非支配排序遗传算法-Ⅱ组合赋权的水体富营养化多维联系云评价

用基于非支配排序遗传算法-Ⅱ组合赋权法的非对称多维联系云模型对24个湖库水体的富营养化程度进行分级评价。结果表明,该方法可综合不同赋权理念的优势,量化权重组合过程的不确定性、不同权重的随机性及其与真实权重的一致性等多重模糊特征,同时能高效准确地寻优求解指标权重,并能适用于多种不同类型水体的评价。扩展的多维联系云也提升了计算效率,集成联系度定量表征了富营养化等级与指标间的多重模糊随机性,实现了对水体富营养状况及其变化趋势的精确评价。

基于自适应混合非支配个体排序策略的改进型NSGA-Ⅱ算法

针对经典快速非支配排序遗传算法(NSGA-Ⅱ)中基于拥挤距离的种群多样性保持策略不能客观反映个体间真实拥挤程度的问题,提出了一种基于自适应混合非支配个体排序策略的改进型NSGA-Ⅱ算法(NSGA-Ⅱh)。首先,设计一种新的循环聚类个体排序策略;然后,根据Pareto分层信息来对基于经典拥挤距离和循环聚类的两种个体排序策略进行自适应的选择;最终,实现对进化后期的种群多样性保持机制的改进。通过5个标准测试函数进行算法验证,并与经典的NSGA-Ⅱ、多目标粒子群优化算法(MOPSO)和GDE3等算法进行对比分析,NSGA-Ⅱh算法获得了80%的最优反向世代距离(IGD)值,且显著性水平为5%的双尾t检验结果表明,新算法具有明显统计意义上的性能优势。改进算法不仅能提高进化种群的分布性,而且能增强算法的收敛性,有效提高了优化效果。

多工序车削的自适应搜索非支配排序遗传算法

在实际数控生产加工过程中,切削参数的优化对于保证加工质量、提高生产效率和降低加工成本具有非常重要的意义。为计算以单位生产成本最小为优化目标的多工序车削非线性优化模型,在NSGA-II算法基础上提出了一种新的自适应搜索非支配排序遗传算法(ASNSGA)。多工序车削加工实例结果表明,与模拟退火算法(SA/PA)、分散搜索算法(SS)及浮点编码遗传算法(FEGA)优化算法比较,自适应搜索非支配排序遗传算法得到最低的单位生产成本,有助于数控加工中粗车进给量、粗车切削速度及精车进给量、精车切削速度等切削参数的优化选择。

惩罚策略辅助的快速非支配排序遗传算法Ⅱ研究

快速非支配排序遗传算法Ⅱ(NSGA-Ⅱ)是一种典型的多目标优化算法。然而,其采用的锦标赛选择策略存在着重复选择较优个体的缺陷,由此导致产生的后代分布性较差以及算法整体性能下降。为解决锦标赛选择策略的缺陷,提出惩罚策略辅助的锦标赛选择策略。具体而言,在通过惩罚策略辅助的锦标赛选择策略选择交叉个体时,在下一轮中每个被选择个体的优先级自动降低,以此降低较优个体被选中的概率。将基于惩罚策略辅助的锦标赛选择策略融入NSGA-Ⅱ算法,提出了惩罚策略辅助的快速非支配排序遗传算法Ⅱ。在ZDT和DTLZ测试集上与多个算法进行对比,结果表明:所提策略有效地解决了原锦标赛选择策略的缺陷,说明了改进策略的有效性。

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。

基于非支配排序遗传算法的振动主动控制优化方法

非支配排序遗传算法是一种基于Pareto前沿的低计算需求、有精英策略、约束处理简单的多目标优化算法。该算法能够搜索到Pareto解集,由专家根据具体要求进行客观的筛选,根据各个目标函数不同的加权进行合理选择最优解,满足了不同研究目的对同一系统的不同要求,这是单目标优化算法不可比拟的。以结构振动系统的结构振动能量和系统控制能量作为多目标优化函数,建立了振动主动控制系统的控制增益以及传感器和作动器位置、数量和长度的多目标优化配置数学模型,首次利用非支配排序遗传算法作为优化策略,并以悬臂梁作为算例,进行了仿真实验,验证了该方法的有效性和可行性。

