放疗逆向计划中的混合多目标优化算法研究

放射治疗中的逆向计划为多目标优化问题。将模拟退火算法和遗传算法相结合,进行多目标优化算法的研究,利用测试函数分析算法的优劣。将基于交叉变异扰动的多目标SA算法应用于放疗逆向计划过程,用基于平均剂量分布的目标函数和基于混合剂量-体积约束的目标函数进行逆向优化计算,说明算法的有效性。

考虑场景差异性的混合车型公交调度优化方法

纯电动公交因其低碳和节能环保的特性,已成为车辆电动化转型的必然选择,但纯电动公交车在实际运营中仍面临低温条件下性能下降和电池老化导致续航里程降低等挑战。考虑在运营中混合使用燃油车和电动车,以弥补纯电动公交车在特定场景下的性能下降,提升公交运营效率和服务质量。本文考虑公交动态运行特征建立公交时刻表分段优化模型,以优化后的车次为输入,构建混合车型运营条件下的公交行车计划编制优化模型,并设计改进的遗传算法实现模型求解。最后,以北京市公交线路为例,选取单线路运营、异地充电及区域集中调度等不同典型运营场景开展案例研究,验证优化模型在差异化运营场景条件下的适用性和优化效果。结果表明,对比本地充电场景,异地充电场景下的运营成本增加5.15%,运营车辆数量增加5.88%;在多线路联合编制行车计划的区域集中调度场景下,运营成本较单线路运营场景降低4.68%;在给定的车型比例阈值下,使用混合车型运营效果优于使用单一车型运营,有效降低运营成本和碳排放。本文研究为公共交通企业结合不同运营场景,制定科学灵活的电动公交运营调度方案提供了重要支撑。

基于L-BFGS与NSGA-Ⅱ混合算法的IMRT逆向计划优化研究

基于L-BFGS和NSGA-Ⅱ算法提出一种对逆向计划混合目标优化的新方法.该方法将物理-生物混合目标函数引入到调强放射治疗逆向计划中,利用L-BFGS算法对NSGA-Ⅱ算法的初始解进行优化,并改进带约束的快速非支配排序策略,以达到更好优化逆向计划使之满足DVH约束的目的.新算法所得优化结果表明,靶区的高剂量分布更加均匀,且危及器官的NTCP有了明显降低,能得到理想的DVH曲线,放射治疗计划质量更高.

基于竞价的日发电计划混合智能优化算法

针对电力市场下基于竞价的日发电计划的特点 ,提出一种充分结合遗传算法和排队算法各自优点的混合智能算法。该算法利用遗传算法在求解离散组合优化问题上的强收敛性和鲁棒性进行机组优化组合 ,利用排队算法的简洁性和快速性进行经济功率分配。同时 ,利用基于专家知识的免疫遗传算法来提高机组优化组合的计算速度。通过对某实际电力市场基于竞价的日发电计划的计算和分析 。

逆向优化算法在宫颈癌三维近距离放疗计划制定中的应用

目的探讨逆向优化算法(IPSA)在宫颈癌三维近距离放疗计划制定中的应用价值。方法在60例宫颈癌患者的CT图像上分别完成两种IPSA计划(IPSA1、IPSA2)及正向图形拖拽优化(GRO)计划,其中IPSA2较IPSA1增加了最大体积剂量这一限制函数。分析3种不同计划及不同优化函数对剂量学的影响。结果与GRO计划比较,IPSA1计划提高了靶区覆盖度(D_(90)、D_(100)、V_(100))(P<0.05)。IPSA1与GRO的靶区剂量(V_(150)、V_(200))比较,差异无统计学意义(P>0.05)。与IPSA1比较,IPSA2降低V_(100)、V_(150)、V_(200)、D_(90)、D_(100)及直肠剂量(P<0.05)。3种计划中,IPSA1计划所需时间最短(P<0.05)。结论在宫颈癌三维近距离放疗中,IPSA可以改善正向算法的剂量学结果,并可减少制订计划所需的时间。IPSA可通过限制最大表面剂量降低靶区内高量,但不宜限制最大体积剂量。

