非支配排序最优保留遗传算法的低成本车削

切削参数优化对于加工质量、生产效率、加工成本、利润具有非常重要的意义。提出一种新算法即非支配排序最优保留遗传算法(ORNSGA),并应用于有约束条件的多工序车削模型优化。加工实例结果表明:与混合人工蜂群算法(HABC)、差分进化受体编辑算法(DERE)、粒子群受体编辑算法(PSRE)、混合搜索算法(HTHS)、混合鲁棒遗传算法(HRGA)及模拟退火算法(SA/PA)比较,用非支配排序最优保留遗传算法得到了最低的单位生产成本,不仅节约了生产成本,而且很好地解决了切削参数优化问题,如数控车削中的粗车进给量、粗车切削速度及精车进给量、精车切削速度。

基于非支配排序遗传算法的无约束多目标优化配煤模型

分析单目标动力配煤模型的缺点,提出多目标优化配煤模型,模型将所有煤质指标都作为优化目标,根据每个指标的特点构建出安全性、经济性和环保性3个目标函数。引入带有精英策略的非支配排序遗传算法(non-dominated sorting genetic algorithm,NSGA-II)作为该模型的寻优算法,并结合配煤问题的特点对原算法进行适当改进和调整,对某电厂的实际配煤问题进行求解,得到分布较好的Pareto最优解集,这些解为电厂配煤人员在多个相互关联的目标之间进行决策时提供了多样的选择,具有很好的指导作用和应用价值。

基于并行非支配排序遗传算法的限流措施多目标优化

分析了当前限流措施优化模型和算法存在的缺陷,提出了综合考虑安全性、稳定性、经济性的限流措施多目标优化模型。在潮流约束下,模型以总投资成本最小、故障后功角稳定性最佳、短路电流综合越限最小为优化目标,并且引入带精英策略的改进非支配排序遗传算法,结合基于限流效果灵敏度的支路筛选策略,应用于Pareto最优限流措施的求解。为提升优化速度,在MATLAB计算平台上对改进非支配排序遗传算法进行了主从并行改造。最后,结合改进的新英格兰10机39节点系统优化结果,验证了所提出的多目标优化方法有效、可行。

基于改进的非支配排序遗传算法的模块化产品多目标配置优化研究

在产品族模块化设计的基础上,应用模糊数学评价理论与最小二乘法,构建了以产品性能、成本及出货期为目标函数的配置优化数学模型,并采用基于改进的非支配排序遗传算法对三者进行并行优化。由此获得一系列基于Pareto最优集的配置方案来满足不同客户对产品性能、成本及出货期的要求,解决了客户需求侧重点对产品设计结果的适应性处理。最后,结合项目实施,给出该方法在机床制造业中的典型应用实例,验证了文中提出方法的有效性和适应性。

带精英策略的快速非支配排序遗传算法在多目标无功优化中的应用

带精英策略的快速非支配排序遗传算法(NSGA-Ⅱ)是一种新型的多目标遗传算法,该算法求得的Pareto最优解分布均匀,收敛性和鲁棒性好。本文分析了当前多目标无功优化算法存在的缺陷,提出将NSGA-Ⅱ应用于多目标无功优化,该算法一次运行可以获得多个Pareto最优解,决策者可根据系统的实际要求选择最终的满意解,为各目标函数之间的权衡分析提供了有效的工具。算例结果表明NSGA-Ⅱ算法具有良好的优化效果,是一种求解多目标无功优化问题的新思路。

基于负荷预测和非支配排序遗传算法的人工相序优化方法

在对0.4 kV配电台区进行节能降损时发现,调整负荷的接入相序能够有效降低台区的线路损耗和三相负荷不平衡度。文中提出基于负荷预测和非支配排序遗传算法(NSGA2)的人工相序优化方法。首先,利用配电台区出口电流曲线替代法建立用户负荷模型。其次,基于历史数据使用Elman神经网络对调相日的台区内各用户日电量和出口三相电流进行预测。然后,基于预测数据综合考虑以线损最低和调相次数最少为目标函数,建立配电台区多目标相序优化数学模型,使用NSGA2对该模型进行求解,得到优化后各负荷接入相序。最后,通过对比安徽电网某配电台区调相前后的理论线损,验证本文所提方法的有效性。

