基于非劣排序遗传算法的三代轮毂轴承多目标优化

将某型轿车第三代驱动轮轮毂轴承作为研究对象,以疲劳寿命、磨损寿命、旋滚比为优化目标,引入惩罚函数处理约束条件,将原约束优化问题转化为极小化的无约束优化问题,采用带精英保留策略的非劣排序遗传算法(NSGA-II)进行轮毂轴承多目标优化。通过有限元仿真对优化前后的结构应力情况进行了对比。分析结果表明:在满足规定约束的条件下,提出的优化方案实现了3个目标函数整体性能的同时提升;内法兰、外法兰、内圈、滚珠的应力集中情况均有改善,模型整体最大等效应力较优化前降低8.61%。

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。

针对多目标优化的精英保留非劣排序遗传算法

遗传算法是模拟自然界生物进化过程的计算模型。作为一种有效的全局并行优化搜索工具,它具有简单、通用、鲁棒性强和适于并行分布处理的特点以及广泛的应用潜力。本文阐述了遗传算法的基本原理和方法,并着重介绍了一种改进的遗传算法———精英保留非劣排序遗传算法(NSGA-Ⅱ),并将其应用于化工中的多目标优化。

基于非劣排序的多目标优化免疫遗传算法

提出一种基于非劣排序的多目标优化免疫遗传算法。算法基于非劣排序对种群进行分类来评价个体的价值,在选择操作中引入个体浓度保持种群多样性。采用免疫克隆操作为产生新种群和算法实现全局搜索提供了基础,采用遗传种群与父代群体锦标赛竞争的方式保留最优解。仿真实验结果表明:算法在收敛性和分布性方面要优于NSGA-II算法。

基于非劣解排序遗传算法的航空煤油燃烧特性数值模拟分析

采用非劣解排序遗传算法对已有的航空煤油化学反应动力学机理进行优化。同时,通过引入醇类及苯类替代燃料,调整替代燃料组合比例,尝试模拟分析不同航空煤油的燃烧特性。将不同组合的替代燃料模拟结果与实际航空煤油实验燃烧数据进行对比分析,可知低比例正烷烃、高比例异构烃、配合部分芳香烃以及微量含氧物质能够较好地反映部分航空煤油着火特性。最终,本研究得到的替代燃料组合由摩尔占比分别为25%的正十六烷(C16H34)、50%的异十六烷(IC16H34)、20%的甲苯(C7H8)和5%的正戊醇(C5H11OH)组成,该骨架机理仅包含102个物质和302个基元反应,能够准确描述6种不同航空煤油的燃烧特性。

基于非支配排序遗传算法的效果评价及程序测试

目的研究非支配排序遗传算法的多目标优化问题,并对其效果进行评价。方法采用4个标准测试函数对NSGA进行模拟测试。结果通过NSGA对测试函数的多目标优化,说明NSGA程序可靠,可推广应用到实际问题中。结论在保证多个目标都最优的前提下,NSGA搜索的Pareto非劣解比较理想,提供了可供研究者选择的Pareto非劣解方案。

计量自动化终端自动化检测流水线调度非支配排序遗传算法

为解决计量自动化终端自动化检测流水线调度问题,建立了以检定时间最短、检定成本最低、检定质量最好为目标的多目标混合流水线调度问题模型。通过对带精英策略的非支配排序遗传算法(NSGA-Ⅱ算法)的学习与设计,得到最优方案。与原有的以检定时间最短为目标的优化算法相比,NS-GA-Ⅱ可以在不增加检定时间的基础上,降低检定成本,并提高检定的质量。实验表明,NSGA-Ⅱ算法对解决计量自动化终端自动化检测流水线调度问题是有效的,具有工程意义。

基于遗传算法的ISG混合动力汽车参数优化

利用仿真软件CRUISE建立某一轻度混合动力汽车的仿真模型。以加速时间和100km油耗为优化目标,采用带精英策略的快速非支配排序遗传算法对其动力传动系统的速比参数进行优化。结果表明,优化后在满足汽车动力性设计指标的前提下,汽车在NEDC工况下的油耗降低了7.05%。

