基于非支配排序遗传策略的车联网多目标计算任务卸载调度方法

移动边缘计算(Mobile Edge Computing,MEC)作为5G体系结构中非常重要的部分,能够支持需要超低延迟的许多创新性的服务与应用,可以通过引入MEC来解决目前车载移动终端设备无法满足车联网(Internet of Vehicles,IoV)低能耗与低时延需求的问题.提出将车辆计算任务切分成小的有依赖关系的子任务,切分后的子任务可并行处理,同时基于计算任务切分提出时延与能耗模型;构建IoV计算任务卸载的约束多目标优化模型,并提出非支配排序遗传策略(Nondominated Sorting Genetic Strategy,NSGS)来优化目标函数,对IoV中计算任务卸载问题提出新的非支配关系与约束.基于一系列的实验以及卸载方法间的比较,证明了本文所提出方法的有效性及具有更低的时延和能耗.

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。

多目标炼钢—连铸生产调度的改进带精英策略的快速非支配排序遗传算法

针对炼钢连铸调度的特殊工艺要求,在考虑炉机匹配原则和多重精炼的情况下,建立了以炉机匹配度、炉次间等待时间、浇次的开浇提前/拖期时间为评价指标的多目标约束满足优化模型,并针对其多目标特征,提出一种基于自适应网格法的择优策略来改进带精英策略的快速非支配排序遗传算法,有效克服了使用传统Pareto支配法择优策略在解决离散问题时容易丢失有用信息的缺陷。基于多种规模的实际生产数据进行仿真实验,结果表明所提算法在收敛性、最优解集多样性和计算效率方面优于传统带精英策略的快速非支配排序遗传算法。

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。

复合拣选策略下堆垛机作业序列优化问题

订单拣选是配送中心最费时费力的环节,配送速度不仅是新型电商的核心竞争力也是大型制造企业物料配送的核心指标,复合式拣选策略成为提高配送速度的重要方式。结合复合式拣选方式中货物之间不同的出货要求,将货物按照出货的紧急程度进行分类,建立了以能耗成本、作业时间以及出货惩罚值最小化为目标的堆垛机拣选作业序列多目标优化模型。通过改进带精英策略的非支配排序遗传算法(NSGA-Ⅱ)实现该问题的高效求解。算例分析表明,复合式拣选策略下可实现大多数订单的提前拣选,改进优化算法可为决策者在成本、效率和服务质量3个维度提供科学决策依据。

考虑技能学习差异的多工人协作柔性车间调度

在考虑工人技能学习差异的基础上,为解决多工人协作柔性车间调度问题,提出了基于稀疏邻域带精英策略的快速非支配排序遗传算法(Non-dominated Sorting Genetic AlgorithmⅡ,NSGA-Ⅱ)的调度方法。对考虑技能学习差异的多工人协作柔性车间调度问题进行了描述,以车间工人学习能力为背景改进了DeJong学习模型,并建立了多工人协作柔性车间调度的多目标优化模型。在NSGA-Ⅱ基础上,引入了邻域稀疏度的选择方法,有效保留了信息丰富和多样化的染色体,并将稀疏邻域NSGA-Ⅱ应用于柔性车间调度问题求解。经实验验证,稀疏邻域NSGA-Ⅱ所得Pareto解集质量高于标准NSGA-Ⅱ和自适应多目标进化算法(Multiobjective Evolutionary Algorithm Based on Decomposition,MOEA/D),最短调度方案的完工时间为127.1 min,该方案满足逻辑和时间等约束。实验结果验证了稀疏邻域NSGA-Ⅱ在柔性车间调度中的优越性。

内置式永磁游标轮毂电机结构参数多目标优化

外转子内置式永磁游标电机采用了磁调制原理,其内嵌永磁的结构能够提供额外的磁阻转矩,在低速大转矩方面有显著优势。研究了V形内置永磁游标电机,针对其磁路结构复杂、电磁参数多、不同性能指标之间难以平衡的问题,选取电磁结构参数作为优化对象,采用有限元的计算方法建立了BP神经网络代理模型,并利用NSGA-Ⅱ进行多目标优化,电机转矩和铁心损耗的优化率均达到10%以上,验证了多目标优化算法在内置式永磁游标电机设计方面的优越性。

失效情景下考虑拥堵及偏好的多式联运路径选择

为保障集装箱运输的经济性,有效规避新冠疫情所造成的风险和损失,助力交通运输业绿色低碳发展,提出失效情景下以多式联运经营人利润最大和运输碳排放总量最小为目标的多目标0-1规划模型。模型不仅考虑节点及路径失效的不确定性,还考虑失效后的拥堵及托运人偏好等影响路径选择的因素。采用蒙特卡洛方法(Monte Carlo method,MCM)结合带精英策略的非支配排序遗传算法(elitist non-dominated sorting genetic algorithm,NSGA-Ⅱ)的混合算法(MCM-NSGA-Ⅱ)对模型进行求解,并以武汉到柏林的集装箱运输为例验证模型及算法的有效性。研究结果表明:托运人偏好、失效及失效后的拥堵会对运输方案的利润、碳排放量、时间产生影响,从而改变帕累托最优运输方案。研究可为制定并优化多式联运方案提供决策支持。