基于改进的二代非支配排序遗传算法对电子变压器多目标优化

对多目标、多变量优化方法研究的基础上,提出了改进的二代非支配排序遗传算法。在该算法中,通过增加种群多样性和提高个体竞争力,有效地减少了早熟收敛现象的发生;同时,通过种群分割操作,大大减少了交叉运算的计算量。依据这一改进算法,建立了三维优化模型,对电子变压器进行了多目标优化设计,获得了电子变压器优化设计参数,使其体积更小、效率更高,更容易找到全局最优解。与非支配排序遗传算法(NSGA)和二代非支配排序遗传算法(NSGA-Ⅱ)相比,改进的二代非支配排序遗传算法在电子变压器优化设计方面具有明显的优势。最后,依据优化结果,制作了一台磁芯材料为超微晶合金的高频变压器,温度校核结果表明了此优化方法的可行性。

基于二代非支配排序遗传算法的电子变压器多目标优化

基于二代非支配排序遗传算法(NSGA-Ⅱ)对大功率电子变压器的优化设计进行了研究。以电子变压器的面积乘积、磁芯损耗和绕组损耗为目标函数建立了三维优化模型。通过对NSGA-Ⅱ算法的研究,合理确定了选择、交叉、变异等算子的取值,对冷轧硅钢片、铁基非晶合金、超微晶合金三种磁芯材料的电子变压器的设计进行了优化。根据磁芯损耗和绕组损耗相等时变压器效率最大的原则选取了最优点。通过对优化结果的参数指标比较,分析了三种磁芯材料的物理特性。利用有限元软件计算了三种变压器的温度场,作了温度校核,并对三种变压器的热特性进行了分析,验证了超微晶合金材料在大功率电子变压器设计制造的优越性。

基于改进非支配排序遗传算法的维修资源优化配置

针对在武器装备维修保障过程中出现的资源短缺、资源冲突等问题,构建了多目标的维修资源优化配置模型,并且基于加权思想将多目标转化为单目标以方便求解。针对遗传算法求解多目标优化问题存在的解空间过大、收敛速度慢、计算效率低等问题,提出了基于约束的改进非支配排序遗传算法对资源优化配置模型进行求解。实例分析结果验证了模型及算法的可行性和有效性。

面向交通信号优化改进快速非支配排序遗传算法研究

针对快速非支配排序遗传算法(NSGA-Ⅱ)的精英保留策略会使大量冗余的高排序级别个体同时作为精英保留到下一代,极易发生早熟收敛现象问题,提出了改进的快速非支配排序遗传算法(I-NSGA-Ⅱ),并将其应用于交通信号多目标优化问题。I-NSGA-Ⅱ采用了冗余个体标记方法,之后的精英保留策略会通过该标记来判断去除冗余个体并将其并入临时层级,最后在生成的新种群规模不足时,会从临时层级中取出相应规模的冗余个体,对其进行变异操作后并入新种群。实验表明,I-NSGA-Ⅱ在保证停车率和排队长度基本不变的情况下,减少了车辆及行人延误,证明所提出的算法可提高交通路口综合交通效益。

基于非支配排序遗传算法的感载比例阀静特性多目标优化设计

以某匹配感载比例阀的车辆为例,以理想利用附着系数曲线为目标,以ECE制动法规为约束条件,利用非支配排序遗传算法对车辆在空载、半载和满载状态下的制动性能进行了多目标优化,得到了满足设计要求和性能最优的感载比例阀静特性曲线。

基于非支配排序遗传算法的细纱工艺参数优化

为了实现细纱生产工艺参数优化,解决细纱生产过程中高能耗问题,提出了一种基于非支配排序遗传算法的细纱工艺参数多目标优化方法。通过分析细纱生产工艺流程,确定了影响细纱成纱质量与能耗的工艺参数,提取了评价成纱质量的关键质量评价指标,结合灰色关联理论将质量评价指标转化为综合质量指标,利用二阶响应曲面法拟合工艺参数与综合质量指标、碳排放量之间的关联关系,构建了细纱工艺参数多目标优化模型,并采用非支配排序遗传算法对模型进行寻优,得到了最佳工艺参数。结果证明:在优化后的工艺条件下,细纱生产过程中各项质量评价指标值较初始值均得到改善,碳排放量平均减少5.77%。

基于机器学习和非支配排序遗传算法的盾构姿态预测与优化

提出了一种将贝叶斯优化(BO)算法、随机森林(RF)算法和第三代非支配排序遗传算法(NSGA-Ⅲ)相结合的盾构姿态优化方法。依托杭州—临安城际铁路工程,选取盾构参数、土性参数和隧道埋深作为输入参数,使用BO算法优选RF算法的超参数,构建盾构姿态预测模型,并对输入参数进行重要性分析。将盾构姿态预测模型函数作为适应度函数,引入NSGA-Ⅲ算法优化盾构姿态,并得到盾构参数控制范围。结果表明:采用BO-RF算法和工程实测数据训练模型,所得预测模型精度较高;千斤顶推力对盾构姿态影响最大,膨润土掺加量对盾构姿态的影响最小;采用BO-RF-NSGA-Ⅲ优化方法,盾构切口水平位移和垂直位移平均值分别减小了37.20%、36.87%,盾构尾部水平位移和垂直位移平均值分别减小了26.52%和18.10%,对盾构姿态的优化效果显著。该优化方法可靠适用,值得推广。

