非支配排序遗传算法-Ⅱ组合赋权的水体富营养化多维联系云评价

用基于非支配排序遗传算法-Ⅱ组合赋权法的非对称多维联系云模型对24个湖库水体的富营养化程度进行分级评价。结果表明,该方法可综合不同赋权理念的优势,量化权重组合过程的不确定性、不同权重的随机性及其与真实权重的一致性等多重模糊特征,同时能高效准确地寻优求解指标权重,并能适用于多种不同类型水体的评价。扩展的多维联系云也提升了计算效率,集成联系度定量表征了富营养化等级与指标间的多重模糊随机性,实现了对水体富营养状况及其变化趋势的精确评价。

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。

基于非支配排序遗传算法的核动力堆中子-γ混合射线屏蔽智能优化

以萨瓦纳船用核动力堆为原型,等比构建了中子-γ混合辐射场多目标优化模型,使用非支配排序遗传算法(NSGA-Ⅱ)与神经网络相结合的屏蔽智能优化方法,将屏蔽层总重量和屏蔽后的剂量率作为优化目标,进行多目标寻优,得到了pareto最优解;选取其中1组最优解分别利用蒙特卡罗方法计算和神经网络预测进行可行性对比验证,在神经网络预测误差允许的范围内,得到的剂量率均满足寻优时设置的约束限值。研究结果表明,该屏蔽智能优化方法对反应堆中子-γ混合射线的屏蔽参数优化是可行的,相比于传统的纯蒙特卡罗方法而言,能在计算准确的前提下极大减少计算时间。

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。

基于RBF-CLNSGA-Ⅱ算法的转向架构架多目标优化

转向架构架是高速动车组的重要承载部件,对其关键结构精确分析及优化能保障列车安全平稳运行。为提高转向架构架设计优化的精度和效率,提出一种子模型技术与径向基函数-改进快速非支配排序遗传算法(RBF-CLNSGA-Ⅱ)相结合的多目标优化方法。首先,通过分析转向架构架的结构强度,确定等效应力最大的位置,利用子模型技术对该区域构建子模型并进行相对灵敏度分析,然后构建其RBF神经网络,提高计算和拟合效率。其次,提出CLNSGA-Ⅱ算法,通过引入Circle混沌映射、自适应交叉变异概率、Levy飞行策略及动态更新拥挤度比较算子,提高NSGA-Ⅱ算法Pareto解集分布的均匀性和稳定性,同时增强全局搜索以及局部开发能力。最后,构建以结构相关参数为设计变量、最大等效应力和质量最小为目标、变量区间及材料屈服极限为约束的多目标优化模型,利用CLNSGA-Ⅱ算法对基于子模型技术的RBF神经网络进行多目标优化,得到Pareto最优解。研究结果表明:子模型技术和RBF-CLNSGA-Ⅱ算法相结合,不仅能够解决大型复杂结构拟合困难、运算周期长的问题,而且研究过程相比传统方法,针对性更强,求解精度更高,结果稳定性更好。优化后的构架子模型最大等效应力降低了4.603%,质量减少了2.922%,该方法对大型复杂部件的设计优化具有重要工程实用价值。

