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NSGA-Ⅱ与方案优选的机场航站楼大跨度钢结构多目标优化研究

为优选出机场航站楼大跨度钢结构最佳施工方案,实现施工工期短、成本低和质量高的综合优化目标,文章以非支配排序遗传算法(non-dominated sorting genetic algorithm Ⅱ,NSGA-Ⅱ)与方案优选为基础,结合建筑信息模型(building information modeling,BIM)技术和工作分解结构(work breakdown structure,WBS)技术,构建兼具优化与施工仿真模拟的大跨度钢结构多目标优化体系;以某军民合用机场为例,应用该体系确定该工程航站楼大跨度网架结构安装采用分块安装法,优选出的施工方案较优化前不仅质量水平保持在较高的0.95,而且工期缩短22 d、成本减少57625元,进一步验证了该体系具有很好的可行性与有效性。研究结果可为科学合理地确定大跨度钢结构施工方案提供依据,并有助于提高机场航站楼施工管理水平,为类似工程提供参考。

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。

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。

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。

基于NSGA-Ⅱ的二氧化碳氢化反应热力学多目标优化

二氧化碳氢化合成低碳烯烃反应是化学储能技术路径中重要的单元反应,二氧化碳首先与由可再生能源获得的氢气进行化学反应合成低碳烯烃,随后通过齐聚反应将能量储存到清洁燃料中。以二氧化碳氢化合成低碳烯烃反应为研究对象,使用Gibbs自由能最小化方法进行了平衡热力学分析,得到反应温度、反应压力、进料气H2与CO_(2)的物质的量比对CO_(2)平衡转化率、低碳烯烃选择性及平衡组分的影响;基于统计学理论建立了反应参数对CO_(2)平衡转化率、低碳烯烃选择性和反应系统中H2O平衡摩尔分数的回归函数模型;最后采用基于快速非支配排序遗传算法(NSGA-Ⅱ)的多目标优化方法对反应系统性能进行多目标优化。结果表明:从提高反应系统性能和降低催化剂水解失效风险角度进行的多目标优化与CO_(2)平衡转化率最大的单目标优化相比,H2O的平衡摩尔分数从47.2%减少到24.9%;与低碳烯烃选择性最大的单目标优化相比,H2O的平衡摩尔分数从51.1%减少到18.7%;与H2O平衡摩尔分数最小的单目标优化相比,CO_(2)平衡转化率和低碳烯烃选择性从64.9%和8.7%分别提高到72.9%和58.6%。

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NSGA-Ⅱ的化工园区无约束双目标安全规划

化工园区安全规划是一个复杂的多目标决策问题,降低潜在事故风险、保证较高经济收益是化工园区安全规划的两个主要目标。应用多目标决策的理论方法,以潜在死亡人数最小化、工业总产值最大化为优化目标,建立了化工园区安全规划无约束双目标优化模型。选用非劣排序遗传算法-Ⅱ(NSGA-II)求解该模型,得出如下结论:(1)建立的化工园区安全规划无约束双目标优化模型是可行的。(2)采用的NSGA-Ⅱ算法是有效的优化方法。(3)无约束情况下,示例中的化工园区只布置甲类、乙类易燃液体存储地块,优先布置乙类易燃液体存储地块,不布置其他类型工业用地。

基于NSGA-Ⅱ和BP算法的横置板簧悬架系统多目标优化

为了匹配汽车簧载质量和悬架刚度,文章建立整车悬架系统振动模型,基于多目标优化理论,以车身加速度均方根值最小、车身侧倾角最小为2个优化目标,将非支配排序遗传算法(non-dominated sorting genetic algorithm-Ⅱ,NSGA-Ⅱ)和反向传播(back propagation,BP)神经网络结合进行多目标优化;根据车辆簧载质量变化和性能偏好,对悬架参数进行匹配,然后对悬架参数进行Sobol敏感度分析,得到各悬架参数对平顺性和操稳性的不同重要程度。仿真结果表明,匹配后的数据对平顺性和操稳性均有较好的优化效果,前阻尼值对平顺性影响最大,后刚度值对操稳性影响最大。

