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.

基于改进非劣分类遗传算法的多目标药物制备工艺优化分析

目的研究改进非劣分类遗传算法(nondominated sorting genetic algorithmⅡ,NSGA-Ⅱ)对葛根素亚微乳制备工艺的优化效果,并与多目标遗传算法(multiple objective genetic algorithm,MOGA)以及原文采用的效应面法的优化效果进行比较。方法利用制备葛根素亚微乳中心试验的数据,采用改进非劣分类遗传算法寻找平均粒径和跨距均最小、而包封率最大的工艺条件。结果采用NSGA-Ⅱ随机搜索30次,得到平均粒径为(220.173±18.153)nm;跨距的平均水平为(0.623±0.137)μm;包封率的平均水平为(83.873±2.176)%,与MOGA搜索结果的平均水平相比,NSGA-Ⅱ搜索精度更高,变异度更小。当乳化时间、搅拌转速、超声时间分别为12.97min、1613r·min-1、31.15min时,对应的目标值平均粒径、跨距、包封率分别为229.70nm、0.54μm、85.92%,优化效果满意,比MOGA及原文采用的效应面法找到的最优方案更理想。结论在确保多个目标值都达到最优的前提下,NSGA-Ⅱ搜索得到的Pareto非劣解是合理的,达到了较满意的效果,为试验设计最优条件的选择提供了合理的方法。同时研究人员可根据实际情况,从Pareto非劣解集中确定可行、合理且最优的工艺优化方案。

结构多目标优化非劣解集的遗传算法

提出了一种遗传算法求解结构多目标优化非劣解集的方法。该方法提出了劣解罚项的概念 ,把劣解罚项和约束罚项之和作为设计点的总的罚项并将其转化为适应度 ,采用遗传算法进行求解。算例采用三杆和十杆多目标优化问题。计算结果表明 ,该方法是可行和有效的 ,计算的结果有利于多目标决策。

基于非劣排序遗传算法的三代轮毂轴承多目标优化

将某型轿车第三代驱动轮轮毂轴承作为研究对象,以疲劳寿命、磨损寿命、旋滚比为优化目标,引入惩罚函数处理约束条件,将原约束优化问题转化为极小化的无约束优化问题,采用带精英保留策略的非劣排序遗传算法(NSGA-II)进行轮毂轴承多目标优化。通过有限元仿真对优化前后的结构应力情况进行了对比。分析结果表明:在满足规定约束的条件下,提出的优化方案实现了3个目标函数整体性能的同时提升;内法兰、外法兰、内圈、滚珠的应力集中情况均有改善,模型整体最大等效应力较优化前降低8.61%。

基于非劣分类遗传算法的多目标药物提取条件优化分析应用

目的研究非劣分类遗传算法在均匀试验设计多目标优化中的应用。方法对微萃取五味子的均匀试验数据建立以浸膏得率、五味子醇甲、五味子总木脂素含量的子目标模型,采用遗传算法分别对其单目标优化,NSGA对其进行多目标优化,搜索最优提取条件,比较搜索结果;利用课题组编写的Matlab2009a外挂SGALAB工具箱beta5008完成遗传算法寻优。结果单目标遗传算法优化可以得到各个目标最大时的最优提取条件,NSGA进行三目标优化时,使各子目标尽可能获得最大的解,确定的最优提取条件的效果高于均匀试验中的任何一个方案。结论 NSGA搜索的Pareto非劣解是合理的,达到了较好的效果,为试验设计最优条件选择提供了合理的方法,可推广到正交试验设计、析因试验设计的最优条件选择。

改进非劣分类遗传算法多目标优化效果评价及程序测试

目的评价改进非劣分类遗传算法(NSGA-Ⅱ)进行多目标优化的效果,测试其程序的可靠性。方法应用两目标简单测试函数、两目标复杂测试函数、三目标复杂测试函数对NSGA-Ⅱ进行模拟测试,利用课题组成员英国Glasgow大学软件工程师陈益编写的Matlab 2009a外挂SGALAB工具箱beta5008完成遗传算法寻优。结果 NSGA-Ⅱ得到的两目标简单测试函数95%Pareto非劣解分布范围包含交叉点值1,前沿呈一条光滑的曲线分布;两目标复杂测试函数Pareto非劣解前沿在小于1的范围内呈下降的带状分布;三目标测试函数的Pareto非劣解前沿呈非线性、非对称的曲面分布。认为NSGA-Ⅱ可得到测试函数的Pareto非劣解集,供决策者合理选择。结论 NSGA-Ⅱ多目标优化可以给出合理的Pareto非劣解集,效果理想、程序可靠,可用于实际问题的分析。

