用于约束优化的简洁多目标微粒群优化算法

本文提出了一种少控制参数的约束多目标微粒群优化算法.该算法利用关于微粒全局和个体最优点的高斯分布来更新微粒的位置,无需设置惯性权重和学习因子等控制参数;利用非可行储备集保存所得非可行解,给出一种改进的储备集更新方法;为均衡微粒对未知可行域和已知可行域的开发/探索能力,提出一种线性递减策略,用来分配微粒从非可行储备集中选择全局最优点的概率.最后,实验验证了所提算法的有效性.

基于改进粒子群优化算法的约束多目标优化

针对约束多目标优化问题,提出一种改进的粒子群优化算法,采用距离量度和自适应惩罚函数相结合的约束处理技术,通过可行解比例有效均衡目标函数和约束条件,提高算法的边界搜索能力。定义新的k最近邻聚集密度,保持解集分布性,并将聚集密度和轮盘赌选择相结合选取全局最优粒子。仿真结果表明,该算法在Pareto解集均匀性及逼近性方面均具有优势。

用于约束多目标优化问题的混合粒子群算法

针对约束多目标优化问题,结合Pareto支配思想、锦标赛选择和排挤距离技术,采用双种群搜索策略,引进免疫机制,对传统的粒子更新策略进行改进,提出一种用于求解约束多目标优化问题的混合粒子群算法。通过4个标准约束多目标函数进行测试,测试结果表明,该方法有效可行,相比传统多目标优化算法更优。

多目标度约束最小生成树的蚁群优化算法求解

多目标最小生成树问题与度约束最小生成树问题分别是网络优化中两个NP难题,在实际中一直有着重要的应用.本文针对同时考虑多目标和度约束情况下的最小生成树求解问题,采用蚁群优化算法思想,设计了一种求解方案,并在计算机上用Delphi予以实现.经大量数值算例求解测试,验证了算法的有效性和可行性.

基于离散粒子群算法的多约束多目标优化

利用粒子群算法(PSO)提出了一个新的粒子编码方法,并将其用于高校排课问题。通过对某高校的排课数据进行测试,结果表明,本文所提出的改进PSO算法对于解决高校排课问题的优化是有效的,对其它多目标问题地求解也有借鉴意义。

改进的粒子群优化算法实现多目标智能组卷

通过对粒子群优化算法和智能组卷策略的研究,建立了组卷的数学模型,阐述了基本粒子群优化算法的主要思想,提出了改进的粒子群优化算法适应度函数的设计方法和粒子迁移算法,实现了将一次多目标组合优化问题转换为多次单目标组合优化问题。

多目标粒子群优化的复合型组播拥塞控制

为提高异构环境下大规模动态组播的吞吐量并减小速率抖动,提出一种复合型组播拥塞控制机制(composite multicast congestion control,CMCC).该机制在基层和增强层使用不同的速率调节方案:基层使用单速率机制控制发送速率,防止接收能力较弱的接收端被"排挤"出组;增强层使用最优化的方法分配速率以提高组播吞吐量并平滑发送速率.CMCC以最大化全局满意度和最小化速率抖动为目标将增强层速率的分配归纳为多目标优化问题,并选用收敛速度快、参数少且计算量小的多目标粒子群优化算法搜索最优解.仿真结果表明,CMCC能有效提高组播吞吐量,平滑发送速率,且计算量小,实时性高,适用于具有异质接收端的大规模组播.

考虑群组预维修的多目标柔性作业车间调度

柔性作业车间系统能满足社会对个性化、小批量及定制化产品的需求,该车间系统具有设备众多、工艺路线复杂、故障频次多等特点,但目前只是采取单机预防性维修策略来避免设备故障,势必会增加维修次数和维修成本,影响生产活动。针对传统单机预防性维修带来的问题,提出将群组预防性维修策略应用于柔性作业车间系统,并建立了群组预防性维修和多目标柔性作业车间联合优化模型。为了克服传统算法局部搜索能力不足的问题,设计了一种新的多目标进化算法求解多目标柔性作业车间调度问题,并展示了如何在柔性作业车间系统应用群组预防性维修。实验结果表明:所设计多目标进化算法能求出更多的最优解,具有更快的收敛速度,且能收敛到更优目标值;群组预防性维修比单机预防性维修的维修次数更少,维修成本更低,对生产活动影响更小,算例结果显示群组预防性维修相比于单机预防性维修在维修次数和维修成本方面均降低了150%;对将群组预防性维修策略应用于半导体代工厂生产设备的维修进行了展望。

