基于随机权重多目标遗传算法的多目标动态单元构建方法

考虑多变的市场需求环境下单元生产系统在多个计划期具有多个目标的动态构建决策问题。通过对单元生产构建过程中的总费用、设备负载与能力之间最大偏差以及零部件跨单元移动的总次数3个目标进行权衡,建立了非线性多目标动态单元构建的数学模型。采用自适应小生境技术、惩罚技术、双轮盘赌法和精华选择策略,提出了基于精华保留策略的随机权重多目标遗传算法求解该组合优化问题。结合实例对模型和算法进行了仿真分析,结果显示了算法对解决多目标动态单元构建问题的有效性。

基于适应性权重遗传算法的多目标无功优化研究

研究一种多目标无功优化问题的求解方法。基于无功分层分区平衡以及保证紧急情况下电网安全的原则,给出了在电网正常情况下优先投切电容器、调节变压器分接头,然后设定机端电压的优化调控顺序,进一步提出将优化问题分解为连续变量优化和离散变量优化问题,并分别求解,迭代直至收敛的求解思路。鉴于多目标无功优化模型的复杂性,以及连续、离散控制变量并存,采用遗传算法求解,重点研究了控制变量的编码方案以及选择、交叉、变异以及保留操作策略。针对于多目标无功优化各个目标权重难以确定问题,又进一步引入了适应性权重遗传算法,随着遗传代数的进化算法能自适应地给出各个目标权重。仿真算例验证了文中所提的多目标无功优化求解方法的合理性。

基于适应性权重遗传算法的配电网多目标综合优化

针对配电网多目标综合优化问题的复杂性,以及网络重构、电容器投切的离散控制变量优化问题,基于遗传算法从全局角度来求解此优化问题,研究了网络重构、电容器投切的编码方案,以及两者的综合编码方案,并研究给出合理的选择、交叉、变异以及保留操作策略。针对线损、电压质量以及线路负载多目标的各个目标权重难以确定问题,进一步引入适应性权重遗传算法,随着遗传代数的进化,算法自适应地给出各个目标权重。仿真算例验证了所提算法用于配电网多目标综合优化的合理性。

基于随机权重的粒子群算法的串补配置优化

输电线路中配置串补可以提高输电系统的输电容量,但如何配置合适的串补使得效果最佳是一项亟待解决的难题。本文提出一种基于随机权重的粒子群算法优化电力系统网络串补配置,首先研究电力系统中加入串补后的潮流计算,其次建立系统配置串补后的多目标潮流优化模型,最后利用随机权重的粒子群算法进行求解。在IEEE30节点输电系统仿真验证,通过配置合理的串补容量及选址后,系统电压质量和网损最优。本文有效解决了串补配置的定容选址问题,对今后的工作研究有一定参考价值。

用于多目标无功优化的自适应遗传算法

引入了自适应权重和因子及自适应罚函数的概念,提出了一种自适应遗传算法,将其应用于多目标无功优化问题的求解中。该算法能保证寻优方向的多向性,并能避免模糊隶属度算法耗时过长的缺陷。在寻优过程中,自适应罚函数法能有效利用不可行解的有用信息,对不可行解进行适度惩罚。IEEE14节点系统的算例结果表明所提出的算法是解决多目标无功优化问题的有效方法。

基于多目标遗传算法的机车二系支承载荷调整优化方法

为提高电力机车二系支承载荷调整优化算法的实用性,解决单一目标遗传算法调整计算产生二系支承点加垫数和加垫总量过多的问题,提出了一种基于多目标遗传算法的寻优方法。针对机车二系调簧问题的偏好结构特点,建立了多目标优化模型,并设计了基于多目标遗传算法的调簧目标函数,进一步引入了适应性权重方法来确定目标函数值,并确立了相应的适应度评价和分配方法。对国产SS3b和HXD1B型机车的应用结果表明:该方法不仅能够优化二系载荷分布,而且可控制加垫量减少约48%,显著提高了调簧算法的实用性和可靠性。

基于多目标遗传算法的燃油泵叶轮优化设计

针对某型号燃油泵,采用CFD方法对其内部流场进行研究。运用SST k-ω计算模型和多重参考系技术,引入多目标遗传算法作为优化算法,并结合自适应权重方法,以出口流量和容积效率作为优化目标,对燃油泵叶轮的结构参数进行优化,解决了在优化迭代过程中单个优化目标出现负优化的现象。在设定的工况下,对比改进的优化方法的出口流量和容积效率,得知优化后的出口流量提升了3.90%,容积效率提高了0.53%。此种研究方法为汽车燃油泵的结构优化设计提供了较为合适的参考解决方案。