一种调强放射治疗逆向计划多目标混合优化方法研究

针对调强放射治疗(IMRT)逆向计划的优化问题,提出了基于L-BFGS和Pareto最优解的多目标遗传算法———NSGA-Ⅱ算法的调强放射治疗计划多目标混合优化方法。根据IMRT对多个目标的剂量约束条件,建立了多目标优化的简化及精确的数学模型。为了加快优化速度,首先采用L-BFGS算法求解简化模型,并将其作为精确模型的初始解;然后采用NSGA-Ⅱ算法对精确模型求解来获得分散性良好的Pareto最优解集,使临床医生能根据各个目标的剂量体积直方图等加以决策,以便从中选择合适的治疗方案。实验结果表明,采用上述方法得到的非劣解在目标空间中分布均匀,计算速度快,鲁棒性好。与常用的将该多目标优化问题通过加权求和转化为单目标优化问题加以求解相比较,由于该方法提供了Pareto最优解集合提供给决策者选择,因此具有更强的灵活性,能更好地满足临床的实际需要。

遗传算法用于IMRT逆向计划优化

调强放疗(IMRT)是一种先进的适形放射治疗方法,能提高放射治疗的治疗增益比,促进肿瘤的局部控制。

遗传算法用于IMRT逆向计划优化

调强放疗(IMRT)是一种先进的适形放射治疗方法,能提高放射治疗的治疗增益比,促进肿瘤的局部控制。

基于改进的粒子群算法的多目标混合流水车间调度研究——评《粒子群优化算法及其在电力电子控制中的应用》

生产计划问题是指为达到特定性能标准,对可共享的资源进行配置和对生产作业进行顺序安排。混合流水车间计划问题在冶金、石化、国防等行业具有很好的实际运用前景,是一种通用的流水作业调度问题和并行作业问题的扩展,具有多约束、多阶段、多目标、高非线性等特征。由于该问题具有较大的特殊性,难以采用常规的数学规划方法来解决。

基于混合遗传算法的生产计划的双目标优化

制定科学的生产计划,是企业生产经营活动正常、均衡、持续进行的前提。为了解决实际生产中的生产计划问题,针对间歇式的生产系统,文章给出了一个双目标混合整数规划模型。并采用基本GA与FFD近似算法相结合的混合遗传算法进行求解,从而有效地解决了这一类问题。此模型解决思路和方法适合多产品的生产型企业使用。

免疫禁忌混合智能优化算法在配电网检修优化中的应用

从配电网设备检修计划编制的实际需要出发,建立了考虑多种约束条件、以配电网经济性最好为目标的检修计划优化模型。针对该模型的特点,提出了一种充分结合免疫算法与禁忌搜索算法优点的混和优化策略,该策略针对配电网检修计划优化问题的特点设计了3种疫苗,并且构造了2阶段变异,在优化前期使用禁忌搜索变异算子,而在优化后期恢复为一般变异算子,从而保证了算法的快速收敛。通过实际计算和分析,验证了文中所提出模型和算法的正确性和实用性,以及与遗传禁忌混合智能算法相比的优越性,实例计算结果表明本文所采用的方法是有效的,免疫禁忌混合智能算法在收敛速度,爬山能力,解的质量和稳定性上都要优于遗传禁忌组合算法,更适合求解配电网检修优化问题。

电力市场下日无功计划优化模型和算法的研究

针对电力市场下无功辅助服务的特点,提出了计及无功费用的日无功计划数学模型,并应用一种充分结合免疫原理和遗传算法各自优点的混合优化策略来求解该模型。该算法模拟免疫系统中抗体的自我平衡机制,调节遗传算法中个体浓度的抑制和促进;利用免疫记忆功能,实现了优良基因片的重组,提高遗传算法的总体搜索能力。依据抗体结构的可变区和稳定区,该文提出基于有效负荷变化指标的专家知识来对个体的基因进行修补,使遗传算法的优化过程具有指导性。IEEE30节点系统的计算和分析表明了该文所提出模型和算法的正确性和实用性。

矿山短期生产计划优化的多目标遗传粒子群算法

针对露天矿山生产的基本特征及短期生产计划的编制要求,从露天矿山的品位及经济成本最小化的角度出发,构建了露天矿短期生产作业计划优化模型。以MATLAB软件为平台,采用遗传粒子群混合智能算法对模型进行求解。以某石灰石露天矿为工程背景进行研究,将研究结果与露天矿实际生产指标进行对比验证。结果表明:该模型适用于露天矿短期采掘作业生产计划的编制,优化结果保证了矿山生产作业出矿品位、出矿量及生产利润三者之间的平衡,有利于提高矿山的经济效益。

基于电力系统日发电计划的混合智能messy遗传算法

机组组合是电力系统日发电计划中主要的优化任务,在满足各种约束条件下求得全局最优解是一个比较困难的问题。传统遗传算法的二进制编码和随机遗传操作不适合于求解大规模机组组合问题。针对电力系统日发电计划的特点,提出了一种混合智能messy遗传算法(HIMGA),该算法实现简单,大大减小了求解问题的规模,保证了群体的多样性,提高了算法的搜索效率,改善了算法的收敛性。仿真计算结果表明了该算法的有效性和实用性。

