精英非支配排序算法与改进粒子群算法相结合的储能优化配置

储能系统的选址定容在接入新能源的电力系统中具有重要意义,合理选择储能容量可以很好地平抑风电接入后的系统有功功率波动,同时减少能源浪费。提出了一种混合智能优化算法(hybrid intelligent optimization algorithm,HIOA),以电压偏差、负荷波动最小及最少储能配置容量为目标进行优化配置。该算法将多目标粒子群算法改进后(IMOPSO)与精英非支配排序算法(NSGA-II)结合,与常规多目标粒子群算法相比,大幅提高了算法的寻优性能,保证了Pareto解的多样性和分布性。通过非支配排序求解获得Pareto最优解集,采用逼近理想解排序(technique for order preference by similarity to an ideal solution,TOPSIS)选出储能的最优接入方案。通过IEEE-33节点测试系统的仿真实验验证了算法的准确性及有效性,在求解配电网储能选址定容问题中有很好的收敛性和全局寻优能力。

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。

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。

考虑机器检修的圆钢热轧批量调度算法

针对圆钢的热轧批量调度问题,考虑实际生产中的机器检修计划对批量连续性加工的影响,以最大化产能利用率、最小化机器调整时间和订单提前拖期为优化目标,建立了多目标的整数规划模型,并提出改进的带精英策略的快速非支配排序算法对模型进行求解。算法结合问题的约束特征,采用改进的NEH算法生成初始解,并采用罚函数的思想设计适应度函数,对种群中存在的不合理解设计修复规则进行修复;针对遗传进化过程,设计了遗传操作方式,并在算法迭代过程中嵌入基于有限搜索范围的邻域搜索算法,避免算法陷入局部最优。实验结果表明,模型和算法对问题的描述和求解是可行有效的。

NSGA-Ⅱ算法的改进策略研究

带精英策略的非支配排序遗传算法(NSGA-Ⅱ)在多目标优化领域具有广泛的应用,但该算法种群收敛分布不均匀,全局搜索能力较弱,算法运行速度较慢。针对这些局限性提出了改进的排序适应度策略、算术交叉算子策略、按需分层策略和设定阈值选择策略。在典型的测试函数集上的数值实验结果表明,根据这些策略改进的算法得到的非劣解集具有较好的分布性,同时收敛速度更快。

基于个体邻域的改进NSGA-Ⅱ算法

带有精英策略的非支配排序遗传算法(NSGA-II)是在NSGA的基础之上,提出拥挤度和拥挤度比较算子,代替了需要指定共享半径的适应度共享策略,是解决多目标优化问题的经典算法之一。但是NSGA-II算法在保持种群多样性时采取的拥挤距离排挤机制有着pareto前沿分布不均匀的缺陷,因此,提出一种基于个体邻域的改进NSGA-II算法SN-NSGA2。SN-NSGA2将密度聚类算法DBSCAN中邻域的思想应用到排挤机制中去,提出一种个体邻域的构建方法,采用相应的淘汰策略去除个体邻域中的其他邻居个体。实验结果表明相对于NSGA-II算法来说,新算法求出的pareto解集有着更好的分布性以及良好的收敛性。

基于遗传算法的汽车磁流变减振器多目标优化

为满足汽车半主动悬架系统的功能需求,宜设计具有大阻尼力调节范围、低能耗、响应迅速的磁流变减振器。本文中分别以磁流变减振器线圈耗能功率和响应时间为目标函数,以输出阻尼力和磁流变减振器阻尼通道处磁感应强度为约束条件,建立了磁流变减振器多目标优化模型,采用带精英策略的非支配排序遗传算法,获得了磁流变减振器多目标优化的最优Pareto解集。结果表明:多目标优化不仅能满足阻尼力可调范围的工程需求,且线圈功率损耗大大减小,响应时间明显缩短,为汽车磁流变减振器的结构优化提供了有效方法。。

考虑学习效应的单人作业车间多目标调度算法

为减少受学习效应影响的单人作业车间的最大完工时间和工人行走时间,建立了考虑依赖加工时间和的学习效应的单人单工序多机车间调度模型,提出考虑学习效应的多目标贪婪算法(MOGL),融合了带精英策略的非支配排序遗传算法(NSGA-Ⅱ)与基于贪婪的邻域搜索,构造了迭代多目标遗传算法(IMOGA),并基于MOGL设计了初始解集。设计实验评估了IMOGA的性能,使用Hypervolume指标比较了IMOGA与传统算法。结果表明,IMOGA可以有效求解该问题,对初始解集的改进和基于贪婪的邻域搜索可以有效提高NSGA-Ⅱ的性能。