改进权重自适应GA及冷连轧轧制规程多目标优化

针对聚合多目标优化方法的权重难以确定的问题,提出了一种改进的权重自适应方法,并以遗传算法为基础对冷连轧轧制规程进行多目标优化.首先,结合某冷轧厂实际的轧制规程优化过程,选取等功率裕量、轧制能耗及带钢打滑概率作为优化目标,建立了冷连轧轧制规程的多目标优化模型.然后将改进的权重自适应遗传算法(GA)应用于不同规格的带钢轧制规程多目标优化中,结果表明,与实际应用的轧制规程相比,该方法有效的降低了3个目标函数的值;与权重自适应GA相比,改进的权重自适应GA的针对性更强,同时重要性高的目标收敛速度更快.

基于自适应混沌粒子群优化的防空目标分配

粒子群优化算法存在早熟收敛和搜索精度较低的问题。为此,提出一种基于自适应混沌粒子群的优化算法。采用自适应权重和遗传算法中的交叉、变异操作更新粒子群,增加种群粒子的多样性,运用早熟判断机制判断粒子的当前状态,当粒子处于早熟状态时,利用混沌搜索的方法引导群体快速跳出局部最优。仿真结果表明,该算法可以有效解决粒子群算法的早熟问题,提高搜索精度和收敛速度。

基于改进粒子群算法的电厂循环水泵组合优化

在综合对比用于循环水系统轴功率优化模型的2种不同粒子群优化算法的基础上,提出用服从均匀分布惯性权重的粒子群优化算法求解轴功率优化问题,得到了最优决策向量。该算法能够有效地找到循环水系统中循环水泵的最优组合和最佳调速比,使水泵在高效区内运行,提高系统的运行效率。与遗传算法相比,其实现简单,收敛速度快,并有更好的全局收敛特性和更小的系统误差。

动力吸振器的多目标优化和多属性决策研究(英文)

动力吸振器被广泛用于船舶、飞机和汽车等工业领域。在结构振动控制中,为了最大限度地发挥吸振器的耗能减振作用,需要寻找吸振器的最优参数,即最优频率比、最优阻尼比和最优质量比,使得结构在不同的频率激励下获得最好的减振效果。文章将基于进化算法的多目标优化技术与多属性决策方法联合运用,针对主系统存在阻尼的减振系统,研究了动力吸振器的优化和决策问题。对于多目标优化问题,采用改进的非支配解排序的多目标进化算法(NSGAII),求出Pareto最优解,由这些Pareto最优解构成决策矩阵,使用客观赋权的信息熵方法对最优解的属性进行权值计算,然后用逼近理想解的排序方法(TOPSIS)进行多属性决策(MADM)研究,对Pareto最优解给出排序。文中给出了4个设计参数、3个目标函数的动力吸振器优化设计算例。

带时间窗的负载均衡物料配送模型研究与算法实现

针对带时间窗的车间物料配送优化问题,为减少配送作业人数、均衡车辆负载和减少物料配送总时间,建立以调用作业人数最少、车辆负载均衡和总配送时间最短为目标的多目标优化模型,并提出一种改进混合教与学算法对模型进行求解。该算法在原算法基础上加入辅导教学机制和分科目学习策略以提高算法寻优速度,采用随机惯性权重平衡算法的开采与探测能力,在"学"阶段之后设计教师个体局部寻优算子和三种变异算子以提高算法的寻优精度。以某叉车装配车间的物料配送实例为仿真对象进行仿真实验,实验结果验证了该模型和算法的有效性。与粒子群算法、标准教与学算法、改进教与学算法和遗传算法相比,改进混合教与学算法具有较高的寻优精度和寻优效率。

基于随机偏好序的废旧电子产品回收匹配

针对废旧电子产品回收流程中分拣中心和拆解企业的匹配依然靠人工操作的问题,考虑不同种类评价指标下的双边满意度,提出基于随机偏好序的混合多指标双边匹配策略。首先在已有匹配算法基础上采用随机偏好序指标权重分配方法,对不同种类的指标进行评价;进一步引入软约束和硬约束对匹配主体进行初步筛选;最后通过计算双方满意度值矩阵,建立多目标优化模型并求解得到匹配结果,实现了分拣中心与拆解企业的自动匹配。仿真和对比分析表明了算法的可行性和实用性。

