面向交通信号优化改进快速非支配排序遗传算法研究

针对快速非支配排序遗传算法(NSGA-Ⅱ)的精英保留策略会使大量冗余的高排序级别个体同时作为精英保留到下一代,极易发生早熟收敛现象问题,提出了改进的快速非支配排序遗传算法(I-NSGA-Ⅱ),并将其应用于交通信号多目标优化问题。I-NSGA-Ⅱ采用了冗余个体标记方法,之后的精英保留策略会通过该标记来判断去除冗余个体并将其并入临时层级,最后在生成的新种群规模不足时,会从临时层级中取出相应规模的冗余个体,对其进行变异操作后并入新种群。实验表明,I-NSGA-Ⅱ在保证停车率和排队长度基本不变的情况下,减少了车辆及行人延误,证明所提出的算法可提高交通路口综合交通效益。

多目标炼钢—连铸生产调度的改进带精英策略的快速非支配排序遗传算法

针对炼钢连铸调度的特殊工艺要求,在考虑炉机匹配原则和多重精炼的情况下,建立了以炉机匹配度、炉次间等待时间、浇次的开浇提前/拖期时间为评价指标的多目标约束满足优化模型,并针对其多目标特征,提出一种基于自适应网格法的择优策略来改进带精英策略的快速非支配排序遗传算法,有效克服了使用传统Pareto支配法择优策略在解决离散问题时容易丢失有用信息的缺陷。基于多种规模的实际生产数据进行仿真实验,结果表明所提算法在收敛性、最优解集多样性和计算效率方面优于传统带精英策略的快速非支配排序遗传算法。

复杂制造环境下的改进非支配排序遗传算法

针对柔性作业车间多目标调度问题,在考虑机器、操作人员等资源约束和交货日期不确定性的基础上,构建了以加工成本、客户满意度及生产总流程时间为目标函数的模糊调度数学模型。针对传统的加权系数方法不能很好地解决柔性作业车间调度多目标优化问题的缺点,提出改进的非支配排序遗传算法,采用改进的拥挤密度排序法改善同一非劣等级内个体的排序;提出自适应交叉和变异策略,克服了种群早熟化,改善了算法的收敛速度;采用改进精英策略保持种群多样性,改善了算法的搜索性能。将该算法应用于某机械公司的人机双资源多目标柔性车间模糊调度,仿真结果证明了该方法的有效性和可行性。

基于改进的非支配排序遗传算法的模块化产品多目标配置优化研究

在产品族模块化设计的基础上,应用模糊数学评价理论与最小二乘法,构建了以产品性能、成本及出货期为目标函数的配置优化数学模型,并采用基于改进的非支配排序遗传算法对三者进行并行优化。由此获得一系列基于Pareto最优集的配置方案来满足不同客户对产品性能、成本及出货期的要求,解决了客户需求侧重点对产品设计结果的适应性处理。最后,结合项目实施,给出该方法在机床制造业中的典型应用实例,验证了文中提出方法的有效性和适应性。

基于快速非支配排序遗传算法的船舶电力系统多目标故障重构

为避免已有船舶电力系统故障重构方法中将多目标优化问题通过加权转化为单目标优化问题进行求解而产生的问题,以失电负荷最少、开关操作代价最小为目标函数,利用带精英策略的快速非支配排序遗传算法实现故障重构多目标、多约束问题求解,该算法求得的Pareto最优解分布均匀,得到的最优重构方案集具有稳定性和多样性。得到故障重构方案集后,对系统运行的安全性、可靠性、高效运行性等指标进行归一化处理,得到综合辅助评价函数作为各故障重构方案辅助评价指标。算例测试结果表明,该方法能避免单目标优化算法对权值的过分依赖等缺点,能够兼顾多个指标,得出的最优故障重构方案更加符合实际。

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。

基于自适应混合非支配个体排序策略的改进型NSGA-Ⅱ算法

针对经典快速非支配排序遗传算法(NSGA-Ⅱ)中基于拥挤距离的种群多样性保持策略不能客观反映个体间真实拥挤程度的问题,提出了一种基于自适应混合非支配个体排序策略的改进型NSGA-Ⅱ算法(NSGA-Ⅱh)。首先,设计一种新的循环聚类个体排序策略;然后,根据Pareto分层信息来对基于经典拥挤距离和循环聚类的两种个体排序策略进行自适应的选择;最终,实现对进化后期的种群多样性保持机制的改进。通过5个标准测试函数进行算法验证,并与经典的NSGA-Ⅱ、多目标粒子群优化算法(MOPSO)和GDE3等算法进行对比分析,NSGA-Ⅱh算法获得了80%的最优反向世代距离(IGD)值,且显著性水平为5%的双尾t检验结果表明,新算法具有明显统计意义上的性能优势。改进算法不仅能提高进化种群的分布性,而且能增强算法的收敛性,有效提高了优化效果。