卷烟物流非劣排序遗传多目标优化配送策略

卷烟配送既要降低企业配送成本,还要考虑客户对配送的满意情况。在分别构建车辆路径优化模型和零售终端满意度评价模型的基础上,建立了单位周期内含时间窗的卷烟配送多目标优化模型。采用非劣排序遗传算法实现了模型的多目标数值求解,并引入了改进的拥挤距离,以提高种群的多样性。计算结果表明,非劣排序遗传算法可完成卷烟物流配送路径的多目标优化,能够提供多组可行的配送策略。

基于多目标遗传算法的柴电混合动力船舶功率分配优化

船舶在传统的柴油机推进模式时,低负荷下船用主机性能不佳,燃油消耗率高,燃烧质量差,在提高经济指标和减少排放指标方面遇到瓶颈。柴-电动混合动力推进形式能够通过合理的分配,有效降低燃料消耗和排放。针对混合动力船舶的动力结构,构建关于油耗和污染物排放的多目标优化模型。采用多目标遗传算法(NSGA-II)优化功率在主机和发电机间的分配问题,旨在所有目标之间进行折衷处理,尽量达到Pareto最优。选取某深水三用工作船的典型负荷进行优化计算和仿真验证,仿真结果表明优化后的结果能够兼顾排放性和经济性,提高船舶能效。

基于NSGA-Ⅱ的多目标遗传算法通用涡旋盘的优化设计

利用非劣排序遗传算法(NSGA-Ⅱ)对通用涡旋压缩机的动静涡旋盘涡旋体高度、涡旋盘主轴转角、涡旋型线基圆渐开角、涡旋型线基圆半径基本参数进行优化设计,使涡旋盘的径向气体力、切向气体力、倾覆力矩、自转力矩、能效比达到最优。给出了优化设计的遗传算法计算方法、数学模型、基于遗传算法数学模型、程序流程图、多目标优化结果。较其他优化方法,NSGA-Ⅱ能较好解决多目标非线性优化问题,最后用优化后的数据验证了该方法的有效性。

求解复杂混合流水车间调度的改进NSGAII算法

针对砂型铸造车间调度问题中同时存在单机处理、并行处理与批处理的情形,构建复杂混合流水车间调度问题并提出一种改进非支配排序遗传算法求解上述问题。首先,以最小化最大完工时间和总能量消耗为优化目标建立线性规划模型,针对工序特征提出启发式解码规则。其次,提出了基于非支配的交叉对象匹配机制提升可行解的多样性,提出了基于区域中心的贪婪变邻域搜索机制提升可行解质量。最后,对改进算法进行了仿真,证明了算法的有效性。

基于遗传算法BP神经网络的多目标优化方法

为了解决多目标优化过程中解难以客观评估的问题,提出了基于遗传算法改进BP神经网络的多目标优化方法。首先针对遗传算法的不易收敛,局部最优等缺点,提出了改进的并行混合非劣分类遗传算法,然后将改进的遗传算法与BP神经网络融合,对多目标问题进行求解,利用遗传算法的全局优化和BP神经网络的局部优化能力,快速有效的解决多目标优化问题。

聚类和NSGA-Ⅱ联合算法在混合流水车间的应用研究

为了改善某高端装备制造企业总装车间混流生产调度困难、批处理阶段产品组批困难的问题,以及实现车间多个目标的同步联合优化,研究了含批处理机的混合流水车间多目标优化问题。首先根据车间运行情况建立了多目标优化模型,之后提出了基于K-means聚类算法和非支配排序遗传算法(NSGA-Ⅱ)的联合方法,设计了能够对不相容产品进行分组的聚类流程,以及基于产品组编号和组内产品编号的双层编码方式,为批处理工序设计了完整的组批流程。最后,使用车间生产案例进行测试,并将测试结果同仅使用NSGA-Ⅱ得到的结果进行对比,验证了所提方法的有效性。