基于模糊权重的多目标订单分配模型

随着竞争的日益加剧,采购成了影响企业生存和发展的关键因素。在这种情况下,正确的订单分配是成功实行采购的关键。实际上,影响订单分配的许多信息并不是确定的已知条件,例如目标、约束条件和影响权重等。本文通过考虑上述信息的不确定性和模糊性,构建一个包含模糊目标、模糊权重和随机约束的订单分配模型。然后,利用数值算例证明了模型的可解性。最后,指出了未来可能的几个研究方向。

基于改进粒子群算法的工业润滑油调和方案设计

工业润滑油的调和是一个较为复杂的工艺过程,针对这一问题,文章提出了一种基于改进粒子群算法的工业润滑油调和方案。该方案为了满足两种不同的需求(质量和成本),根据工业润滑油调和的配比模型设计了两种非线性约束目标优化模型。为了能够迅速、准确地寻找最优的调和方案,文章提出了改进粒子群算法,使用随机惯性权重函数,增加了每一代粒子的多样性。另外,文章还设计了两组实验,对本文提出的数学模型和算法进行测试。第一组实验的优化方案得到的润滑油指标最大误差仅为1.2%,符合质量设计需求。第二组实验的优化方案得到的润滑油成本远远小于需求一中的总成本,符合成本设计需求。因此,文章提出的方法对于工业润滑油调和方案设计具有一定的参考价值。

封面图片说明

封面图片来自本期论文"基于混合算法的自由曲面网格结构多目标优化",是哈尔滨工业大学土木工程学院空间结构研究中心曹正罡教授课题组提出的一种混合多目标优化算法原理图。该算法具体步骤如图所示,首先基于随机方式在决策空间内生成初始种群,即为第一代父代种群,同时结合目标函数敏感度及自适应权重调整更新种群粒子,加快算法的收敛过程。粒子更新后,选择种群中的粒子进行交叉、变异,其中交叉操作可提升算法的搜索能力,变异操作不仅能增强算法的局部随机搜索能力,而且在一定程度上能防止出现早熟现象。继而将生成的子代种群与父代种群合并,并进行约束非支配排序,最后根据约束非支配排序以及拥挤距离,通过精英保留策略生成新一代父代种群。

基于GA-PSO的矿井巡检机器人路径规划

在复杂矿井地形中,标准的粒子群算法(Particle Swarm Optimization,PSO)和遗传算法(Genetic Algorithm,GA)在巡检机器人路径规划方面分别存在局部寻优能力贫乏、全局寻优能力欠缺的问题,针对这一问题,提出了一种基于GA-PSO算法的矿井巡检机器人路径规划新算法。该算法先将障碍物在栅格地图上表示为规则图形,完成对环境模型的创建;再引入随机惯性权重模型优化标准粒子群算法,通过在粒子群算法中加入遗传算法的选择、交叉和变异操作算子,将得到遗传信息的精英粒子群分割出来产生下一代粒子,完成算法的融合,以此作为路径寻优算法使机器人完成起点到目标点的路径搜索。仿真结果表明,新算法相较于原算法成功率显著提高且路径长度明显缩短,即新算法的综合性能优于两种算法单独使用的效果,使得全局路径规划结果所得的路线更为平滑。

面向SAR目标识别的深度卷积神经网络结构设计

目的针对用于SAR(synthetic aperture radar)目标识别的深度卷积神经网络模型结构的优化设计难题,在分析卷积核宽度对分类性能影响基础上,设计了一种适用于SAR目标识别的深度卷积神经网络结构。方法首先基于二维随机卷积特征和具有单个隐层的神经网络模型-超限学习机分析了卷积核宽度对SAR图像目标分类性能的影响;然后,基于上述分析结果,在实现空间特征提取的卷积层中采用多个具有不同宽度的卷积核提取目标的多尺度局部特征,设计了一种适用于SAR图像目标识别的深度模型结构;最后,在对MSTAR(moving and stationary target acquisition and recognition)数据集中的训练样本进行样本扩充基础上,设定了深度模型训练的超参数,进行了深度模型参数训练与分类性能验证。结果实验结果表明,对于具有较强相干斑噪声的SAR图像而言,采用宽度更大的卷积核能够提取目标的局部特征,提出的模型因能从输入图像提取目标的多尺度局部特征,对于10类目标的分类结果(包含非变形目标和变形目标两种情况)接近或优于已知文献的最优分类结果,目标总体分类精度分别达到了98.39%和97.69%,验证了提出模型结构的有效性。结论对于SAR图像目标识别,由于与可见光图像具有不同的成像机理,应采用更大的卷积核来提取目标的空间特征用于分类,通过对深度模型进行优化设计能够提高SAR图像目标识别的精度。