基于CatBoost-NSGA-Ⅲ算法的盾构姿态预测与优化

为解决盾构掘进过程中因盾构前倾变形、蛇形、轴线偏离及纠偏等影响施工安全性与高效性的问题,提出一种将类别型特征梯度提升(CatBoost)与第三代非支配排序遗传算法(NSGA-Ⅲ)相结合的盾构姿态多目标优化方法;以贵阳地铁为例,选取22个影响因素作为输入参数,利用CatBoost算法建立输入参数与盾构姿态之间的非线性映射函数关系,采用随机森林(RF)算法评价输入参数的重要性;以盾构姿态绝对值最小化为目标,构建CatBoost-NSGA-Ⅲ多目标优化模型,并通过案例分析验证所提方法的适用性和有效性。结果表明:采用CatBoost算法训练工程实测数据得到的预测模型具有较高的精度,5个盾构姿态目标的R^(2)范围为0.916~0.943;所研发的CatBoost-NSGA-Ⅲ盾构姿态多目标优化方法,可使盾构姿态得到显著优化,整体改进的平均值为53.34%。

基于CatBoost-NSGA-Ⅲ的盾构隧道施工参数分析及优化控制

由于盾构在施工过程中受环境、设备和作业等不确定因素的影响,导致隧道开挖的安全性、效率和成本难以协调。针对这种情况,以武汉轨道交通某标段施工为依托,采用基于梯度增强(CatBoost)和非支配排序遗传算法(NSGA-Ⅲ)的混合算法,在全面考虑掘进效率、成本、安全风险等因素的基础上,选择以推进速度、掘进比能、刀具磨损量为目标,构建施工参数智能控制决策系统。首先,通过CatBoost回归模型预测盾构隧道推进速度、掘进比能和刀具磨损量,得到控制目标的适应度函数;然后,基于CatBoost预测模型构建的适应度函数,利用CatBoost-NSGA-Ⅲ进行施工参数的多目标优化;最后,通过模糊决策法从多个Pareto最优解集中选出最佳的施工参数组合,为隧道盾构掘进参数智能预测与优化提供参考。结果表明:1)Catboost可以进行模型精准预测,拟合优度R2大于0.9,均方根误差RMSE和平均绝对误差MAE较小;2)Catboost-NSGA-Ⅲ多目标优化,模糊决策法确定最优方案。经过优化,相较于实测数据的平均值,掘进比能和刀具磨损量分别降低5.3%和13.5%、掘进速度提升6.3%,为盾构隧道的智能化掘进控制和管理决策提供依据。

基于NSGA-Ⅲ算法的长距离调水泵站多目标优化调度研究

针对长距离调水泵站运行过程中水泵运行效率低、安全隐患较大等问题,以调水泵站运行电费最小、水泵平均效率最大、水泵流量平均偏离度最小、水泵平均启停频次最小为目标建立优化模型。以华东某沿海城市调水工程为例,采用第三代非支配排序遗传算法(NSGA-Ⅲ)求解优化模型,运用层次分析法与CRITIC法进行组合赋权,结合逼近理想解排序法(TOPSIS)进行方案优选。结果表明,相较于常规调度方案,优化调度方案中两泵站的运行电费和水泵流量平均偏离度均显著降低,水泵平均效率均显著提高,水泵平均启停频次均有所减少。表明在综合考虑泵站运行经济性的情况下,所建优化模型能够有效降低安全隐患。

基于NSGA-Ⅲ算法的碳纤维复合材料螺旋铣孔切削参数多目标优化

碳纤维增强复合材料(CFRP)力学性能呈各向异性,层间强度低,为改善CFRP钻孔时中出现的缺陷,螺旋铣孔技术逐渐得到应用。为找到合适的切削参数使得CFRP各项加工性能均达到最优,对CFRP螺旋铣孔切削参数多目标优化方法进行研究。通过螺旋铣试验,测得不同切削参数下的切削力和孔径偏差;使用非线性拟合方法分别建立以径向切削力、轴向切削力、孔径偏差、切削效率为优化目标的多目标优化模型;采用第三代非支配遗传算法(NSGA-Ⅲ)进行多目标优化,获得帕累托最优解;基于主成分分析构建最优切削参数决策算法,完成切削参数解集优劣性能排序,获得满足不同加工性能的最优参数组合。结果显示:NSGA-Ⅲ算法与主成分分析方法的结合可使多目标优化取得良好的效果。

