加入局部搜索的非劣分层多目标遗传算法

针对非劣分层多目标遗传(NSGA)本身所存在的局部搜索能力和易早熟的问题,鉴于模拟退火算法的局部搜索能力强和在解决易早熟问题上的优势,提出了加入局部搜索的多目标遗传算法及适用于多目标优化的模拟退火局部搜索算法和跳转准则,即在NSGA的每一代个体中的1层、2层非劣解附近进行模拟退火局部搜索.该算法能够提高非劣分层多目标遗传算法的效率,弥补了遗传算法中局部搜索能力差、易早熟的缺点.最后给出的仿真结果表明了这种算法的有效性.

多目标约束下的电力网络负荷优化分配研究

当电力网络某些区域负荷过重时,会导致电压下降、频率不稳定,进而影响电子设备的正常工作和供电质量。合理优化分配电力网络的负荷,是典型的多目标优化问题。对此,提出电力网络负荷多目标优化分配方法。以负荷平衡与功率总和作为约束条件,建立多目标下的电力网络负荷优化分配模型。引入非劣分层理论改进差分粒子群混合算法,求解负荷优化分配模型,以获取负荷优化分配解集。利用基点和熵的多指标评价方法,在负荷优化分配解集中确定唯一解,以完成电力网络负荷优化分配。试验结果表明,该方法可有效优化分配电网中的负荷,减少供电煤耗、污染物排放量与调度机组数量,缩短负荷调整时间,提升电力网络发电机组出力值,且具有较高的负荷优化性能。该研究对智能电网和智能优化领域具有借鉴意义,能使电力网络运行和管理更加高效和智能化。

电站多目标负荷优化分配与决策指导

对传统意义下的厂级负荷优化分配模型进行修正,同时考虑全厂供电煤耗率、污染排全放和负荷调整时间3个目标,提出厂级负荷分配的多目标优化模型。将多目标优化方法和多属性决策结合使用,研究多目标优化指导的问题。针对非劣分层遗传算法(nondominated sorting genetic algorithmII,NSGA-II)易于局部收敛的特点,提出了并行的NSGA-II多目标优化结构,增加了Pareto前沿的多样性,为决策提供丰富的信息。引入基于基点和熵的多属性决策方法,对Pareto解集进行排序,得出最优解。对某火电厂进行实例分析,结果表明该方法能准确快速地完成多目标负荷分配优化,并给出正确的指导,具有一定的实用性。

高原环境柴油机准维燃烧模型参数优化研究

以准维油滴蒸发模型为基础,建立高原环境柴油机工作过程模型。采用正交试验设计获得燃烧模型关键参数输入样本,以发动机功率、涡前排气温度和最大爆发压力作为目标参数进行模拟。对模拟结果进行回归分析,得出高原环境发动机动力性、热负荷和机械负荷对燃烧模型各参数及其交互作用的灵敏度;基于回归数据建立响应面,并利用改进型非劣分层遗传算法(NSGA-Ⅱ)对燃烧模型参数进行全局寻优,确定高原环境柴油机燃烧模型参数。环境模拟台架试验结果表明:采用优化的燃烧模型计算柴油机外特性,目标参数计算值与试验值最大误差不超过5%。

飞机飞行控制多目标优化研究

针对飞行控制系统单目标优化算法与飞行品质要求之间缺乏相关性,且物理意义不明确的缺点,提出了一种基于C*准则的模型参考飞行控制设计多目标优化方法。首先,使用飞行品质建立参考模型,保证所建立的参考模型符合期望飞行品质的要求。然后,通过模型跟随的方法,将飞行品质的要求引入多目标优化中,使得整个优化设计过程物理意义更加明确。最后,使用多目标NSGA-II对某型飞机纵向控制律设计进行数值仿真,结果显示提出的方法可以有效地提高控制器参数整定效率,整定结果满足期望的飞行品质要求。

基于Kriging模型的圆锥动静压轴承优化设计

为提高圆锥动静压轴承的综合性能,以单位承载力下功耗最小和平均温升最低为优化目标,考虑几何结构约束条件,采用最优拉丁超立方进行设计空间的布点,进行有限元数值计算。基于计算结果,采用Kriging方法建立目标函数的近似代理模型。在此模型基础上,使用非劣分层遗传算法(NSGA-II)获得Pareto最优解集;最后通过权重系数法求得最优非劣解。结果表明:优化后方案1的两个目标函数值分别较优化前减小了18.8%和10%,优化方案2分别降低了10.9%、32%;轴承无量纲功耗有所降低、无量纲承载力得到提升,温升降低明显,轴承整体性能较优化前有较大提升。