基于双链式结构的云制造系统内资源调度

为提高云制造系统内各参与主体间的信任度及资源调度效率,研究基于双链式结构的云制造系统。首先,对区块链技术应用于云制造系统中进行分析,设计企业信息公有链及制造资源联盟链上的业务流程。其次,提出将资源调度算法写入制造资源链的智能合约中自动执行资源调度,建立考虑创新性和匹配性的多目标资源调度模型,使用带精英策略的快速非支配排序遗传算法(NSGA-Ⅱ)进行模型求解。最后,进行实验仿真分析,将本文所提出双链式结构及资源调度模型与传统云制造资源调度模型做对比,验证模型的有效性。结果表明,在基于双链式结构的云制造系统内各参与节点间相互信任后,制造资源调度具有更优的非支配解集并且资源调度速度得到了提升。

复杂机坪运行模式下的停机位分配协同优化

目前我国大型枢纽机场普遍存在近机位资源紧张,难以协同机场、旅客、航司三方利益等问题,并且由于其机坪运行模式复杂,导致滑行通道冲突风险加剧,影响机场运行安全.为了探索大型枢纽机场停机位协同分配问题综合有效的解决方法,把武汉天河国际机场作为典型实例,考虑不同机坪构型的运行方案对停机位分配的影响,在满足区域机位组合限制、航班对应运营区域限制等实际约束的基础上,从靠桥率、旅客步行距离和同机位航班冲突三个方面建立多目标停机位分配协同优化模型,并利用带精英策略的快速非支配排序遗传算法对模型进行仿真验证.将得到的Pareto最优前沿与人工分配结果进行对比,优化效果显著,并且对应的多个最优解均满足机场的实际运行规则,对于机场工作人员有针对性地根据不同的需求选择符合机场实际运行情况的停机位分配方案提供了科学合理的依据.

应急物资运输路径多目标优化模型及求解算法

针对应急前期运输商自有车辆不足的实际背景,采用自有车辆和第三方租用车辆共同配送的运输模式,对混合车辆路径的组合优化问题进行研究。首先,考虑需求点和运输商的不同利益诉求,以系统满意度最大、系统配送时间和总成本最小为优化目标,建立带软时间窗的多目标混合车辆路径优化模型。其次,考虑NSGA-Ⅱ算法在求解该类问题时收敛性差和Pareto前沿分布不均匀的缺点,将蚁群算法的启发式策略和信息素正反馈机制用于生成子代种群,非支配排序策略模型用于指导算法的多目标择优过程,并引入变邻域下降搜索以扩大搜索空间,提出求解多目标的非支配排序蚁群算法以突破原有算法瓶颈。算例表明:构建的模型可对决策者在不同的情境下依据不同的优化目标选择合理的路径提供参考,提出的算法在求解不同规模的问题和不同分布类型的问题中均表现出较好的性能。

磁悬浮开关磁阻电机多目标优化设计

研究了一种基于极限学习机(extreme learning machine,ELM)与带精英策略非支配排序遗传算法(improved non-dominated sorting genetic algorithm,NSGA-II)的单绕组磁悬浮开关磁阻电机(single winding bearingless switched reluctance motor,SWBSRM)多目标优化设计方法。结合有限元分析(finite element analysis,FEA),分析了SWBSRM悬浮力、转矩随各结构参数变化的一般规律,得到ELM非参数模型。针对该训练模型并结合NSGA-II进行全局寻优,获得使悬浮力、转矩同时更优的结构参数数值组合。通过对比优化前后电机输出悬浮力、转矩大小,验证了以ELM、NSGA-II为基础的SWBSRM结构多目标优化设计的有效性。

电磁感应线圈发射子弹系统优化设计

电磁发射子弹具有速度可调、响应时间短的优势,在防恐、维稳等方面具有重要的应用潜力。针对目前电磁轨道发射子弹存在的出膛初始扰动大、出膛后气动外形变化的问题,该文提出采用非接触式线圈发射子弹的方案,克服了轨道发射初始扰动和气动外形变化的难题。通过建立线圈发射子弹的动态发射模型,并结合带精英策略的非支配排序遗传算法(NSGA-Ⅱ)建立线圈发射子弹系统的优化设计模型。提出分步优化设计思想,在满足子弹预定能级要求的前提下,以线圈发射装置长度和发射效率为优化目标,实现了对包括线圈截面参数、子弹结构参数、脉冲电源初始电压和触发时序等多个设计变量的优化设计。优化结果表明:若以两个指标平均值最小为优化目标,则装置最短长度为0.123m,对应发射效率为4.89%。