基于交替迭代遗传算法的多级车间生产计划与调度的集成优化

为了提高多级生产系统的运作效率,研究了一类多周期的多级车间生产计划与调度的集成优化问题,该生产系统由一级混批Job-shop车间和一级混流装配车间串联而成.首先建立了该类集成优化问题的混合整数规划模型,该模型从上下游生产车间的需求关系出发,综合考虑上下游车间的物料平衡、设备负荷以及开工位置等约束条件,同时满足优化上下游生产线的费用目标.然后提出了一种交替式混合遗传协调优化算法求解该集成优化问题,其主要思想是给定计划用一种混合遗传算法求调度,反过来给定已求调度用另一种混合遗传算法求取新计划,如此不断交替使用2种混合遗传算法实现计划与调度的同时优化.仿真结果证明了该方法的可行性和有效性.

遗传算法在放射治疗计划射野参数优化中的应用

随着调强放疗和逆向治疗计划的发展,在放射治疗中如何自动选择射野参数受到广泛的关注,由于遗传算法具有搜索速度快,搜索空间广的特点,在放射治疗计划参数优化中得到了越来越多的应用,本文在积极跟踪国内外最新文献的基础上对常规优化算法的优缺点进行了比较,并重点介绍和讨论了遗传算法在优化射野参数方面的应用和发展。

混合改进人工鱼群算法逆向回收车辆路径问题的研究

以电子废弃物回收为例,考虑车辆路径问题(VRP),以运输成本、时间窗下的惩罚成本和碳排放成本最小为目标,构建多目标VRP非线性规划模型,并提出用混合改进人工鱼群算法对该模型进行求解。在确定初始人工鱼群规模前引入ε-约束法,实现人工鱼群规模的自适应生成并加快算法收敛速度。通过对人工鱼群算法视野、步长及拥挤度因子的自适应改进以改善算法易陷入局部最优解的缺陷。利用算例仿真实验验证设计的混合改进人工鱼群算法在求解精度和收敛速度上的优越性。结果表明,该算法具有较强的全局寻优能力,能有效地解决逆向回收车辆路径优化问题,可为电子废弃物逆向回收车辆路径规划提供参考建议。

双渠道动力电池回收模式下可持续逆向物流网络优化模型

为将可持续发展理念纳入动力电池回收管理工作中,构建一个考虑动力电池双渠道回收模式的多目标数学模型,为废旧动力电池回收处理设计考虑经济、环境和社会三者平衡发展的可持续逆向物流网络。模型考虑了价格竞争和回收宣传的影响,同时,将多目标函数进行标准整合,设计了改进混合协同进化遗传算法对模型求解。最后通过算例分析了模型及算法的有效性,并对参数进行敏感性分析。研究结果表明:多目标决策模型与单目标优化模型相比,能有效促进经济效益、环境效益和社会效益的协调发展;回收渠道的竞争行为会引起厂商的选择变化,且竞争强度的持续增加将导致各指标的下降;不确定置信度水平的增大可引起可持续目标的持续增加,销售商置信水平的增加会引起备选厂商选择数量的减小。

日无功计划优化模型和算法的研究

根据实际无功电压管理工作的需要,建立了日无功计划数学模型。应用一种充分结合粒子群优化算法和遗传算法各自优点的混合优化策略来求解该模型,提出将遗传算法中的变异原理引入传统粒子群优化算法,以弥补粒子群优化算法全局搜索能力较弱的欠缺,充分发挥两种算法的优点,改善优化的性能。对北京市电网的计算和分析表明了本文所提出模型和算法的正确性和实用性。

基于统一结构的并行混合放疗计划优化策略

为了满足适形调强放疗对治疗计划逆向优化计算的需要,针对靶区定义的复杂情况构造了新的目标函数.以模拟退火算法和遗传算法优势组合为例,研究了逆向放射治疗计划并行混合优化策略,给出了基于统一结构的并行广义邻域搜索混合优化算法,并在多CPU、多核计算机上实现了这一算法.描述了用该并行混合优化算法计算的数字体模和5个临床病例的例子,获得了满意的结果.结果表明,这种优化算法有效、实用,为开发新型并行混合优化算法建立了平台,为把商业化的三维适形放疗计划系统进一步发展为生物导向的放疗计划打下了基础.