基于多目标遗传算法和主成分分析的船型主尺度论证

为了解决船舶方案设计中面临的方案生成和决策问题,引入多目标遗传算法和综合评价方法,将船舶主尺度确定转换为多目标优化和决策评价问题,使用第二代快速非劣解排序的多目标遗传算法(NSGA II),在一个迭代周期获得多个可行解,采用主成分分析方法对备选解进行综合评价,按照主成分得分给出比较排序。以一艘水面船舶在概念设计阶段的船型主尺度论证为例,数值结果表明所采用的方法是可行的且具有较好的适应性。

采用NSGA-Ⅱ混合智能算法的风电场多目标电网规划

风电并网在实现节约化石能源和减少有害气体排放等效益的同时,也将对电力系统的可靠性造成一定的负面影响。为达到投资经济性、系统可靠性、环保效果的整体最优,构建了多目标风电场接入的输电线路与电网的联合优化规划模型;针对目标权重未知、人工神经网络(artificial neuralnetwork,ANN)收敛困难、无法合理决策等问题,采用方差最大化决策和分类逼近理想解的排序方法(technique fororder preference by similarity to an ideal solution,TOPSIS)缩小最优解的范围,并在此基础上提出了随机模拟、神经元网络和非劣排序遗传算法II(non-dominated sorting geneticalgorithm II,NSGA-Ⅱ)相结合的混合智能算法;对增加风电场的改进IEEE Garver-6系统进行计算分析,结果表明该方法具有较高的决策效率和计算精度,从而验证了所提出模型和方法的合理性和有效性。

混合并行机调度问题的多目标优化模型及算法

针对生产工序的合并造成一种串并联共存的生产布局,研究了一种特殊的混合并行机调度问题,并考虑以最小化总流水时间和最小化总延迟工件数量为目标的多目标调度问题,建立了混合整数规划模型.针对模型特点,设计了一种改进的非支配排序遗传算法进行求解,采用基于启发式方法的初始种群生成方式以提高种群的质量和多样性,并引入一种局域搜索策略以改善求解算法所获得的非支配解的质量及分布性.通过对大量数值算例进行仿真实验,并与典型的多目标优化算法进行比较,结果表明所提出的模型和算法在收敛性、分布性及极端点质量方面均具有优势,能够较好的解决多目标混合并行机调度问题.

多目标演化算法在混合电动车设计和控制中的应用

以混合电动车 ( HEV)的性能仿真软件 ADVISOR为平台 ,应用一种高效的多目标演化算法——非占优排序遗传算法 ( NSGA-II) ,将一辆并联 HEV的百公里油耗和 HC,CO,NOx的排放等4个目标同时进行了优化 ,优化变量同时包含了部件尺寸参数和能源管理策略参数 ,得到了一组Pareto解 .针对该 Pareto解集的分析表明 ,在不牺牲动力性的前提下 ,NSGA- 大大提高了原车的经济性能和排放性能 ,并且为

混合蚁群算法求解双目标时间窗VRP

随着客户对服务水平要求的不断提高,带时间窗的车辆路径问题引起了越来越多的重视。以最小化总成本及最大化客户满意度为目标,建立了车辆路径问题的双目标整数规划模型。设计了混合蚁群算法求解该问题,设置精英蚂蚁策略分别探索两个目标函数,获得更好的非支配解。重新定义了自适应挥发因子平衡算法的局部和全局搜索能力,避免陷入早熟。以NSGAⅡ指导算法的双目标择优过程,并引入变邻域搜索算法来扩大搜索范围,以便于获得更好的Pareto解集。通过正交实验对算法参数进行调整,使用Solomon标准算例测试算法性能。实验结果表明,混合蚁群算法能有效解决带时间窗的车辆路径问题,求解性能明显提高。

基于混合NSGA2算法的生产调度优化

为求解生产调度方面的多目标优化问题,建立以总加工时间和总生产成本为目标的优化模型;通过将非支配排序遗传算法和粒子群算法相结合,构造了一种基于种群的混合算法;根据快速非支配排序提供的信息选取区域搜索的中心,并对附近解空间进行局部搜索,进一步增强混合算法的局部搜索能力;最后,运用混合算法对铜板带生产调度工程实例进行求解分析,得到铜板带生产调度问题的仿真结果和解决方案,结果表明改进的算法具有更好的Pareto前沿,从而验证改进的算法在求解多目标生产调度问题上的有效性。