基于改进遗传算法电动汽车变速器参数设计与优化

为增加纯电动车行驶里程,以某款只匹配主减速比的纯电动物流车为原型,改为两挡传动比配置,对传动比参数进行优化以提高电机工作效率。通过Cruise与Isight联合仿真,利用2种改进遗传算法优化得到2种不同方案。利用多岛遗传算法(MIGA)优化获得经济性最优方案1,利用带精英策略的非支配排序遗传算法(NSGA-Ⅱ)优化获得兼顾经济性和动力性的方案2,为电动汽车变速器设计与速比优化提供了参考。

基于改进NSGA-Ⅱ算法的港口堆位分配问题研究

散杂货港口堆位分配问题是一个典型的组合优化问题。在对此问题分析和建模的基础上,采用NSGA-Ⅱ算法进行求解。针对问题搜索空间大、约束条件复杂等特点,对传统NSGA-Ⅱ算法进行了改进,以提高算法的处理效率、收敛性和多样性。应用Java编程语言,融合JESS推理机,进行了改进NSGA-Ⅱ算法的仿真研究。

NSGA-Ⅱ遗传算法在抑制电网谐波中的应用

多目标优化问题在科学和工程等领域是一个热点问题,同时也是研究的一个难点。第一代非支配排序遗传算法NSGA在多目标领域中显示出较大的优势,但是随着应用范围的不断拓宽,其缺点就不断地暴露出来。为了更好地解决多目标优化问题,在NSGA的基础上,研究人员提出了带精英策略的非支配排序遗传算法NSGA-Ⅱ。本文将NSGA-Ⅱ应用在滤除电网谐波的无源滤波器的设计中。经过对某铝厂电网谐波的分析,对初期投资成本和各次单谐波支路的滤波率进行约束。结果表明,该方法不但可以有效滤去大量的电网谐波,还能对初期投资成本进行很好地控制。

非并网风氢互补系统的容量多目标优化

为解决用最少经济成本使风电场输出功率可最好地满足负荷问题,该文提出以风力机、制-储-燃氢装置的总安装成本、负荷缺电率LPSP(loss of power supply probability)和风氢互补系统输出功率波动率FPP(fluctuation of power probability)为指标的容量配置方案。利用某地区一天的风速及负荷,在Matlab中编写基于精英非支配排序遗传算法NSGA-Ⅱ(elitist non-dominated sorting genetic algorithm)的多目标函数优化程序,对风电机组、电解槽-储氢罐-燃氢燃气轮机系统进行最优容量配置,得出优化组合方案。优化后的互补系统可有效保证其经济性和供电可靠性。

多阶段多目标动态测试资源分配算法

为准确反应软件测试过程中的动态特征,建立一种多阶段多目标动态测试资源分配模型。通过计算不同测试阶段的模块参数和可用测试资源,实现每个测试阶段最小剩余错误总数和最少测试资源消耗。设计一种基于带精英策略的非支配排序遗传算法(NSGA-Ⅱ)、参数估计、种群重新初始化和约束处理的多阶段多目标动态测试资源分配算法。实验结果表明,所提模型和算法得到的测试资源分配方案的数量和质量明显优于动态单目标和静态多目标方法。

基于Dynaform与RBF-NSGA-II算法的冲压成形工艺参数多目标优化

为了解决冲压成形工艺多目标优化问题,提出一种基于Dynaform与智能算法融合的多目标优化方法。以空调压缩机壳冲压成形为例,以减小最大减薄率和最大增厚率为优化目标,建立CAD模型并利用有限元分析软件Dynaform进行冲压成形数值仿真,映射其物理过程;采用田口正交试验法进行冲压成形仿真试验安排,并对试验结果进行极差和方差分析,综合评估冲压过程中冲压速度、摩擦系数、压边力、板料厚度和模具间隙对冲压成形质量的影响程度和影响规律;利用仿真试验数据训练径向基函数(RBF)神经网络,结合带精英策略的非支配排序遗传算法(NSGA-Ⅱ)获得Pareto最优解集,进而通过逼近理想解排序法(TOPSIS)评价筛选出最优工艺。利用Dynaform对所得最优工艺进行有限元分析,验证方法的有效性。

多目标优化算法在军事物流系统中的应用

分析了军事物流的特点,引入了带精英策略的非支配排序遗传算法(Nondominated Sorting Genetic Algorithm Ⅱ,NSGAⅡ),并通过该方法对假设的问题进行计算,证明了此方法的可靠性。