考虑机器检修的圆钢热轧批量调度算法

针对圆钢的热轧批量调度问题,考虑实际生产中的机器检修计划对批量连续性加工的影响,以最大化产能利用率、最小化机器调整时间和订单提前拖期为优化目标,建立了多目标的整数规划模型,并提出改进的带精英策略的快速非支配排序算法对模型进行求解。算法结合问题的约束特征,采用改进的NEH算法生成初始解,并采用罚函数的思想设计适应度函数,对种群中存在的不合理解设计修复规则进行修复;针对遗传进化过程,设计了遗传操作方式,并在算法迭代过程中嵌入基于有限搜索范围的邻域搜索算法,避免算法陷入局部最优。实验结果表明,模型和算法对问题的描述和求解是可行有效的。

基于NSGA Ⅱ的物流配送中车辆路径问题研究

车辆路径问题已经被证明属于NP-Hard问题。针对这一问题建立了多目标优化的数学模型;构造了带精英策略的快速非支配排序遗传算法,以求解车辆路径问题的数学模型,针对物流配送路径优化,将该算法从解决连续问题扩展为解决离散问题;进行了算法设计,提出了离散问题的快速非支配排序和锦标赛选择结合的子代选择方法,并修正了以往的初始群体生成、交叉和变异的方法。通过实例比较证明,该算法可以更好地解决物流配送路径优化的多目标问题,较快找到更优解,避免早熟收敛并改进算法性能,达到较高的搜索效率。

基于个体邻域的改进NSGA-Ⅱ算法

带有精英策略的非支配排序遗传算法(NSGA-II)是在NSGA的基础之上,提出拥挤度和拥挤度比较算子,代替了需要指定共享半径的适应度共享策略,是解决多目标优化问题的经典算法之一。但是NSGA-II算法在保持种群多样性时采取的拥挤距离排挤机制有着pareto前沿分布不均匀的缺陷,因此,提出一种基于个体邻域的改进NSGA-II算法SN-NSGA2。SN-NSGA2将密度聚类算法DBSCAN中邻域的思想应用到排挤机制中去,提出一种个体邻域的构建方法,采用相应的淘汰策略去除个体邻域中的其他邻居个体。实验结果表明相对于NSGA-II算法来说,新算法求出的pareto解集有着更好的分布性以及良好的收敛性。

基于遗传算法的汽车磁流变减振器多目标优化

为满足汽车半主动悬架系统的功能需求,宜设计具有大阻尼力调节范围、低能耗、响应迅速的磁流变减振器。本文中分别以磁流变减振器线圈耗能功率和响应时间为目标函数,以输出阻尼力和磁流变减振器阻尼通道处磁感应强度为约束条件,建立了磁流变减振器多目标优化模型,采用带精英策略的非支配排序遗传算法,获得了磁流变减振器多目标优化的最优Pareto解集。结果表明:多目标优化不仅能满足阻尼力可调范围的工程需求,且线圈功率损耗大大减小,响应时间明显缩短,为汽车磁流变减振器的结构优化提供了有效方法。。

基于连通可靠性的危险品运输路径选择问题

为解决危险品运输路径选择的不确定性问题,提出基于连通可靠性的危险品运输路径选择(HMTPS)方法。在定义危险品运输路径连通可靠性的基础上,根据HMTPS特性,在满足最小路径连通可靠性条件下,以路径风险、运输时间和运输成本最小为目标函数,构建基于连通可靠性的HMTPS多目标优化模型。引入改进的带精英策略的非支配排序遗传算法(NSGA-II),对该多目标优化模型进行求解。最后,通过一个实例对模型和算法进行验证。仿真结果表明:利用NSGA-II求解基于连通可靠性的HMTPS问题,可得到一系列Pareto最优解,其解空间分布均匀,并具有良好的收敛性和鲁棒性,模型和算法的有效性得到验证。

基于模糊时间窗的多目标冷链配送优化

随着生鲜冷链行业竞争逐渐白热化,成本高、时效性强、新鲜度难以保持等问题已成为制约冷链物流配送的瓶颈。为提高生鲜配送效率,考虑客户满意度,以货损成本、惩罚成本等综合配送成本最低为目标函数,构建了一个多目标配送路径优化模型。设计带精英策略的非支配排序遗传算法(Elitist Non-dominated Sorting Genetic Algorithm,NSGA-Ⅱ)求解该问题,利用Solomon标准数据集进行仿真模拟实验。实验结果对比分析表明,考虑满意度时冷链物流配送所需车辆更少,总路径长度更短,设计的算法可以在较短的时间内获取到帕累托最优解集,能够有效地解决模糊时间窗下的配送路径优化问题。

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。