基于改进引力搜索算法的铣削加工参数低碳建模及优化

针对数控机床铣削加工特点,考虑刀具寿命、加工表面质量、切削速率和铣床工艺性能等条件,以铣削加工过程中的单位体积碳排放、单位体积生产成本和加工时间为目标,以切削速率、每齿进给量和切削宽度三参数为优化变量,建立了铣削加工参数多目标优化模型,并提出了一种改进的非支配排序引力搜索算法对该多目标模型进行求解。在所提出算法中采用精英保留策略和位置更新回退操作,引导群体质点向真实Pareto最优解集区域靠近。在遗传算法的交叉操作启发下,提出精英精英交叉策略和精英非精英交叉策略,增加了群体多样性。最后与原始非支配排序引力搜索算法和教学优化算法进行对比,验证了所提改进算法的优越性和可行性。采用灰色关联度法在获得的Pareto最优解集中选择满意解,为面向绿色制造的切削参数优化提供了一种新的思路。

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。

基于改进多目标引力搜索算法的电力系统环境经济调度

建立了综合考虑系统运行成本和污染物排放成本的电力系统环境经济调度模型,并提出了一种改进多目标引力搜索算法(IGSA)对该模型进行求解。该算法将NSGA-II中的非劣解排序和拥挤距离的思想引入基本引力搜索算法用于处理个体偏序关系。其次针对基本引力搜索算法收敛速度慢的问题,在更新个体位置过程中受粒子群优化算法的启发对引力搜索算法的位置更新公式进行了改进;同时为了引导群体向Pareto最优解集区域靠近并保证算法解集均匀分布,采用精英保留策略;最后采用模糊集理论产生最佳折中解,为决策人员提供调度方案。算例分析验证了所提算法的可行性和有效性,为实现电力系统经济性与环保性的均衡优化提供了一条新的方法。

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。

求解多目标优化问题的改进布谷鸟搜索算法

针对求解多目标优化问题,提出一种改进的多目标布谷鸟搜索算法(IMOCS).相比于标准多目标布谷鸟搜索算法(MOCS),IMOCS在莱维飞行中使用动态自适应的步长控制量,并基于层级和拥挤度距离选择下一次莱维飞行的种群.为了验证算法的有效性,通过在测试实例(SCH,ZDT系列,LZ)计算所求Pareto前沿与真实Pareto前沿的广义距离和所求Pareto前沿的多样性来测试IMOCS的性能.结果表明,与MOCS,NSPSO,NSGA-II比较,IMOCS所求的广义距离更小,即由IMOCS所求Pareto前沿更加接近于真实Pareto前沿,同时IMOCS的Pareto前沿分布更加广泛和均匀,即多样性更好.

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。

基于新型非支配排序的多目标麻雀优化算法

针对麻雀搜索算法在求解多目标问题中的不足,并且在求解过程中易陷入局部最优与收敛性差的问题,提出了一种改进的多目标麻雀搜索算法。首先,引入了新型非支配排序,找到最优前沿面;其次,将多项式变异和正余弦算法融合到种群进化策略中,增强其搜索能力,通过竞争机制的种群选择方法,降低搜索过程中局部最优粒子和全局最优粒子导致的误差;最后,将改进算法与多种多目标算法在标准测试函数上进行对比,仿真结果表明,改进算法的收敛性与搜索能力均优于其他算法。由此说明该算法具有可靠的多目标寻优能力,能够有效解决多目标优化问题。

基于多目标麻雀搜索算法的柔性车间生产排程方法

针对柔性车间生产排程问题,以最小化完工时间、最小化机器总负载以及加工总成本最低为目标函数,设计了一种多目标麻雀搜索算法(multi-objective sparrow search algorithm,MOSSA)进行求解.首先,将父子代融合后的种群进行非支配排序,选取最优位置个体和最差位置个体;其次,采用两段式规则对机器选择和工序排序进行编码;最后,利用麻雀搜索算法完成种群的更新和寻优.通过算例进行实验仿真,研究参数对MOSSA的影响,并将MOSSA与其他算法进行比较.结果表明:该模型下,参数影响较小,MOSSA具有高性能全局搜索能力和较好的收敛性,对于解决多目标生产排程问题具有指导作用.