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。

非支配排序遗传算法的改进

NSGA-Ⅱ(Non-dominated Sorting Genetic Algorithm)算法针对多目标优化问题,提出了非劣分类分层,引进拥挤度和拥挤度比较算子,通过精英选择策略,这样可使非劣前沿向Pareto前沿靠近,同时使解集具有更好的多样性。笔者对NSGA-Ⅱ算法的原理进行了系统的学习和研究,结合国内外最新的研究情况,实现了该算法并进行了一些改进,以期获得更好的效果,最后用多目标标准测试函数进行了实验分析。

基于改进的非支配排序遗传算法的无源滤波器设计

工业中的电网谐波不但降低了电能的质量,还可能引起故障甚至事故,因此有必要对电网谐波进行有效地滤除;实际的工程实践中,无源滤波器常被用来滤除该谐波,而其滤波参数的确定是个关键;基于带精英策略的非支配排序遗传算法NSGA-II,文中提出了一种新的无源滤波器的参数优化方法,克服了传统的凭个人经验选择滤波器参数的缺陷。利用NSGA-II对无源滤波器进行参数优化,不仅能节省初始投资,还能更有效地消除谐波干扰;仿真结果证明了该方法的有效性。

基于NSGA-Ⅱ的滑油泵叶轮结构优化设计

滑油泵常需要在高空、低压工况下稳定运转,常会出现供油不足、效率降低等问题。为了得到满足设计要求且具有最佳性能的滑油泵,以某直升机用滑油泵叶轮为研究对象,对其结构进行优化设计。选择高空两个典型工况的效率与扬程作为优化目标,利用NSGA-Ⅱ算法对滑油泵叶轮几何参数进行寻优,对优化前后的滑油泵效率、扬程进行对比分析。采用CFD流体仿真及实验方法对优化结果进行对比验证。结果表明:所选优化参数对滑油泵性能有较大影响,优化后的滑油泵叶片位置附近流动更加平稳,高低压区域过渡平缓,能量损失更小,且降低了汽蚀发生的可能性;优化后的滑油泵设计点扬程提高2.6 m,效率提高2.86%。

基于NSGA-Ⅱ的盾构机土压力自动控制技术研究

针对传统盾构机土压力控制方法存在的不足,提出一种基于非支配排序遗传算法Ⅱ(Non-dominated Sorting Genetic AlgorithmsⅡ,NSGA-Ⅱ)的多目标优化控制策略。该策略综合考虑了土压力跟踪性能、刀盘扭矩波动等多个目标,通过自适应遗传算法实现了参数的在线优化,同时集成了智能感知、实时调控等功能模块,构建了一个高度智能化的自动控制系统。仿真实验结果表明,所提出的控制策略能够有效提高土压力控制精度、抑制扭矩波动等,为实现盾构施工智能化提供了新的解决方案。

基于NSGA-Ⅱ的柔性作业车间调度优化研究

以H公司柔性作业车间为研究对象,结合调度数据对存在的柔性作业车间调度问题进行优化,构建多目标优化模型并应用非支配排序遗传算法Ⅱ(Non-dominated Sorting Genetic AlgorithmsⅡ,NSGA-Ⅱ)求解。对比分析发现,多目标组合优化后的调度方案在指导生产调度上更具优势。

基于自适应NSGA-Ⅱ算法的配电网多故障抢修优化决策

传统配电网多故障抢修依赖决策人员的主观判断,缺少科学依据,容易出现判断失误,造成抢修资源无法得到合理应用或者不能第一时间恢复供电。为解决该问题,建立了考虑任务分配和抢修顺序的配电网多故障抢修多目标优化模型,设计了自适应参数的非支配排序遗传算法(NSGA)-Ⅱ,得到Pareto前沿后利用基于角度选择的拐点决策算法,在无决策人员参与的情况下能够直接求解出一个相对理想的抢修方案。最后使用Matlab对某镇实际的配电线路进行仿真,仿真分析表明自适应参数的调整策略可以提高种群进化前期的全局搜索能力及进化后期的局部搜索能力,基于角度选择的拐点决策算法可从多个可行方案中直接选择最终的决策方案,减轻决策人员的负担,且适用于实际抢修工作。