基于改进NSGA-Ⅲ算法的抽油机井群控变频启动技术

为提升抽油机井群控变频启动运行的安全性,增加抽油机井的抽油量,研究基于改进NSGA-Ⅲ算法的抽油机井群控变频启动技术,降低变频启动的电压偏差,通过分析抽油机井群控变频启动条件,明确降低抽油机井群控变频电机与供电管网的电压偏差可以降低变频启动时的冲击电流,提升变频启动运行的安全性。以最小电压偏差与最大抽油量为目标函数,建立抽油机井群控变频电机启动转速确定模型;在NSGA-Ⅲ算法引入参考点选择策略,得到改进的NSGA-Ⅲ算法;用改进NSGA-Ⅲ算法求解转速确定模型,得到最小电压偏差与最大抽油量对应的变频电机启动转速;根据合闸时刻变频电机的相角差,得到变频电机合闸指令,并按照确定的转速启动抽油机井群控变频电机。实验证明:该技术可有效求解抽油机井群控变频电机转速确定模型,且反转世代距离较小、超体积较大,即该技术的收敛性与分布性较优;该技术可有效启动抽油机井群控变频电机,平均抽油量15.8 t/d,最大电压偏差260 V(DC)。

高速铁路大跨度斜拉桥主梁CPⅢ点实时高程预测模型算法研究--以昌赣高铁赣江特大桥为例

大跨度斜拉桥梁体受到多种环境因素的影响会发生变形,进而导致桥面CPⅢ控制点的成果具有多值性,昌赣高铁赣江特大桥主跨长300 m,采用常规的技术方法在如此大跨度斜拉桥上铺设无砟轨道难度较大。通过实测桥面CPⅢ点位高程、大气温度、梁体温度和桥塔位移变形,建立以上几种参数之间的关系模型,通过模型计算各个CPⅢ点在不同温度条件和桥塔偏移量下的变化量,并验证模型计算结果和实测结果较差小于规范要求的3 mm限差,进而采用模型计算的高程数据进行自由设站,设站精度均不大于规范要求的0.7 mm限差,说明本研究模型计算的CPⅢ点高程能够在实际工程应用中使用并满足规范的精度要求。

基于改进NSGA-Ⅲ的多目标联邦学习进化算法

联邦学习技术能在一定程度上解决数据孤岛和隐私泄露的问题,但存在通信成本高、通信不稳定、参与者性能分布不均衡等缺点。为了改进这些缺点并实现模型有效性、公平性和通信成本的均衡,提出了一种面向联邦学习多目标优化的改进NSGA-Ⅲ算法。首先构建联邦学习多目标优化模型,以最大化全局模型准确率、最小化全局模型准确率分布方差和通信成本为目标,提出了基于快速贪婪初始化的改进NSGA-Ⅲ算法,提高了NSGA-Ⅲ对于联邦学习多目标优化的效率。实验结果表明,相比经典多目标进化算法,提出的优化方法能得到较优Pareto解;与标准的联邦模型相比,优化的模型能在保证全局模型准确率的情况下,有效降低通信成本和全局模型准确率分布方差。

基于CNSGA-Ⅲ算法的乌苏市水资源优化配置

以新疆塔城区乌苏市水资源优化问题为例,构建以经济、社会和生态效益为目标的水资源优化配置模型,选用带有Deb约束准则的CNSGA-Ⅲ算法对模型求解,结合熵权-逼近理想解排序法(technique for order preference by similarity to ideal solution,TOPSIS)评价模型,对求解方案进行对比筛选,选出区域水资源最佳配置方案。结果表明:在用水红线约束下,2025年、2035年优化后的水量较原始水量分别节约了50×10^(4)、9×10^(4)m^(3);在用水结构上,与现状年相比农业用水占比分别下降6%、10%;在水源结构上,地下水供水占比下降28%,效果明显,充分利用了地表水及外调水,使地下水超采得到有效遏制,表明所建立的水资源优化模型对乌苏市水资源研究具有一定适用性,对未来水资源配置研究具有一定的参考价值。