改进非劣分类遗传算法对盐酸雷尼替丁脉冲片多目标区间优化策略及效果评价

目的研究区间均值代替区间目标后,再利用改进非劣分类遗传算法(NSGA-Ⅱ)对盐酸雷尼替丁进行多目标区间优化的策略及效果。方法利用二次多项式模型建立目标函数,采用区间均值代替区间目标,使用改进非劣分类遗传算法(NSGA-Ⅱ)对转换后的目标函数进行多目标优化,搜索Pareto非劣解,并与原文的结果进行比较。结果盐酸雷尼替丁脉冲片处方优化中,随机搜索的30个Pareto最优解中,23个达到了规定优化效果,其中3个效果满意。30号方案释药时滞及累积释放度分别达到了211.62分钟和91.11%,效果最为理想。结论区间均值代替区间目标后,再利用改进非劣分类遗传算法(NSGA-Ⅱ)进行多目标区间优化的策略可行、有效。

针对多目标优化的精英保留非劣排序遗传算法

遗传算法是模拟自然界生物进化过程的计算模型。作为一种有效的全局并行优化搜索工具,它具有简单、通用、鲁棒性强和适于并行分布处理的特点以及广泛的应用潜力。本文阐述了遗传算法的基本原理和方法,并着重介绍了一种改进的遗传算法———精英保留非劣排序遗传算法(NSGA-Ⅱ),并将其应用于化工中的多目标优化。

基于非劣排序的多目标优化免疫遗传算法

提出一种基于非劣排序的多目标优化免疫遗传算法。算法基于非劣排序对种群进行分类来评价个体的价值,在选择操作中引入个体浓度保持种群多样性。采用免疫克隆操作为产生新种群和算法实现全局搜索提供了基础,采用遗传种群与父代群体锦标赛竞争的方式保留最优解。仿真实验结果表明:算法在收敛性和分布性方面要优于NSGA-II算法。

改进非劣分类遗传算法在金莲花醇提取条件优化中的应用

目的研究改进非劣分类遗传算法(NSGA-Ⅱ)在正交试验设计的多目标药物提取条件优化中的应用。方法对金莲花总黄酮醇提取工艺研究的正交试验数据建立以浸膏得率、总黄酮含量为子目标的数学模型,采用遗传算法对其进行单目标优化,NSGA-Ⅱ对其进行多目标优化,搜索最优提取条件,比较搜索结果;利用课题组编写的Matlab2009a外挂SGALAB工具箱beta5008完成遗传算法寻优。结果单目标遗传算法优化分别得到各子目标最大时的最优提取条件,NSGA-Ⅱ进行两目标优化时,确定的最优提取条件的效果以及由此得到的浸膏得率和总黄酮含量高于正交试验中的任何一个方案。结论 NSGA-Ⅱ搜索的Pareto非劣解是合理的,达到了较好的效果,为正交试验设计最优条件选择提供了合理的方法,可推广到均匀试验设计和析因试验设计。

基于NSGA-Ⅱ的多目标遗传算法通用涡旋盘的优化设计

利用非劣排序遗传算法(NSGA-Ⅱ)对通用涡旋压缩机的动静涡旋盘涡旋体高度、涡旋盘主轴转角、涡旋型线基圆渐开角、涡旋型线基圆半径基本参数进行优化设计,使涡旋盘的径向气体力、切向气体力、倾覆力矩、自转力矩、能效比达到最优。给出了优化设计的遗传算法计算方法、数学模型、基于遗传算法数学模型、程序流程图、多目标优化结果。较其他优化方法,NSGA-Ⅱ能较好解决多目标非线性优化问题,最后用优化后的数据验证了该方法的有效性。

多目标梯级水库优化调度问题的免疫遗传算法

在研究现有多目标遗传算法的优越性与存在不足的基础上,受生物免疫原理的启发,提出了一种新的优化调度算法—多目标免疫遗传算法,有效克服遗传算法的早熟、群体多样性不足及搜索速度慢等问题。同时.以梯级水库优化调度发电量和保证出力为目标,建立了三峡梯级水库多目标优化调度模型。通过实例研究计算,论证了该方法的有效性和实用性。