基于改进NSGA-Ⅱ的考虑自动引导车充电策略的集成调度

针对自动引导车(AGV)在自动化集装箱码头(ACT)执行任务过程中的电量问题,提出基于改进的非支配排序遗传算法-Ⅱ(NSGA-Ⅱ)的考虑AGV充电策略的集成调度。首先,在岸桥、场桥和AGV集成调度模式下,考虑AGV在不同作业状态下的耗电量,并建立以最小化作业完工时间和总耗电量为目标的多目标混合规划模型;其次,为提高传统NSGA-Ⅱ的性能,设计自适应NSGA-Ⅱ,并将所提算法与CPLEX求解器、NSGA-Ⅱ和多目标粒子群优化(MOPSO)算法进行性能对比;最后,设计AGV不同充电策略并对设备数量配比进行实验研究。算法对比实验结果表明:相较于传统NSGA-Ⅱ算法,自适应NSGA-Ⅱ对双目标的优化分别提升了2.8%和2.63%。利用自适应NSGA-Ⅱ进行的充电策略和设备数量配比实验的结果表明:增加AGV充电次数能够减少AGV的充电时间,且调整设备数量配比至3∶3∶9和3∶7∶3时,场桥和AGV的时间利用率分别达到最高。可见,AGV充电策略及设备数量配比对码头多设备集成调度有一定影响。

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。

基于响应面模型和NSGA-Ⅱ算法的注塑成型工艺优化

以某安全箱箱体为例,将最大缩痕指数和最大翘曲变形作为优化目标,以模具温度、熔体温度、注射速率、保压压力和保压时间为设计变量,通过正交试验设计及有限元模拟,获取试验样本;基于Isight参数优化软件,建立安全箱箱体注塑成型工艺参数与优化目标之间的响应面近似模型;利用非支配排序遗传算法在响应面模型内自主寻优,获取一组安全箱注塑成型的最优工艺参数;根据数值分析结果设计了注塑模具,按最优工艺参数试模,一次性试模成功。结果表明该方法可快速、有效实现注塑成型工艺优化。

自适应NSGA-Ⅱ算法支持下配电网多故障抢修的优化策略探讨

为解决配电网多故障抢修决策缺少依据、抢修人员主观判断等问题,构建了配电网多故障优化模型,通过对故障抢修顺序反复迭代,进而获取最佳故障抢修方案。利用二代非支配排序遗传算法(Non-domainated Sorting Geenetic Algorithms-Ⅱ,NSGA-Ⅱ)对所构建的多故障优化模型进行求解,在无决策人员干扰的情况下获取最佳故障抢修方案。以某配电网多故障抢修作业为例,利用所构建的优化模型获取最佳故障抢修方法,算例结果表明,利用所构建优化模型获取的最佳抢修方案符合实际抢修经验和抢修要求,可以为配电网多故障抢修作业提供参考。

基于病毒进化遗传算法的复杂产品设计任务规划

为提高复杂决策环境下产品设计任务规划的科学性,针对设计项目中资源以知识型员工为主的特点,综合考虑项目时间最短、完成质量最高及设计人员负载均衡等问题建立多目标优化的数学模型.在此基础上,为提高横向搜索能力以获得多样性解,提出了基于病毒进化机制的求解算法,其中引入多种群思想以使算法适用于多目标问题,并采用非支配排序保证算法全局搜索能力.最后通过仿真分析对文中算法进行了验证.

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。

改进自适应多种群NSGA-Ⅲ算法的研究

针对第三代非支配排序遗传算法(non-dominated sorting genetic algorithm-Ⅲ,NSGA-Ⅲ)在处理高维多目标函数时存在收敛精度低和搜索性能差等问题,提出一种自适应多种群NSGA-Ⅲ算法。首先将传统算法的单一种群划分成四个亚种群,并为每个亚种群分配不同的交叉算子;其次提出外部最优解集(external optimal solution set,EXS)的概念,通过计算个体更新最优解集的参与量来自适应调节每个亚种群的大小;最后利用局部搜索策略提高EXS的局部搜索性能。采用四个不同的测试函数,与七种对比算法进行仿真验证,结果表明在处理高维多目标优化问题时,提出算法的性能指标整体优于其他对比算法,能够获得较好的算法收敛性和种群多样性。