基于遗传算法的土地利用优化:NSGA-Ⅱ和NSGA-Ⅲ的对比研究

土地利用优化通常要兼顾不同群体的多种要求,理论上是复杂的超多目标(4个及以上)优化问题。但实际操作中却往往被简化为多目标(2—3个)优化问题,通过一种流行的多目标优化算法第Ⅱ代非支配排序遗传算法(NSGA-Ⅱ)求解。究其原因是对超多目标优化算法认知的缺失和与多目标优化算法理论对比的匮乏。对NSGA系列中应用最广泛的多目标优化算法NSGA-Ⅱ和最新提出、面向超多目标优化的算法NSGA-Ⅲ进行探究,从理论和实验两方面对Ⅲ和Ⅱ进行对比,从而探究二者进行土地利用优化时的优劣。在理论上,对比两种算法原理的异同。在实验中,分别设计多目标(3个目标)和超多目标(13个目标)土地利用优化问题,利用两种算法进行求解。对实验结果采用四层架构、六大指标进行全面评价,以对比两种算法的可用性。理论对比发现,两个算法只有种群多样性保护的方法不同,其中NSGA-Ⅲ是基于与固定的参考点的距离,而NSGA-Ⅱ则是基于相邻解间的距离。通过实验对比发现,NSGA-Ⅲ在超多目标优化时运算速度快,且产生的最优方案实用价值更高,NSGA-Ⅱ在算法的有效性方面更有优势。

基于多目标优化的联邦学习进化算法

传统联邦学习存在通信成本高、结构异构、隐私保护力度不足的问题,为此提出了一种联邦学习进化算法。应用稀疏进化训练算法降低通信成本,结合本地化差分隐私保护参与方隐私,同时采用NSGA-Ⅲ算法优化联邦学习全局模型的网络结构、稀疏性,调整数据可用性与隐私保护之间的关系,实现联邦学习全局模型有效性、通信成本和隐私性的均衡。不稳定通信环境下的实验结果表明,在MNIST和CIFAR-10数据集上,与FNSGA-Ⅲ算法错误率最低的解相比,该算法所得解的通信效率分别提高57.19%和52.17%,并且参与方实现了(3.46,10^(-4))和(6.52,10^(-4))-本地化差分隐私。在不严重影响全局模型准确率的前提下,该算法有效降低了联邦学习的通信成本并保护了参与方隐私。

基于NSGA-Ⅲ的桥梁网络多目标维修决策优化研究

桥梁网络维护方案的制定需权衡多个决策目标以保障其运营安全。为推动桥梁网络维护的低碳化,考虑桥梁网络在运营和维护期间的碳排放,以桥梁网络整体性能最优、碳排放量和维修总成本最小为目标,以桥梁个体满足最低性能要求为约束条件,构建桥梁网络多目标维修决策优化模型,并率先将NSGA-Ⅲ算法应用到桥梁网络维修决策领域,通过其参考点策略从大量的非支配解集中筛选更优的桥梁网络维修方案,以实现网络性能、维护成本和低碳环境的综合考量。模型求解过程中,从收敛性能、解集分布和目标函数性能分析三方面,研究多目标下NSGA-Ⅱ和NSGA-Ⅲ的求解效果。研究结果表明:NSGA-Ⅱ在求解桥梁网络双目标维修决策优化问题上要优于NSGA-Ⅲ,而NSGA-Ⅲ更适合求解目标个数为3个及以上的桥梁网络维修决策多目标优化问题;对于桥梁网络性能-成本-环境的多目标优化,NSGA-Ⅲ可获得更低的成本、更低的碳排放量和更高的网络性能,这表明NSGA-Ⅲ是求解桥梁网络多目标维修决策优化问题非常有效的工具。

基于NSGA-Ⅲ算法的灌区信息化灌溉控制调度研究

为推动灌区的信息化,达到自动化灌溉以及系统24h监控的目的,以国内某灌区为研究对象,利用基于NSG-Ⅲ算法对灌区水资源调控系统进行优化,构建灌区水资源调度优化模型,并通过设计实验证明其有效性。对比实验结果表明,与NSGA-Ⅱ算法比较,NSGA-Ⅲ算法的经济、环境成本比前者下降2.89%。此次设计的基于NSG-Ⅲ算法的灌区信息化灌溉控制调度系统在我国灌区信息化管理的领域,具有一定参考价值。

基于改进NSGA-Ⅲ算法的DV-Hop三维定位算法

在三维空间节点定位算法中,DV-Hop算法凭借其原理简单、成本低的优势得到了大量学者的广泛关注。针对DV-Hop算法中因计算误差导致的定位精度较低的问题,研究NSGA-Ⅲ算法的交叉和变异并进行自适应改进,使得子代个体的进化更加均匀,提高找到全局最优解的概率,减少陷入局部的解空间。最后结合蚁群算法提升了该算法在复杂网络环境中的定位精度。仿真结果表明,与其他算法相比,文章提出的基于改进NSGA-Ⅲ和蚁群算法的DV-Hop三维定位算法具有较好的定位精度。