基于改进的二代非支配排序遗传算法对电子变压器多目标优化

对多目标、多变量优化方法研究的基础上,提出了改进的二代非支配排序遗传算法。在该算法中,通过增加种群多样性和提高个体竞争力,有效地减少了早熟收敛现象的发生;同时,通过种群分割操作,大大减少了交叉运算的计算量。依据这一改进算法,建立了三维优化模型,对电子变压器进行了多目标优化设计,获得了电子变压器优化设计参数,使其体积更小、效率更高,更容易找到全局最优解。与非支配排序遗传算法(NSGA)和二代非支配排序遗传算法(NSGA-Ⅱ)相比,改进的二代非支配排序遗传算法在电子变压器优化设计方面具有明显的优势。最后,依据优化结果,制作了一台磁芯材料为超微晶合金的高频变压器,温度校核结果表明了此优化方法的可行性。

浅析C语言快速排序算法的改进

排序是计算机程序设计中一种重要操作,本文论述了C语言中快速排序算法的改进,即快速排序与直接插入排序算法相结合的实现过程。在C语言程序设计中,实现大量的内部排序应用时,所寻求的目的就是找到一个简单、有效、快捷的算法。本文着重阐述快速排序的改进与提高过程,从基本的性能特征到基本的算法改进,通过不断的分析,实验,最后得出最佳的改进算法。

惩罚策略辅助的快速非支配排序遗传算法Ⅱ研究

快速非支配排序遗传算法Ⅱ(NSGA-Ⅱ)是一种典型的多目标优化算法。然而,其采用的锦标赛选择策略存在着重复选择较优个体的缺陷,由此导致产生的后代分布性较差以及算法整体性能下降。为解决锦标赛选择策略的缺陷,提出惩罚策略辅助的锦标赛选择策略。具体而言,在通过惩罚策略辅助的锦标赛选择策略选择交叉个体时,在下一轮中每个被选择个体的优先级自动降低,以此降低较优个体被选中的概率。将基于惩罚策略辅助的锦标赛选择策略融入NSGA-Ⅱ算法,提出了惩罚策略辅助的快速非支配排序遗传算法Ⅱ。在ZDT和DTLZ测试集上与多个算法进行对比,结果表明:所提策略有效地解决了原锦标赛选择策略的缺陷,说明了改进策略的有效性。

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。

基于改进多目标平衡优化器算法的点焊机器人路径规划

点焊机器人在工业领域内被广泛应用,合理的焊接顺序可以提高生产效率。为了实现点焊机器人的路径最优规划,针对点焊路径和工作时间建立多目标问题模型,提出一种融合改进快速非支配排序的多目标平衡优化器算法(DMONEO)。加入快速非支配排序,并采用生存评分策略替代拥挤度因子,可以更好地保持种群的多样性,防止DMONEO过早收敛。TSPLIB基准实验结果表明,DMONEO算法相比于其他算法性能表现更好。最后在实际点焊机器人的路径规划应用中进行仿真实验并与其他算法对比,结果表明提出的算法得到的优化效果更好,耗时更短。

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。

基于改进排序算法的模块化多电平换流器子模块电容电压均衡控制策略研究

传统基于模块化多电平换流器的柔性直流输电系统在运行时,存在子模块电容电压均衡运算量大和子模块开关频率高的问题,据此,文中提出了一种基于快速排序算法和改进插入排序算法相结合的电容均压控制策略,通过逐次降低待排元素的数量减少计算量。在此基础上,提出一种改进保持因子的插入方法,进一步减少计算量与开关频率。在Matlab/simulink搭建31电平MMC模型。仿真结果表明,基于快速排序算法和改进插入排序算法相结合的电容电压均衡策略能够在较好维持电容电压均衡的基础上,有效降低计算量。