基于约束骨干粒子群算法的化工过程动态多目标优化

大多数化工过程是动态过程,需同时优化多个目标,从而带来复杂的约束多目标动态优化问题。因此提出了一种动态约束多目标骨干粒子群算法,即采用一种新型约束处理方法,结合Pareto支配和ε约束支配技术的双档集机制;针对约束优化问题寻优难度更大,更易陷入局部最优的特点,采用局部搜索和混合变异策略,并自适应调整搜索步长,提高算法的探索和开发能力;采用分段线性函数参数化方法,构建一种动态约束多目标粒优化算法,并将其用于解决间歇反应器的动态多目标优化问题。测试实验表明:与NSGA-II和自适应差分进化算法(SADE-εCD)比较,该算法具有更优秀的收敛性与分布性;应用到化工过程多目标动态优化问题实例进行比较表明,多目标骨干粒子群算法在约束多目标动态优化问题的求解中表现出更好的应用前景。

基于粒子群灰狼混合算法的多目标约束优化问题求解

近年来,多目标优化问题引起了广泛关注,其求解目标多、目标函数复杂,当前方法通常将所有目标加权后求解,但这些方法会造成解集缺乏准确性.针对上述情况,本文首先根据目标分解的框架:辅助目标和等价目标约束优化框架,该框架是将约束优化的问题分解为辅助目标和等价目标相结合的优化问题,同时动态调整所分解出的对应子问题的权值,使分解出的子问题求解趋向于等价目标求解.其次基于粒子群优化算法和灰狼优化算法的各自优势,提出参数自适应的粒子群灰狼混合算法,混合算法的优势集合了粒子群算法的收敛性快和灰狼算法的搜索过程多样性,从而提高粒子进化过程的准确性.通过IEEE CEC2017数据集测试的结果表明:在调参合适的情况下,获得的函数最优值个数多于乌鸦搜索、受约束的模拟退火、带约束的水循环等经典算法,在10D情况下,28个测试函数中11个测试函数表现最佳;在30D的情况下,12个测试函数表现最佳.

约束多目标粒子群算法在烧结配矿优化中的应用

针对钢铁生产的烧结配料过程中铁矿石价格变化大、矿石品位波动、烧结原料信息复杂、烧结配料约束繁多等对烧结配料成本的影响,提出了一种基于区域划分的约束多目标粒子群优化算法对烧结配矿进行优化.以国内某钢铁厂的实际烧结生产配料为例,构建烧结配料系统模型;为了协调全局探索和局部搜索的关系,将自适应角度划分策略融入约束评价准则,结合区域分布提取局部最优解信息,同时引入双外部存储集机制,维护种群多样性;通过标准函数集的测试,验证了所提算法的有效性.该算法应用于配矿过程中,能够兼顾成本与全铁含量,有效降低了烧结配料的成本,对烧结铁矿石资源的综合利用及质量保证具有重要意义.

一种约束多目标优化问题的改进蚁群遗传算法

该文针对多目标蚁群遗传算法(MOAGA)解集边界分布不均的问题,提出改进算法,解决了连续空间中带约束条件多目标优化问题。改进算法在基本MOAGA算法的基础上,在选择中引入一定比例的边界决策、单目标最优决策,并提高边界决策的交叉率。实验证明,改进算法解决了基本算法解集分布边界疏中间密的问题,并且能更快的获得散布性较好的Pareto最优解集。

基于多群组均衡协同搜索算法的电动汽车充放电多目标优化

大规模电动汽车无序充电将会给电网安全运行带来巨大压力,合理利用V2G(vehicle to grid)技术制定最优充放电策略可以有效改善电网运行状况。在满足电动汽车充电需求的基础上,基于经典电池损耗模型和分时电价,以日负荷曲线波动最小和计及电池放电成本的用户充电成本最小为目标建立了电动汽车充放电多目标优化模型,采用多群组均衡协同搜索算法(EMGSS)进行帕累托前沿和最优折中解的求取,以滚动优化的方式满足综合考虑日间/夜间不同的随机的充电需求并进行优化计算,最大限度地实现电网侧和用户侧的双赢。通过仿真案例验证了该模型可以有效地平抑日负荷曲线波动并且降低用户充电成本。