基于改进非支配排序遗传算法的智能变电站状态检测方法

为提高变电站设备运行状态检测结果的可靠性,规范其运行,基于改进非支配排序遗传算法的应用,以某智能变电站为例,开展其状态检测方法的设计研究。布置传感器进行电力设备运行数据的采集,引进变分模态分解方法,进行电力设备运行数据去噪与降维处理;引进遗传算法,通过在知识领域与多个目标之间的迭代,找到最优平衡点,筛选出最有效的特征组合,实现对变电站中电力设备运行数据的知识集合生成与特征提取;引进深度迁移学习,构建并训练自组织映射(SOM)网络,此网络含多个神经元节点,自适应聚类输入特征,实现智能变电站设备的在线管理与异常检测。对比试验结果表明:该方法可以精准识别智能变电站在运行中的电力设备异常状态,可通过此种方式实现对变电站的智能管理。

基于非支配排序与遗传算法的毛边锯材优化下锯算法研究

【目的】为解决我国木材加工企业在毛边锯材锯切过程中存在出材率低和智能化加工能力不足的问题,本研究基于非支配排序与遗传算法提出一种毛边锯材优化下锯智能算法。【方法】通过分析毛边锯材下锯方式,确定了先截断后纵解再截断的加工方法。分析毛边锯材传统纵向等宽锯切方法不足,以出材率为最终求解目标,完成两阶段优化下锯模型构建。将毛边锯材视作无缺陷锯材进行下锯方案求解,同时考虑出材率与坯料价值,基于坯料宽度编码,采用非支配排序与拥挤度排序确定个体优劣,提出多种群寻优策略完成种群迭代,获取多种下锯方案。取出所有下锯方案对原含缺陷锯材模拟锯切,使用遗传算法寻找方案的最优下锯顺序,以得到最终下锯方案。选用C++编程实现算法功能,并通过OpenCV C++编程显示仿真锯切结果。实测毛边锯材分别采用传统等宽锯切方法与本算法对锯材进行模拟锯切,对比锯切结果以验证算法可行性。【结果】本算法在使用不同横向截断长度、不同输入坯料宽度和不同锯材的情形下,仿真锯切结果均优于传统等宽锯切方法,锯材完整坯料出材率与总出材率明显提升。【结论】优化下锯方法相比传统等宽锯切方法可提供更好的下锯方案,能在一定程度上实现毛边锯材优化下锯,为我国毛边锯材智能化加工提供一种新的解决方案。

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。

服装企业包装订单分配排序优化模型及其快速非支配遗传算法求解

为解决纺织服装生产企业包装出货过程中在包装订单分配与排序时存在的分配方案不合理、拖期时间长等问题,在考虑包装线机器分配及机器调整时间约束的情况下,建立以最小化最大完成时间和拖期时间为目标函数的包装订单分配排序两目标优化数学模型,并采用基于参考点的快速非支配遗传算法对模型进行求解,然后对优化解进行解码输出优化方案。通过该模型与算法求解相关企业的具体算例,结果表明:该模型输出结果缩短了最大完成时间,有效地控制了拖期,几种优化方案的平均最大完成时间相较于按交货期优先规则的方案缩短了4.7%,且所有方案的总拖期均小于4 h。研究成果在提升纺织服装生产企业的包装出货效率方面具有良好的应用与推广价值。

基于非支配排序遗传算法的涡轮发动机转子系统装配参数优化

为探究保障转子系统高温动平衡的最佳装配参数方法,掌握高温下动平衡的变化规律,提出转子系统各零件装配角矩阵的优化确定方法。基于高温工况下热-结构动平衡理论模型和零件材料特性随温度的非线性变化规律,建立转子系统动平衡随温度变化的解析方程;根据不同装配参数下系统不平衡量和偏移扭矩的差异,把高温动平衡优化问题转换为多目标多变量的优化问题,给出基于非支配排序遗传算法的解决方案;以某弹用涡轮发动机高压转子系统装配为例,在600℃工作环境下对所提方法进行验证,得到该工况下零件最佳装配角矩阵,以及最小化温度对转子系统动平衡的变化量影响,改善了装配质量特性。结果表明,零件装配角对高温工况下转子系统动平衡变化有很大的影响,通过装配参数优化可显著减少高温工况对多零件转子系统动平衡的影响。

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。

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。