基于改进NSGA-Ⅱ算法的拖拉机传动系统匹配优化

为实现拖拉机动力传动系统的最优化匹配,提高整机动力性和燃油经济性,提出一种基于改进非支配排序遗传算法(Non-dominated sorting genetic algorithm-Ⅱ,NSGA-Ⅱ)的拖拉机传动系统匹配优化方法。该方法引入正态分布交叉算子,在保证解集质量的基础上,扩大空间搜索范围,同时加入差分进化变异算子,抽取其中的差分向量与NSGA-Ⅱ算法结合,从而避免算法陷入局部最优,改善种群分布性。随后,以变速箱各挡传动比为输入变量,以驱动功率损失率和比燃油消耗损失率均最低为优化目标,通过分析拖拉机设计理论车速、传动比公比、驱动附着力限制等约束条件,建立了变速箱传动比匹配优化模型,利用改进算法对拖拉机变速箱传动比进行优化,并与原NSGA-Ⅱ算法及加权遗传算法进行对比。分析结果表明,改进NSGA-Ⅱ算法求得的解集分布评价指标SP优于原NSGA-Ⅱ算法,表明Pareto最优解分布更均匀,且更接近测试函数的真实Pareto前沿。经本文算法优化后,理论上拖拉机驱动功率损失率和比燃油消耗损失率分别降低了41. 62%和62. 8%,运输挡头挡爬坡度可提高2. 35%,整机综合性能得到明显改善,且优化效果均优于对比算法,验证了本文方法的有效性,可为拖拉机传动系统设计与优化提供一定参考。

基于改进NSGA-Ⅱ算法的碟式斯特林系统多目标优化研究

考虑到碟式斯特林系统在循环过程中冷热源之间的热漏、回热损失及各种机械摩擦损失等不可逆问题,提出了改进快速非支配排序遗传算法,对系统热力学模型进行优化分析.首先,利用有限时间热力学分析了系统的效率、输出功率和压降;其次,提出了一种改进快速非支配排序遗传算法(Improved Non-dominated Sorting Genetic AlgorithmsⅡ,INSGA-Ⅱ),对多目标快速非支配排序遗传算法的选择算子和精英保留策略进行改进;最后,用改进后的算法对系统的功率-压降、效率-压降及功率-效率-压降分别进行两目标、三目标优化,并分析了11个决策变量在优化过程中的分布情况,利用TOPSIS决策方法从Pareto边界的可用解中选择最终最优解.实验结果表明,多目标优化求得的Pareto最优解分布均匀,得到的最优解更加符合实际,且发动机的转速、发动机的平均循环压力、回热器芯网数、活塞直径等结构参数的变化具有较高的灵敏度,为斯特林机的改进提供理论依据.

基于改进NSGA-Ⅱ的考虑自动引导车充电策略的集成调度

针对自动引导车(AGV)在自动化集装箱码头(ACT)执行任务过程中的电量问题,提出基于改进的非支配排序遗传算法-Ⅱ(NSGA-Ⅱ)的考虑AGV充电策略的集成调度。首先,在岸桥、场桥和AGV集成调度模式下,考虑AGV在不同作业状态下的耗电量,并建立以最小化作业完工时间和总耗电量为目标的多目标混合规划模型;其次,为提高传统NSGA-Ⅱ的性能,设计自适应NSGA-Ⅱ,并将所提算法与CPLEX求解器、NSGA-Ⅱ和多目标粒子群优化(MOPSO)算法进行性能对比;最后,设计AGV不同充电策略并对设备数量配比进行实验研究。算法对比实验结果表明:相较于传统NSGA-Ⅱ算法,自适应NSGA-Ⅱ对双目标的优化分别提升了2.8%和2.63%。利用自适应NSGA-Ⅱ进行的充电策略和设备数量配比实验的结果表明:增加AGV充电次数能够减少AGV的充电时间,且调整设备数量配比至3∶3∶9和3∶7∶3时,场桥和AGV的时间利用率分别达到最高。可见,AGV充电策略及设备数量配比对码头多设备集成调度有一定影响。

求解多目标最小生成树的一种新的遗传算法

在改进的非支配排序遗传算法(NSGA-Ⅱ)的基础上,提出了一种新的基于生成树边集合编码的繁殖算子求解多目标最小生成树问题的遗传算法。通过快速非支配排序法,降低了算法的计算复杂度,引入保存精英策略,扩大采样空间。实验结果表明:对于多目标最小生成树问题,边集合编码具有较好的遗传性和局部性,而且基于此繁殖算子的遗传算法在求解效率和解的质量方面都优于基于PrimRST的遗传算法。