基于NSGA-Ⅱ的层间隔震体系参数优化与能量响应分析

基于层间隔震体系两质点简化模型,建立了以基底剪力最小为优化目标的参数优化方法,采用NSGA-Ⅱ优化得到层间隔震体系在不同质量比下的最优频率比和最优阻尼比;建立了体系的能量和功率方程,从能量和功率角度分别分析了不同质量比下的层间隔震结构最优参数模型能量的传递、耗散和转化关系以及机理表现。

基于RF-NSGA-Ⅱ的盾构施工地表沉降安全控制多目标优化

为有效调整盾构施工参数,指导盾构安全高效施工,建立随机森林(RF)与非支配排序遗传算法(NSGA-Ⅱ)相结合的多目标优化模型,以主要盾构参数为研究对象,以地表沉降和刀盘磨损为控制目标,优化控制分析施工参数;选取控制地表沉降的9个盾构参数作为RF预测模型的输入指标,得到盾构施工参数与地表沉降的非线性关系,作为NSGA-Ⅱ适应度函数,选择刀盘磨损作为第2个优化目标,设定施工参数约束范围进行多目标优化;以岩溶地区某地轨道交通项目为例进行验证。结果表明:采用RF算法模拟训练工程实测数据,得到的地表沉降预测模型的精度较高;基于RF-NSGA-Ⅱ模型智能算法对地表沉降和刀盘磨损的优化效果显著,该模型能够得出相应岩溶地区盾构施工参数控制范围。

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NSGA-Ⅱ的多目标代码混淆模型研究

为解决工业工程中的代码混淆领域存在的多种代码评价指标冲突,以及如何相应确定最优代码混淆技术应用序列的问题,基于NSGA-Ⅱ遗传优化算法,建立一种面向多目标优化的代码混淆模型。提出了基于抽象语法树(AST)的树型基因编码,设计了适用于代码混淆的交叉、变异和选择操作。优化和选取多种可能发生冲突的软件复杂度组成广覆盖面指标集合作为NSGA-Ⅱ的目标函数。应用多种具有代表性的代码混淆技术,设计了多套不同目标种类和不同目标个数的实验方案对该模型进行了有效性验证。

基于灰靶决策和NSGA-Ⅱ的配电系统分布式电源多目标优化

为优化分布式电源(Distributed Generation,DG)的安装位置和容量,以节点电压总偏差、DG投资运行维护费用、网损费用和购电费用为目标函数建立DG优化配置的多目标数学模型。模型中采用拉丁超立方抽样对DG和负荷的概率模型进行状态抽样,以计及DG出力和负荷的不确定性。运用带精英策略的非支配排序遗传算法(NSGA-Ⅱ)算法求解建立的模型得到Pareto解集。采用基于信息熵赋权的多目标灰靶决策算法从Pareto解集中选择最优方案。对25节点配电系统进行仿真计算,结果验证了所提方法的可行性和有效性。

基于BP-改进NSGA-Ⅱ锅炉燃烧多目标优化

为了提高锅炉热效率和降低污染物排放,对锅炉燃烧过程进行多目标优化.采用BP神经网络与改进非支配排序遗传算法(INSGA-Ⅱ)建立锅炉燃烧系统多目标优化模型.基于BP神经网络分别建立NO_(x)排放和锅炉热效率模型;以降低NO_(x)排放质量浓度和提高锅炉热效率为目标,基于BP-INSGA-Ⅱ算法对锅炉燃烧系统进行多目标寻优;基于BP-INSGA-Ⅱ算法、BP-NSGA-Ⅱ算法、GRNN-INSGA-Ⅱ算法和GRNN-NSGA-Ⅱ算法分别建立锅炉燃烧优化模型,比较各优化模型的性能,验证锅炉燃烧优化模型的有效性.结果表明:NO_(x)排放质量浓度预测模型和锅炉热效率预测模型最大误差均不超过3%;基于BP-INSGA-Ⅱ算法建立锅炉燃烧优化模型使NO_(x)排放质量浓度平均降低15.42%,锅炉热效率平均提高0.1058%.结合BP神经网络与改进的多目标优化方法建立的锅炉燃烧优化模型能够同时提高锅炉热效率和降低NO_(x)排放.