一种新的自适应惩罚函数算法求解约束优化问题

提出一种新的自适应惩罚函数法,用来处理约束优化问题.这种方法根据当前群体中可行解的比例对目标函数和违反约束条件的程度作出合适的权衡,具有结构简单、参数少等优点.把它和一个简单的进化策略结合起来,得到了一种新的求解约束优化问题的进化算法.选取几个常见的测试函数对这种新方法进行了数值实验.结果表明,所提方法能够非常有效地处理各种约束优化问题,而且具有很强的稳健性;其性能优于或相似于一些尖端的算法.

基于AEA算法的自适应惩罚函数求解约束优化及其在丁烯烷化过程的应用

提出了一种基于AEA算法处理约束问题的自适应惩罚函数法。该算法通过统计迭代种群中个体对每个约束条件违反的次数,判定各约束的强弱地位,动态自适应地调整各个约束的惩罚系数,对于强约束给予较大的惩罚系数。同时对目标函数做出了相适应区分修改,使得可行解和不可行解的目标函数值出现一定的区分,目标函数项和惩罚项趋于平衡,避免了惩罚力度过大或过小,有利于算法前期快速进入可行解区域,后期寻找最满意解。通过标准测试函数试验结果与DE+AMP、SSaDE算法进行比较,表明了提出的方法具有良好的适用性以及全局优化性能,将该方法应用于丁烯烷化过程的约束优化,取得了令人满意的结果。

一种新的自适应惩罚函数在遗传算法中的应用

惩罚函数是遗传算法中解决非线性约束最优化问题最常用的方法之一.但传统的惩罚函数运用到遗传算法中往往难以控制惩罚因子,因此本文引进了一种结构简单、通用性强的新自适应惩罚函数,并证明了其收敛性.随后构建了基于新自适应惩罚函数的遗传算法,使得种群能快速进入可行域,并且提高了遗传算法的局部搜索能力.理论分析及仿真结果表明该算法具有参数少、稳定性强、收敛快等优点.

基于自适应惩罚遗传算法的给水管网优化设计

针对给水管网遗传优化设计中常规惩罚函数边界约束条件存在的问题,提出了一种能根据每代计算结果自适应调节惩罚因子的自适应惩罚遗传算法,并应用改进遗传算法寻求管网投资最小的设计方案.研究表明,应用该方法能够更有效地搜索最优解,可节约工程费用2.29%～12.01%,在工程优化设计中有一定的实用价值.

基于自适应动态惩罚遗传算法的桥梁监测无线测点优化研究

针对桥梁监测的无线测点优化布置问题,提出一种基于自适应动态惩罚函数的改进广义遗传算法。首先针对无线传感器数量固定和通信距离有限的典型特征将桥梁监测无线测点优化布置表达为约束优化问题,无线传感器的数量和极限传输距离作为优化问题的约束;其次构建了一种能够根据解的偏离程度和种群中高适应度个体数量自动调整惩罚力度的自适应动态惩罚函数;然后采用精英保存机制和末位淘汰策略对基于二重结构编码的广义遗传算法进行了改进;最后利用一大跨悬索桥对该方法进行了验证,并进一步讨论了自适应动态惩罚函数对解的有效性和收敛速度的影响。结果表明:提出的自适应动态惩罚函数能够根据种群的特征自动改变惩罚尺度,保证无线传感器之间的距离小于极限通信距离,同时将无线数据传输距离对桥梁监测信息获取的影响降到最低;改进的广义遗传算法具有很强的全局快速寻优能力,能够快速搜索到全局最优解,优化结果不仅能够满足无线传感网络数据传输距离的要求,还能最大化无线测点的信息获取能力。

基于改进遗传算法的土钉支护结构优化设计

为了在保证基坑稳定性和正常使用的条件下提高土钉支护结构经济性,建立土钉支护的优化模型,并对土钉道数、土钉长度、土钉入射角、土钉间距以及土钉直径和孔径等设计参数进行敏感性分析,在此基础上合理选择各个设计参数的取值范围,为土钉支护优化提供约束条件。针对传统的遗传算法在迭代过程中出现的适应度值标定方式复杂、过早的收敛到局部最优解和在最优值附近收敛速度慢等缺点,提出采用动态自适应技术和非标准的遗传操作算子改进遗传算法的新算法。通过实例分析表明,采用改进遗传算法进行优化不仅可以大大节省求解时间,而且能够得到满意的结果。