基于NSGA-Ⅲ的区域水资源多目标优化配置方案决策

为了探究缺水地区如何发挥水资源优化配置综合效益,强化水资源管理,提出以社会、经济、生态为目标的区域水资源优化配置模型。结合水资源实际配置情况,应用第三代非支配排序遗传算法(NSGA-Ⅲ)求解配置模型并获得待选方案集,随后通过建立博弈论-TOPSIS评价模型,对方案集进行筛选获得相对最佳方案。以忻州-阳泉供水区为研究对象,对来水频率为75%、50%、25%的水资源优化配置方案进行求解分析。结果表明:改进NSGA-Ⅲ算法和博弈论-TOPSIS评价模型在模型求解过程中具有较强的实用性,使得优选方案结果更为合理,相较其他方法具有明显优势;最后通过对不同配置方案分析可知,忻州-阳泉供水区实现可持续发展的关键在于不断提升水资源利用效率和努力实现水资源的可持续利用。

不同多目标遗传算法在水闸泵站优化调度应用的对比研究

多目标遗传算法因其高效率和快速收敛而被广泛用于水利工程调度优化。不同的算法具有不同的特点,表现性能不一,寻找一种合适的算法用于水利工程优化是非常重要的。研究选择了三种有代表性的多目标遗传算法,即NSGA-Ⅱ、NSGA-Ⅲ和RVEA,建立了水闸泵站调度多目标优化模型,进行了数值实验来评估这三种算法的表现。根据综合评价,NSGA-Ⅲ更适合于三目标的水闸泵站优化调度。

基于NSGA-Ⅲ算法的采煤机滚筒优化设计及系统开发

为了提高采煤机滚筒的工作性能和设计效率,综合考虑采煤机滚筒尺寸约束关系及性能指标,提出了以装煤效率、截割比能耗和载荷波动为优化目标,叶片厚度、叶片螺旋升角、叶片头数、同一截线上的齿数和截齿安装角为优化变量的采煤机滚筒优化模型。采用NSGA-Ⅲ算法对提出的有约束多目标采煤机滚筒优化模型进行寻优,利用MATLAB开发了采煤机滚筒优化设计系统,以某公司截割实验的煤岩参数、工况条件为输入,通过采煤机滚筒优化设计系统得到滚筒最佳设计方案,该滚筒相对于MG500/1130WD采煤机滚筒,装煤能力提高了12.7%、截割比能耗降低了8.0%、载荷波动系数减小了20%。结合CAD技术以及初始图形交换规范(IGES)形成了完整的采煤机滚筒三维虚拟模型。

基于NSGA-Ⅲ算法的云制造服务组合优选方法

为解决传统云制造环境下云制造服务在优选组合过程中存在历史评价动态变化、组合优选结果客观性较差、无法充分反映单个评价指标所具有的突出影响等问题,提出一种基于NSGA-Ⅲ算法的云制造服务组合优选方法。建立了包括非功能属性与历史评价属性的云制造服务评价指标体系;以总时间、总费用、历史服务质量、历史服务满意度、历史服务可靠度为优化目标,构建了云制造服务多目标优选组合模型。运用NSGA-Ⅲ算法对上述模型进行求解,并在云制造服务平台中验证了所提模型的可行性和算法的有效性。

基于遗传算法的皮尔逊Ⅲ型曲线参数估计

皮尔逊Ⅲ型频率曲线参数估计时,常用方法有矩法、权函数法和适线法等,这些方法各有缺陷。根据遗传算法全局寻优的原理与特点,采用遗传算法计算皮尔逊Ⅲ型频率曲线的三个参数,并和其他方法进行了对比验证。结果表明,遗传算法得到的频率曲线与实测资料误差小,拟合精度高,是一种较好的计算方法,值得推广应用。

蚁群算法在P-Ⅲ型分布曲线参数估计中的应用

针对蚁群算法具有正反馈、并行计算、较强的鲁棒性,通过对标准蚁群算法的修改,提出一种可用于P-Ⅲ型分布曲线参数估值的连续蚁群算法。以黄河循化站实测资料为例,结果表明,基于离差平方和最小准则的蚁群算法所得的P-Ⅲ型曲线参数精度优于矩法、线性矩法和适线法,收敛速度快。

遗传算法在P-Ⅲ型分布曲线参数估值中的应用

通过加入历史洪水等多种方案进行统计试验,较为全面地分析了遗传算法在P-Ⅲ型分布曲线参数估值中的应用问题。结果表明:基于绝对值准则的遗传算法具有良好的不偏性和有效性,统计性能优于矩法、适线法,且可以充分利用样本信息来优化参数,在设计值的不偏性上略优于线性矩法;基于遗传算法的适线求解中,绝对值准则优于平方和准则;遗传算法可以提高P-Ⅲ型分布曲线参数估值的精度,但尚需在实践中提高该方法的应用价值。