基于智能优化算法的高频变压器电磁结构优化设计

高频变压器(HFT)作为电力电子变换器等功率变换装备的核心部件,其优化设计是实现高功率密度、高效率和高可靠性的重要环节。为有效解决高频条件下显著的涡流效应和复杂紧凑的结构使变压器损耗难以准确计算、针对绝缘设计裕量不足的问题,本文提出计及高频效应和结构效应的电磁场建模方法,构建了高频变压器多目标协同优化设计方案。首先建立了低成本与高效率兼备的磁心损耗计算模型。其次,根据面积等效原理推导了考虑绕组结构效应的近似Dowell模型,实现绕组损耗的高精度计算。然后提出了考虑绕组端部效应和频率影响的漏感计算模型,减小漏感对于结构和频率的依赖性。在此基础上,采用一种新型多重绝缘结构,提高绕组间的绝缘耐压水平。最后,基于改进的非支配排序遗传算法(INSGA-Ⅱ)和自由参数扫描法建立了高频变压器的优化设计流程,根据筛选的最优设计方案研制了一台高频变压器样机。

改进NSGA-Ⅱ算法的海上搜救调度方法

针对海上搜救资源调度决策困难、干扰多、实时性差、难以实现全局最优问题,本文以黄渤海海域为例,采用改进的非支配排序遗传(NSGA-Ⅱ)算法解决海上船舶搜救资源调度问题.首先,根据AIS以及北斗数据,建立了海上搜救资源的多目标优化模型;其次,改进的NSGA-Ⅱ算法采用基于正态分布交叉(NDX)算子,在扩大搜索范围的基础上,避免陷入局部最优,得到多目标问题完整的Pareto解集;采用综合评价法(TOPSIS)从Pareto解集中求得折衷解,即最终设计的搜救调度方案;最后,在考虑船舶数量约束以及时间约束的条件下,采用改进的NSGA-Ⅱ算法分别与NSGA-Ⅱ算法和贪婪算法进行对比,并采用黄渤海海域船舶采集数据进行仿真.结果表明该算法能够有效解决海上搜救资源调度优化问题.

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。

离散回溯搜索算法求解多柔性作业车间调度

针对柔性作业车间生产中机器和工序柔性与多能工的存在建立模型,并提出一种整数编码方案和设一种基于Pareto解集的离散回溯搜索算法进行求解。首先,采用精英化历史种群的方法提升历史种群引导当前种群进化的能力;其次,在交叉变异步骤用遗传交叉算子替代回溯搜索算法原有结构;再次,为保留更多较优解到当前种群,结合快速非支配排序方法更新当前种群;最后,求解数值实例,与多种智能算法进行对比,验证算法的可行性和有效性。

基于改进非支配排序遗传算法的智能变电站状态检测方法

为提高变电站设备运行状态检测结果的可靠性,规范其运行,基于改进非支配排序遗传算法的应用,以某智能变电站为例,开展其状态检测方法的设计研究。布置传感器进行电力设备运行数据的采集,引进变分模态分解方法,进行电力设备运行数据去噪与降维处理;引进遗传算法,通过在知识领域与多个目标之间的迭代,找到最优平衡点,筛选出最有效的特征组合,实现对变电站中电力设备运行数据的知识集合生成与特征提取;引进深度迁移学习,构建并训练自组织映射(SOM)网络,此网络含多个神经元节点,自适应聚类输入特征,实现智能变电站设备的在线管理与异常检测。对比试验结果表明:该方法可以精准识别智能变电站在运行中的电力设备异常状态,可通过此种方式实现对变电站的智能管理。

基于改进NSGA-Ⅲ的微电网储能多目标优化配置

为提升微电网中储能配置的可靠性与经济性,提出一种基于改进NSGA-Ⅲ算法的微电网储能系统容量多目标优化配置方法。构建了微电网储能容量配置双层优化模型,外层以储能一次投资成本最小为优化目标,内层以微电网综合运行成本最小、负荷缺电率最小和可再生能源利用率最大为优化目标;在传统NSGA-Ⅲ算法中嵌入Levy理论和一个区域角度量化机制,使其更加适用于所提直流微电网储能容量双层优化配置模型的寻优迭代求解,并结合典型日数据,仿真验证了所提模型及算法的有效性。

基于改进NSGA-Ⅱ算法的水资源优化配置研究

以经济效益、社会效益和环境效益为目标函数建立了区域水资源优化模型,并应用改进的NSGA-Ⅱ算法对不同规划水平年的水资源预测值进行优化配置,提出了采用配水系数进行染色体编码,并通过归一化处理使遗传个体满足水源供水量要求。实例分析结果表明,该模型和优化方法具有较强的适应性,有效解决了多水源、多用户、多目标、多约束的水资源优化配置问题,优化结果可作为区域水资源可持续利用和规划管理的决策依据。