新产品开发合作伙伴的优化选择研究

研究新产品开发项目中的合作伙伴选择问题,用带有非线性目标函数的0-1整数规划模型对问题进行定量描述,在时间和成本约束下的最小化项目失败风险。模型的非线性和复杂性使其无法用常规方法进行求解,设计带有自适应惩罚函数的遗传算法对可行域和非可行域进行搜索,快速有效地获得最优解或近优解。

基于混合三角变异差分进化算法的平面稀疏阵列约束优化

针对旁瓣零陷凹面约束的稀疏平面阵列优化及算法早熟等问题,该文基于参数自适应的思想,提出一种混合三角变异差分进化算法。通过引入旁瓣零陷凹面约束矩阵,构建自适应惩罚函数,时变权重组合变异策略与交叉策略,提高算法前期全局搜索能力和后期收敛能力,最终实现峰值旁瓣电平和旁瓣零陷凹面的平面阵列约束优化。仿真结果表明,对比混合三角变异策略前的算法,该算法在完成稀疏阵列峰值旁瓣电平优化的同时,能在指定旁瓣区域完成零陷凹面设计,降低有源干扰影响。

考虑经济性评估的MMC型UPQC优化分配控制方法

新能源的接入导致非线性负载日益增加,进而引发配电网负荷端待补偿容量超出模块化多电平换流器型统一电能质量控制器(MMC-UPQC)并联侧补偿能力的问题。本文针对上述情况提出了两种对无功、负序及谐波电流补偿分量的优化再分配控制方案,即侧重优先治理的优先级分配控制方案和侧重综合治理的自适应惩罚遗传算法多目标优化分配控制方案,将电能质量事件平均经济损失的量化指标分别作为方案一优先级选定的标准及方案二中的权重系数。PSCAD/EMTDC环境下的仿真结果表明,两种方案均能在MMC-UPQC容量受限情况下对负荷端电流电能质量问题提供优化补偿。

动态自适应遗传算法在桩锚支护结构优化设计中的应用

在保证基坑稳定性的条件下,为了提高桩锚支护结构经济性,建立了桩锚支护结构的优化设计模型,并对其支撑道数、桩径、嵌固深度和混凝土强度等级等设计参数做了敏感性分析,在此基础上确定各个优化设计参数的合理取值范围,为桩锚支护优化提供了约束条件。针对传统的遗传算法在迭代过程中出现过早地收敛到局部最优解和在最优值附近收敛速度慢等缺点,提出了动态自适应技术改进遗传算法的新算法(动态自适应遗传算法,DAGA)。工程实例分析表明,动态自适应遗传算法不受设计空间可微性、连续性等限制,适合于求解具有离散设计变量的桩锚支护工程;不仅有较好的收敛性,而且在求解时间上具有一定的优势。

基于多目标进化的超限超重货物运输专列路径优化方法

针对超限超重货物运输专列路径优化问题,引入限界改造和桥梁加固要素,以铁路运能损失、运输时间和运输费用的最小化为优化目标,构建铁路超限超重货物运输专列路径优化模型;考虑专列同时运送多件超限超重货物的特点,设计货物综合投影算法,并以Pareto支配关系框架下的NSGA-Ⅱ多目标进化算法为基础,结合基于移动不可行解的自适应惩罚函数的约束处理技术及超限超重货物运输专列开行特征,提出一种基于多目标进化的铁路超限超重货物运输专列路径优化算法。实例分析结果表明:该方法能高效合理地处理路径优化任务中的多个目标;与常用的3种约束多目标算法相比,设计的优化算法能使计算耗时降低0.24%~29.94%、超体积指标值提高4.25%~13.11%,并得到一组收敛性和多样性更好的相对最优方案。该方法克服了传统专列路径优化中单纯依靠经验或从备选方案中择优的弊端,可为铁路超限超重货物运输专列路径决策提供技术支持。

一种基于MOEA/D的组合权重方法

为了准确地求解组合权重的组合系数,将基于分解的多目标进化算法(multi-objective evolutionary algorithm based on decomposition,MOEA/D)思想引入评估领域,提出一种基于MOEA/D的组合权重方法.通常,利用加权和法将组合权重模型转化为单目标模型时,模型加权系数难以准确确定.对此,引入MOEA/D算法的分解思想,将组合权重模型转化为多个单目标子模型.MOEA/D算法仅适用于无约束优化问题,而较为常用的惩罚函数法难以表达进化初期无可行解的情况,因而提出改进自适应惩罚函数(improved adaptive penalty function,IAPF),将组合权重模型转化为无约束优化模型.应用所提出方法与其他方法进行仿真实验,实验结果表明,所提出算法具有有效性.