化目标。为有效解决这类问题,本文还提出了改进的自适应离散多目标人工蜂群算法。该算法基于人工蜂群算法和非支配排序策略,引入了自适应算子操作数、重用蜜源探索信息的变异概率策略,并通过蜜源之间、蜜源与外部解集之间的交互以提高算法的收敛性,通过算子的随机选择保持种群多样性。最后通过不同规模武器目标分配的对比实验,证明了所提自适应算子操作数与重用蜜源探索次数的变异概率策略的有效性,并与MOABC、MOPSO、NSGA-II算法在反向世代距离、超体积、时间3个方面进行比较,本文算法能够在保证时效性的前提下得到质量更好的Pareto解集。

基于改进FAHP的抑爆球注塑成型质量多目标优化

基于最优拉丁超立方对抑爆球注塑工艺参数在变量范围内抽样并仿真分析,选用预测结果与仿真结果基本一致的RBF代理模型作为多目标优化设计的代理模型。通过主效应分析发现,抑爆球体积收缩率和末端填充压力变化存在矛盾性。基于MIGA算法,以最小体积收缩率、末端填充压力和生产周期作为优化目标,完成多目标优化设计。提出一种解决多目标优化综合权重分配的改进FAHP方法,并且,得到注塑工艺参数优化权重分配,使目标优化效果显著提升。利用帕累托最优解得到最佳工艺参数组合并仿真求出最小体积收缩率为6.616%,最小末端填充压力为74.18 MPa,最短生产周期为17.04 s,分别减少了7.8%、7%和13.2%,并且,通过试验得到验证。

求解多目标车辆路径优化的改进蚁群算法研究

针对降低物流配送过程中产生的配送总成本和碳排放量这一研究目标,在带软时间窗和容量限制的车辆路径优化问题上,综合考虑了车辆载重、行驶速度和行驶距离等因素,提出了一种以配送总成本最低、碳排放量最少的多目标车辆路径优化模型。并对该模型设计了改进蚁群算法来求解,算法首先在初始信息素的生成和路径转移规则等环节进行了改进,然后引入新的信息素更新公式和混沌扰动机制来更新路径上的信息素,最后利用研究算例对模型和算法进行测试,结果表明:多目标模型能更好的兼顾物流配送中的配送总成本和碳排放量,与经典蚁群算法相比,改进蚁群算法在配送总成本上平均节省了6.5%、碳排放量上平均节省了3.5%,验证了所提方法的有效性。

基于模拟退火改进人工鱼群算法的交通信号配时优化

针对传统的信号配时算法无法适用于过饱和流量的交叉口的限制,结合模拟退火算法初值鲁棒性和局部收敛精度高的特点改进人工鱼群算法以提升其全局搜索能力,然后综合考虑周期时长、绿灯时间和饱和度等作为约束条件,以交叉口车均延误最小为目标函数构建信号配时优化模型,分别利用单一智能算法(模拟退火算法,人工鱼群算法)及其组合改进算法(模拟退火改进人工鱼群算法)对模型进行求解,并对现状方案和3种智能算法求解方案情况下的交叉口整体车均延误进行对比。结果表明,模拟退火改进人工鱼群算法的效果明显优于现状和单一算法,在迭代的初期便能非常接近最优解和稳定下降趋势,表现出快速寻优能力,验证了模拟退火改进人工鱼群算法的可行性与适用性。

改进的人工蜂群算法求解多目标约束优化问题的研究

人工蜂群算法具有控制参数少、复杂度低、鲁棒性强的优点,在每次迭代过程中进行全局和局部最优搜索,都具有良好的局部收敛和寻优能力,但它收敛慢,易陷入局部最优。I-ABC算法在人工蜂群算法中引入了邻域变换、轮盘赌选择、侦察蜂计数等方法。经实证分析发现,I-ABC算法在收敛性、非劣解集、多样性指标、世代距离、计算精度、收敛速度、运算效率等方面均优于人工蜂群算法,更适合解决多目标优化问题。

基于改进灰狼优化算法的地面目标最优瞄准点选择方法

针对导弹打击地面目标时的瞄准点优选问题,提出了一种利用改进灰狼优化算法(improved grey wolf op timization,IGWO)选取最优瞄准点的瞄准点选择方法。该算法基于维度学习的狩猎搜索策略(dimension learning-based hunting,DLH),为每个瞄准点构建相邻的瞄准点集合,集合中的瞄准点可以互相共享信息,增强局部搜索和全局搜索之间的平衡,并保持多样性。在仿真实验中,将毁伤评估模型的评估函数作为瞄准点选取好坏的评估函数,并且设计导弹打击地面目标的实例对瞄准点选择方法进行验证,实验结果表明,该方法求得的瞄准点具有较高的可信度,为火力筹划中瞄准点的寻优提供了新方法。

基于改进蚁群算法的计量物资供应多目标调度

针对计量物资调度任务分工不协调的问题,提出了计量物资供应多目标调度优化模型。分析了电力计量物资供应的需求和特点,说明了物资供应流程的环节特性。建立了以物资满意度和时间成本为目标的多目标物资调度模型,考虑物资平衡约束、供应点约束、转运点约束、紧急需求点约束等,利用主观和客观赋权方法得到综合权重,再利用改进蚁群优化方法进行模型求解。利用IEEE33节点模型进行仿真分析,说明了确定运输节点和供应流程环节能够获得物资满意度和时间满意度,论证了所提模型和方法的有效性。