浅谈快速排序算法的改进

快速排序是冒泡排序经改进之后的一种新的排序方法。拥有速度快,原地排序等特点,本文主要探讨了对原始的快速排序的一些改进的想法,提高其效率。

基于快速非支配排序遗传算法的VTI介质多分量叠前联合反演

在VTI介质中,由于引入了各向异性参数使得多分量多参数地震反演问题的非线性程度显著增加,因此采用传统的权重加权法构建单目标函数进行反演得到的反演结果往往并不理想.本文以反射率法为基础,结合快速非支配排序遗传算法研究了一种VTI介质的多分量叠前联合反演方法.该方法以反射率法为正演方程,应用互相关原理构建PP波和PSV波的多目标函数,进而采用快速非支配排序遗传算法全局寻优获得VTI介质的厚度、纵横波速度、密度和各向异性参数等多个参数.在正演的过程中,反射率法可以考虑几何扩散、吸收衰减、透射损失、多次波以及纵横波旅行时不匹配等地震波传播效应,更能精确地描述地震波在地下地层中的真实传播情况;在反演的过程中,快速非支配排序遗传算法可以在不引入权重系数的条件下同时优化多个目标函数,获得联合反演问题的Pareto最优解,既不添加权重系数影响又充分利用多分量地震数据.模型测试结果验证了该反演方法的有效性和可行性.

基于非支配排序的改进粒子群算法的含分布式电源的配电网规划

随着分布式电源(DG)渗透率的不断提高,在进行配电网规划时不得不将DG考虑进配电网一起规划。本文在对比了基本粒子群算法(PSO)易陷入局部最优的缺陷之后,利用小生境技术寻找全局最优,再采用基于非支配排序的改进粒子群算法(NSPSO)对含DG的配电网进行了规划。本文建立以分布式电源投资和运行成本最少、有功网损最小、电压稳定裕度最大的目标规划模型,并且结合对IEEE69节点配电网的仿真分析,对比算法结果,从经济性和稳定性两方面都证明了基于非支配排序的改进粒子群优化算法在含DG的配电网规划方面有一定的优势。

基于改进非支配排序的云模型进化多目标柔性作业车间调度

采用多目标进化算法研究柔性作业车间调度问题,目标是最小化最大完工时间、机器总负荷和最大机器负荷3个性能指标。针对NSGA-Ⅱ识别非支配个体较慢和个体比较次数较多的不足,设计一种基于预排序的快速非支配排序算法,快速识别非支配个体并淘汰被支配个体,提高非支配解集的构造效率;结合柔性作业车间调度问题的特点和进化算法的性能,引入云模型进化策略,提出一种基于非支配排序的云模型进化多目标柔性作业车间调度算法。运用云模型揭示模糊性和随机性的优良特性维护进化种群,提高非支配解分布的广度和均匀度。利用多指标加权灰靶决策模型选择最满意调度方案。使用基准实例进行测试并比较测试结果,验证了算法的可行性和有效性;利用提出算法确定了生产实际的最满意调度方案。

基于并行非支配排序遗传算法的限流措施多目标优化

分析了当前限流措施优化模型和算法存在的缺陷,提出了综合考虑安全性、稳定性、经济性的限流措施多目标优化模型。在潮流约束下,模型以总投资成本最小、故障后功角稳定性最佳、短路电流综合越限最小为优化目标,并且引入带精英策略的改进非支配排序遗传算法,结合基于限流效果灵敏度的支路筛选策略,应用于Pareto最优限流措施的求解。为提升优化速度,在MATLAB计算平台上对改进非支配排序遗传算法进行了主从并行改造。最后,结合改进的新英格兰10机39节点系统优化结果,验证了所提出的多目标优化方法有效、可行。

基于改进离散蜉蝣算法的双资源柔性车间可持续调度方法

在目前对柔性车间调度问题所进行的研究中,大多忽略了工件运输时间这一因素,并且也很少对可持续发展的经济、环境和社会3个要素进行综合优化。针对这些问题,提出了一种考虑运输时间的双资源柔性车间调度问题(DRCFJSPT)模型。首先,以完工时间、生产成本、能耗和人体工程学风险为优化目标,构建了柔性车间调度数学模型,并结合多目标模型的特点,设计了一种改进离散蜉蝣算法(IDMA),并对模型进行了求解;然后,采用熵值法评价了帕累托解集,基于三层编码并考虑了运输时间的插入式解码方式,设计了混合初始化方法,离散改进了蜉蝣更新方式;最后,为了验证IDMA求解DRCFJSPT的性能,采用MATLAB,对某机床零件加工企业生产数据进行了实验,并将其结果与采用非支配排序遗传算法(NSGA)-Ⅱ得到的结果进行了对比分析。研究结果表明:改进算法的解集质量和收敛性能均显著优于参考算法,通过改进算法求得最优解的最大完工时间为35.94 h,加工成本为6 003.95元,能耗为2 054.54 kW·h,人体工程学风险值为138.16;该结果可为实际复杂的柔性车间调度环境提供清晰准确的调度方案。