基于小生境遗传算法的多目标药物提取条件优化分析应用

目的研究小生境遗传算法在均匀试验设计多目标药物提取条件优化中的应用。方法对微萃取五味子的均匀试验数据建立以浸膏得率、五味子醇甲、五味子总木脂素的子目标模型,采用遗传算法分别对其进行单目标优化,NPGA对其进行多目标优化,搜索最优提取条件,比较搜索结果;利用课题组成员英国Glasgow大学软件工程师陈益编写的Matlab2009a外挂SGALAB工具箱beta5008完成遗传算法寻优。结果单目标遗传算法优化可以得到各目标最大时的最优提取条件,NPGA进行三目标优化时,对各子目标进行了折衷处理使各子目标尽可能获得最大的解,在主要目标上达到了单目标最大函数值的76%以上,确定的最优提取条件的效果高于均匀试验中的任何一个方案。结论 NPGA搜索的Pareto非劣解是合理的,达到了较好的效果,为均匀试验设计最优条件选择提供了合理的方法,可推广到正交试验设计、析因试验设计的最优条件选择。

基于遗传算法的多目标设施定位方法

提出了一种基于遗传算法的多目标设施定位方法。设计了一种新的整数和浮点数结合的编码方式;通过列举法使得每代个体满足约束条件,避免了罚函数的使用;可调整的双参数变异算子使进化过程能够较好地跳出局部最优解;应用基于Pareto排序的适应值分配方式得到目标函数的非劣解集,为决策者提供了多种选择方式。仿真实验说明了该方法的有效性。

基于向量评估遗传算法的多目标优化效果评价及程序测试

目的评价向量评估遗传算法(VEGA)进行多目标优化的效果,测试其程序运行的可靠性。方法应用两目标简单测试函数、两目标复杂测试函数、三目标测试函数对VEGA进行模拟测试,利用课题组编写Matlab2009a外挂SGALAB工具箱beta5008完成遗传算法寻优。结果运行VEGA程序得到的两目标简单测试函数Pareto非劣解集的前沿呈一条光滑的曲线分布;两目标复杂测试函数Pareto非劣解前沿呈带状分布;VEGA可得到测试函数的Pareto非劣解集,供决策者合理选择。结论 VEGA多目标优化可以给出合理的Pareto非劣解集,效果理想、程序可靠,可用于实际问题的分析。

多目标最优化的遗传算法

针对多目标、最优化问题解的特点，本文设计了一种遗传算法，可用于求解多目标最优化问题的部分非劣解。经有关函数数值计算表明该算法是有效的。

基于多目标遗传算法的综合利用水库优化调度图求解

分析了常规方法求解综合利用水库调度图存在的问题。结合实例，提出了一个基于遗传算法的调度图求解模型。模型以保证率和缺水量为目标，以基本调度线为决策变量，通过水库的模拟运行结果评价可行解，然后利用遗传算子不断改进调度线，能直接搜索得出调度图的非劣解集。计算结果显示了模型较常规方法的合理性和优越性。

卷烟物流非劣排序遗传多目标优化配送策略

卷烟配送既要降低企业配送成本,还要考虑客户对配送的满意情况。在分别构建车辆路径优化模型和零售终端满意度评价模型的基础上,建立了单位周期内含时间窗的卷烟配送多目标优化模型。采用非劣排序遗传算法实现了模型的多目标数值求解,并引入了改进的拥挤距离,以提高种群的多样性。计算结果表明,非劣排序遗传算法可完成卷烟物流配送路径的多目标优化,能够提供多组可行的配送策略。

解决多目标优化问题的遗传算法研究

近年来,多目标优化问题求解已成为进化计算的一个重要研究方向。本文简要分析了多目标进化算法的研究现状,给出了一种基于非群体迭代型的小生境多目标优化遗传算法。算例测试结果表明该算法结合错位交叉算子具有较好的性能,能够使算法收敛到Pareto概念下的比较均匀的一组非劣最优解。

基于非支配排序遗传算法的效果评价及程序测试

目的研究非支配排序遗传算法的多目标优化问题,并对其效果进行评价。方法采用4个标准测试函数对NSGA进行模拟测试。结果通过NSGA对测试函数的多目标优化,说明NSGA程序可靠,可推广应用到实际问题中。结论在保证多个目标都最优的前提下,NSGA搜索的Pareto非劣解比较理想,提供了可供研究者选择的Pareto非劣解方案。