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。

基于NSGA-Ⅲ的UUV集群打击任务分配模型

无人水下航行器(UUV)集群将成为未来水下作战的重要力量, UUV集群的打击任务分配问题是UUV运用过程中的关键问题之一,可以看作为一个武器-目标分配问题,也是一个多约束多目标优化问题。因此,考虑UUV对敌舰探测概率、载弹量、弹药成本、杀伤概率和目标价值,以及UUV对鱼雷的拦截概率等因素,建立打击收益和弹药消耗成本2个目标函数,构建了UUV集群打击任务分配模型。引入多目标优化算法——第3代非支配排序遗传算法(NSGA-Ⅲ)对该模型进行求解,分析了编码策略、约束处理方法以及NSGA-Ⅲ的流程和关键步骤。仿真结果表明,与NSGA-Ⅱ、自适应形状估计多目标进化算法(AGEMOEA)相比,该算法在运行时间和反世代距离2项指标上表现更好,能够更好地为决策提供支撑。

基于NSGA-Ⅲ算法的多目标柔性作业车间调度问题研究

针对柔性多目标调度问题,考虑机器加工速度对调度结果的影响,构建了以最大完工时间最小、设备总能耗和设备总负荷为优化目标的柔性作业车间节能调度模型。使用了一种具有寻优能力更强的非支配排序遗传算法Ⅲ(non-dominated sorting genetic algorithm Ⅲ,NSGA-Ⅲ)求解该调度问题。NSGA-Ⅲ通过预先生成一组均匀的参考点,参考点的小生境数依据其与个体的距离,然后选择出同一支配等级的个体。在该模型中每台机器都有多档加工速度可供选择。最后,选择15个标准算例验证NSGA-Ⅲ求解性能,选择5个标准算例进行仿真并与传统的NSGA-Ⅱ算法做比较,结果表明NSGA-Ⅲ算法更具有优越性。

基于近亲变异NSGA-Ⅱ算法的多目标柔性作业车间调度

在研究柔性作业车间多目标调度问题现状和不足的基础上,提出了包括最大完工时间、加工成本以及加工质量3个优化目标的多目标柔性作业车间调度模型;并针对上述模型,提出了基于近亲变异的改进非支配排序遗传算法(Non-dominated sorting genetic algorithm,NSGA-Ⅱ),该算法根据计算交叉染色体的血缘关系,确定子代个体的变异率,优化了NSGA-Ⅱ的变异策略,避免了算法的早熟问题;最后,针对实际案例,构建相应的调度模型和算法,计算结果证实了模型和算法的可行性和有效性。

基于响应面模型和NSGA-Ⅱ算法的注塑成型工艺优化

以某安全箱箱体为例,将最大缩痕指数和最大翘曲变形作为优化目标,以模具温度、熔体温度、注射速率、保压压力和保压时间为设计变量,通过正交试验设计及有限元模拟,获取试验样本;基于Isight参数优化软件,建立安全箱箱体注塑成型工艺参数与优化目标之间的响应面近似模型;利用非支配排序遗传算法在响应面模型内自主寻优,获取一组安全箱注塑成型的最优工艺参数;根据数值分析结果设计了注塑模具,按最优工艺参数试模,一次性试模成功。结果表明该方法可快速、有效实现注塑成型工艺优化。

考虑失灵风险的随机多目标定位-库存问题及其优化算法

为实现物流系统整体优化,考虑失灵风险、随机需求、设施容量约束、提前期等因素,以系统总成本最小与客户满意度最高为目标,建立一个两级物流网络的随机多目标定位-库存问题模型。该模型是一个双目标的非线性离散混合整数规划模型。在此基础上,设计一种改进的基于小生境技术的非支配排序多目标遗传算法。实验结果表明,该算法可得模型的Pateto前沿解集,与标准非支配排序遗传算法相比,改进算法在收敛代数及解的数量和分布上均具有明显优势。在实际应用中,决策者可根据需要及偏好在Pateto候选解中选择合适的优化决策方案。