一种新型的低轨存储转发通信星座设计方法

针对低轨存储转发星座的特点以及传统星座设计方法无法同时优化覆盖性能和网络性能的不足,该文提出一种新型的兼顾覆盖性能以及网络性能的低轨存储转发星座设计方法,并采用非劣分层多目标进化算法(NSGA-II)优化该多目标多约束星座设计问题。通过基于STK和OPNET的协同优化仿真平台验证了该星座设计方法的有效性。

基于多目标优化遗传算法的武器-目标分配

针对武器-目标火力分配问题,建立了基于效能最大和用弹量最少的多目标优化模型。基于Pareto集非劣分层思想对遗传算法进行改进,利用非劣分层遗传算法处理武器-目标分配多目标优化问题。非劣分层遗传算法通过对种群内的所有个体的多个目标函数进行非劣分层排序来度量个体的适应能力,通过遗传算法实现多样性进化操作,能够获取Pareto最优解集,以供决策者参考。仿真试验表明:该方法能够获得满意的分配结果,方便快捷地解决多平台多类型武器-目标分配问题。

基于多目标模拟退火算法的微管网拓扑优化

针对损伤自修复中微胶囊(或空心玻纤)载体在结构上相互独立、互不贯通等不足,研究基于多目标模拟退火算法(multiobject simulated annealing,MOSA),对微管网的拓扑结构进行优化,旨在设计一种具有低体积份数和高流动效率的,具有相互贯通结构特点的微管网载体。首先建立微管网数学模型;其次采用哈迪克罗斯迭代法设计了多目标优化函数,并结合非劣分层和MOSA算法对微管网的拓扑结构进行研究;最后与非劣分层遗传算法(non-dominated sort genetic algorithm II,NSGA-II)进行对比研究,验证了MOSA的优化性能。研究结果表明:微管网的体积份数和沿程水头损失呈负相关性;与NSGA-II相比,MOSA的收敛时长略长,但MOSA解集的支配度及分布均匀程度均优于NSGA-II。

基于SQP算法的地火最优转移轨道研究

本文对地球到火星的双脉冲变轨优化问题进行了研究。首先通过求解高斯问题和开普勒方程，建立了优化模型，并针对ESA的数据采用SQP方法（序列二次规划）对该问题进行了优化，并把最终的优化结果与ESA的结果比较，找到了比ESA更优的解，然后运用SQP算法求解了以201O年到2016年之问为发射窗口的地火最优转移轨道，并用NSGA—Ⅱ（非劣分层遗传算法）算法对结果进行验证，最后对实验结果进行了分析与展望。

曲加筋条壁板优化设计研究

针对多设计变量的新型曲加筋条壁板(curvilinearly stiffened panels)优化问题,提出了一种参数化设计方法。该方法以加筋壁板的重量最小为目标,以加筋壁板屈曲、von Mises应力和筋条压损等为约束条件,通过MSC.Patran/Nastran进行参数化建模并获得结构响应,采用非劣分层遗传算法Ⅱ(NSGA-Ⅱ)实施结构优化。为了合理、简洁地描述曲加筋条的几何形状,采用B样条定义曲加筋条的轴线,并取其起点、终点和控制点坐标为位置/形状设计变量。利用单级优化策略,同时对位置/形状变量和包括筋条高度、筋条厚度以及平板厚度在内的尺寸变量进行优化。采用该设计方法,在结构承受面内压缩和剪切载荷以及四边简支的条件下,分别对采用直/曲加筋条的壁板进行了轻量化设计。结果表明,复杂载荷作用下,采用相同数目的曲加筋条能够提高结构效率,实现结构减重。

自适应控制参数的通用差异演化算法研究

为提高求解多目标优化问题效率,对通用差异演化(GDE)算法及其自适应参数控制问题进行了研究。首先,分析了GDE3算法的编码、交叉、变异、选择等原理和算法流程;然后,利用个体的适应度作为参数调整的依据,并结合一定的调整概率提出一种新的对缩放因子和交叉概率参数自适应控制策略,提高算法的搜索能力;最后,通过典型的多目标函数对自适应控制参数的通用演化算法(selfGDE3)、GDE3和非劣分层遗传算法2(NS-GA-Ⅱ)的性能进行比较分析,结果表明,selfGDE3算法具有良好的搜索性能。

基于双目标传感器分布优化的转向架构架状态监测

研究提出一种基于传感器分布优化的转向架构架状态监测方法,采用小波变换和主成分分析对构架正常状态下的多工况振动信号进行特征提取和降维,以支持向量数据描述(SVDD)超球体半径定义双目标优化函数:传感器数量和超球体聚类指标,并基于改进的非劣分层多目标遗传算法(NSGA-II)对传感器分布进行优化。在此基础上,搭建转向架构架状态监测实验平台进行构架异常状态识别研究,结果表明:1)经优化后的传感器分布方案能以较少的数量保证很好的构架异常状态监测效果,当传感器分布优化方案中传感器数量分别为1,2和3时,识别率分别为79.24%,94.80%和99.81%;2)以转向架构架正常状态样本集构建的SVDD模型对异常状态具有很好的识别效果。