基于改进SA-NSGAⅡ的多波束卫星动态资源分配方法

多波束卫星作为地球静止轨道卫星移动通信的重要手段,能够实现远距离数据传输与通信交流。为了满足多样化的用户需求,需要考虑不同用户间的通信速率、频谱利用效率以及信道缓存等问题,这给卫星通信的动态资源分配带来巨大的挑战。就多波束卫星缓存限制下的用户满意度和频谱效率优化问题,提出一种基于可行域边界投影的模拟退火带精英策略的非支配排序遗传算法Ⅱ(simulated annealing-elitist non-dominated sorting genetic algorithm,SA-NSGAⅡ)。所提算法采用投影法将可行域外的迭代点投影到可行边界,实现历史优化信息的有效保留,进而提高非支配排序遗传算法(non-dominated sorting genetic algorithm,NSGAⅡ)的优化效率。仿真实验结果表明,所提算法不仅能够将用户缓存控制在规定门限内,还能有效提高用户满意度和优化频谱效率。

失效情景下考虑拥堵及偏好的多式联运路径选择

为保障集装箱运输的经济性,有效规避新冠疫情所造成的风险和损失,助力交通运输业绿色低碳发展,提出失效情景下以多式联运经营人利润最大和运输碳排放总量最小为目标的多目标0-1规划模型。模型不仅考虑节点及路径失效的不确定性,还考虑失效后的拥堵及托运人偏好等影响路径选择的因素。采用蒙特卡洛方法(Monte Carlo method,MCM)结合带精英策略的非支配排序遗传算法(elitist non-dominated sorting genetic algorithm,NSGA-Ⅱ)的混合算法(MCM-NSGA-Ⅱ)对模型进行求解,并以武汉到柏林的集装箱运输为例验证模型及算法的有效性。研究结果表明:托运人偏好、失效及失效后的拥堵会对运输方案的利润、碳排放量、时间产生影响,从而改变帕累托最优运输方案。研究可为制定并优化多式联运方案提供决策支持。

考虑技能学习差异的多工人协作柔性车间调度

在考虑工人技能学习差异的基础上,为解决多工人协作柔性车间调度问题,提出了基于稀疏邻域带精英策略的快速非支配排序遗传算法(Non-dominated Sorting Genetic AlgorithmⅡ,NSGA-Ⅱ)的调度方法。对考虑技能学习差异的多工人协作柔性车间调度问题进行了描述,以车间工人学习能力为背景改进了DeJong学习模型,并建立了多工人协作柔性车间调度的多目标优化模型。在NSGA-Ⅱ基础上,引入了邻域稀疏度的选择方法,有效保留了信息丰富和多样化的染色体,并将稀疏邻域NSGA-Ⅱ应用于柔性车间调度问题求解。经实验验证,稀疏邻域NSGA-Ⅱ所得Pareto解集质量高于标准NSGA-Ⅱ和自适应多目标进化算法(Multiobjective Evolutionary Algorithm Based on Decomposition,MOEA/D),最短调度方案的完工时间为127.1 min,该方案满足逻辑和时间等约束。实验结果验证了稀疏邻域NSGA-Ⅱ在柔性车间调度中的优越性。

内置式永磁游标轮毂电机结构参数多目标优化

外转子内置式永磁游标电机采用了磁调制原理,其内嵌永磁的结构能够提供额外的磁阻转矩,在低速大转矩方面有显著优势。研究了V形内置永磁游标电机,针对其磁路结构复杂、电磁参数多、不同性能指标之间难以平衡的问题,选取电磁结构参数作为优化对象,采用有限元的计算方法建立了BP神经网络代理模型,并利用NSGA-Ⅱ进行多目标优化,电机转矩和铁心损耗的优化率均达到10%以上,验证了多目标优化算法在内置式永磁游标电机设计方面的优越性。

电磁感应线圈发射子弹系统优化设计

电磁发射子弹具有速度可调、响应时间短的优势,在防恐、维稳等方面具有重要的应用潜力。针对目前电磁轨道发射子弹存在的出膛初始扰动大、出膛后气动外形变化的问题,该文提出采用非接触式线圈发射子弹的方案,克服了轨道发射初始扰动和气动外形变化的难题。通过建立线圈发射子弹的动态发射模型,并结合带精英策略的非支配排序遗传算法(NSGA-Ⅱ)建立线圈发射子弹系统的优化设计模型。提出分步优化设计思想,在满足子弹预定能级要求的前提下,以线圈发射装置长度和发射效率为优化目标,实现了对包括线圈截面参数、子弹结构参数、脉冲电源初始电压和触发时序等多个设计变量的优化设计。优化结果表明:若以两个指标平均值最小为优化目标,则装置最短长度为0.123m,对应发射效率为4.89%。