基于离散度多目标粒子群重频组优化算法

针对重频组优化需考虑的解模糊、抗盲区、抗虚影等因素,提出了一种基于离散度的多目标粒子群重频组优化算法;针对雷达重频组优化问题,以最小化虚影产生率、最小化盲区、最小虚影为目标综合设计重频组,提出基于改进MOPSO重频组优化算法,求解出雷达重频组的最优pareto前沿,并引入灰色关联度用于折中解的选择,最后通过仿真验证了改进MOPSO重频组优化算法在寻优能力、收敛性、减少盲区能力、抗虚影能力和解模糊能力方面均优于传统MOPSO算法。

基于改进粒子群的重频组多目标优化算法

针对传统目标优化算法存在优化目标较为单一的问题,提出基于改进粒子群的重频组多目标优化算法。该算法以传统粒子群算法为基础,使用混沌理论改进粒子群算法结构,结合多目标协同优化,实现了重频组在多个方面综合性能的提升。仿真实验结果表明,该算法能够提升雷达系统抗盲区性能,有效减小了因回波错误互相关产生的虚影。

多种群约束多目标优化算法的资源分配指标设计

本文研究基于多种群的约束多目标优化算法的种群间资源分配问题。本文提出了一个新的指标来衡量种群资源的合理分配。所提出的指标根据不同种群的变化及进化代数,为不同种群分配进化资源。它根据种群中理想点和最差点的变化,来衡量该种群的变化。所提出的指标被嵌入到一个先进的多种群约束多目标算法。在实验中,通过在20个基准函数的数据实验,本文展示了所提出指标可以有效地为不同种群分配资源。

基于多目标微粒群优化算法的土地利用分区模型

土地利用分区实质上是一个多目标的土地利用空间优化问题,将传统分区方法用于解决多目标优化问题明显不足。该文提出了一种基于多目标微粒群优化的土地利用分区模型,构建了土地利用分区的属性约束指标,提取4个能够体现土地利用分区目的及意义的目标函数,即分区间差异性最大区内相似性最强、空间分区集中连片、土地利用效益最大化、土地适宜性评价指数最高,同时考虑了土地利用分区图上最小图斑面积、用途区面积、用途转换规则3类约束条件,并详细阐述了算法的核心思想、编码策略、状态更新机制及其算子等内容,最后以湖北省宜城市为例,对模型的可行性和有效性进行验证,结果表明通过对目标的权重调控可以得到不同目标偏好的土地利用分区方案,该文所构建模型在土地利用规划实践中具有可操作性。

粒子群优化算法在多目标优化中的应用与仿真

该文结合经济多目标优化的实际问题,对粒子群算法的初始化进行了改进,在给定范围内进行初始化,并且对于复杂域约束优化问题,给出了其实现与仿真。

基于整数域改进粒子群优化算法的多平台武器目标分配

武器—目标分配(WTA)问题是军事运筹学中经典的NP完全问题,其模型为非线性整数规划模型,包含多种约束条件,求解复杂、收敛速度慢,采用改进粒子群优化(PSO)算法求解WTA问题。在建立WTA最优化分配模型的基础上,提出了一种针对多约束WTA问题的粒子编码方案及模型的适应度函数,解决了粒子的整数域初始化问题。采用粒子相似度函数,重新定义PSO算法中速度及距离概念,进而提出一种适用于整数规划的粒子速度更新算法及粒子寻优调整操作方案,提高了PSO算法的迭代效率及寻优能力。仿真结果表明,该算法计算快速有效,特别适合粒子群体规模较大时的WTA问题实时求解。

基于蚁群优化算法的线状目标简化模型

基于蚁群优化算法的基本原理,分析线状目标简化过程中所需满足的约束条件,建立具体的算法设计模型,并引入长期禁忌表和局部搜索策略以提高算法的运算效率,给出解题的关键步骤。最后对该算法进行测试,简化结果表明将蚁群优化算法用于线状目标的简化,能较好地保持线状目标的几何形状特征,在顾及长度偏差和矢量偏差的同时有较高的压缩率。与道格拉斯算法简化结果对比表明,在相同的几何限差内蚁群优化算法所得目标函数值更佳。