基于无壁型微脉管的光能损伤自修复复合材料

针对损伤自修复研究领域中有壁型载体与双组分修复体系存在的力学兼容性不佳、自修复实时性差的不足,提出了基于无壁型微脉管的光能损伤自修复复合材料研究,旨在保证微脉管载体与材料力学兼容性的条件下,以实现对复合材料光能损伤的实时自修复。研究首先以管密度、沿程水头损失和微脉管体积分数为目标函数,采用非劣分层遗传算法对微脉管的直径和数量进行优化;其次,采用真空辅助树脂传递模塑成型工艺和失模法,研制无壁型微脉管,并以单组分的短波光固化粘结剂作为光修复剂,设计了自修复复合材料;最后,以疲劳寿命作为评价自修复复合材料的力学兼容性和光修复性能指标。结果表明:通过载体的拓扑结构优化和无壁型设计,可降低微脉管埋入对材料原始性能的影响(平均疲劳寿命下降6.19%,平均最大静拉力下降4.48%),有助于改善材料的力学兼容性;光能损伤自修复不仅可保证理想的损伤自修复性能(平均疲劳寿命提高37.86%),而且具有良好的实时性,可快速完成损伤自修复(修复时间短于11.62 min)。

基于NSGA-Ⅱ和SVDD的转向架构架异常状态监测

转向架构架状态监测是保证轨道车辆安全运营的重要途径。研究提出了一种基于NSGA-Ⅱ和SVDD的转向架构架异常状态监测方法,针对构架异常状态下样本集的随机多样和不确定性,引入SVDD算法,以构架正常状态的样本集构建SVDD超球体模型对多工况条件下构架的异常状态进行识别。同时以SVDD超球体半径定义优化目标函数f1(传感器数量)和f2(超球体聚类指标),并基于NSGA-Ⅱ算法对传感器分布进行了优化。在此基础上,搭建转向架构架状态监测实验平台,对多工况条件下构架的异常状态识别进行研究。结果表明:(1)经优化后的传感器分布方案能有效获取转向架构架状态监测数据,当优化方案中传感器数量达到3时,识别率达到91.33%;(2)以转向架构架正常状态样本集构建的SVDD模型对异常状态具有很好的识别效果。

基于NSGA-Ⅱ算法的传感器目标分配

将传统的传感器目标分配问题转化为了基于跟踪效能最大和传感器使用率最小的多目标优化模型。利用非劣分层遗传算法处理传感器目标分配多目标优化问题。非劣分层遗传算法通过对种群内的所有个体的多个目标函数进行非劣分层排序来度量个体的适应能力,通过遗传算法能够获取Pareto最优解集。仿真试验表明该方法能够获得满意效果。

磨矿过程的稳态优化

针对磨矿过程的工艺特点,结合选矿厂对磨矿产品产量、质量的生产要求,提出磨矿过程多目标优化问题.为求解此多目标优化问题,研究一种快速的多目标遗传算法NSGA-Ⅱ(Non-dom inated Sorting Genetic A lgorithmⅡ).针对NSGA-Ⅱ算法中个体进行交叉前选择方法的不足之处加以改进,引入过滤、限制机制.仿真结果表明:引入过滤、限制机制可以限制"近亲"交叉,保持种群的均匀分布和多样性,加快种群在进化搜索过程中找到优秀个体的速度.将改进后的算法用于磨矿过程稳态优化,求得适合实际生产的多组系统操作参数,并用TOPSIS方法选出最优的一组操作参数.

聚酯工业生产缩聚过程的多目标优化

介绍一种聚酯(PET)生产缩聚过程的多目标优化技术,以最终产品的产量最大和质量最佳为优化目标,以第三和第四缩聚釜为优化对象,运用复合神经网络技术及相关机理知识建立优化模型。借鉴非劣分层方法、精英策略和群智思想,建立混合优化算法,通过该算法及惩罚函数寻优,设定生产过程中操作变量的最优参数,采用实际工业生产数据仿真和验证,建立周期性的两级优化结构来实现优化控制。

船舶锅炉水位PID控制器参数多目标优化整定

为有效提高船舶锅炉水位控制性能,提出一种基于多目标遗传算法和多属性决策(MADM)技术的PID控制器参数整定方法.将系统的跟随性能、扰动抑制性能及鲁棒性能作为目标函数,采用改进非劣分层多目标遗传算法(NSGA-II)求出Pareto最优解.使用客观赋权的信息熵法对Pareto最优解属性进行权值计算.采用逼近理想解的排序方法(TOP-SIS)进行MADM研究,给出了Pareto最优解排序.仿真结果表明,该方法通用性好,PID性能良好,适合工程实际应用.