OPTIMIZATION ON ANTENNA PATTERN OF SPACEBORNE SAR WITH IMPROVED NSGA-Ⅱ

Optimization of antenna array pattern used in a spaceborne Synthetic Aperture Radar (SAR) system is considered in this study. A robust evolutionary algorithm, Non-dominated Sorting Genetic Algorithms (the improved NSGA-Ⅱ), is applied on a spaceborne SAR antenna pattern design. The system consists of two objective functions with two constraints. Pareto fronts are generated as a result of multi-objective optimization. After being validated by a test problem ZDT4, the algorithms are used to synthesize spaceborne SAR antenna radiation pattern. The good results with low Ambi- guity-to-Signal Ratio (ASR) and high directivity are obtained in the paper.

基于多种群遗传-模式搜索算法的函数优化与仿真

为改善遗传算法局部寻优能力较差和易早熟的固有缺陷,提出一种多种群遗传-模式搜索算法。算法利用遗传算法的强全局搜索能力,模式搜索算法的局部寻优精度高的优势及多种群的多样性,加入人工选择算子保留各种群最优值,以提高遗传算法的收敛性,并且对各种群采用不同控制参数兼顾算法的全局搜索和局部搜索。通过对复杂函数进行仿真测试,结果表明多种群遗传-模式搜索算法比单独使用标准遗传算法和多种群遗传算法精度高,而且可跳出局部最优,快速收敛,是一种有效可行的优化算法。

多阶段并发的协同物流网络任务-资源集成调配模型

协同物流网络作为动态开放的网络需要整合多种资源,以完成多项并行的物流任务。为此,本文从物流服务集成商的角度,研究了带时间窗和资源约束的任务—资源集成调配问题。通过将物流任务分解为不同阶段,构造多阶段并发的协同物流网络任务—资源集成调配模型,并采用遗传算法对模型进行求解,以从候选资源集合中为任务阶段匹配合适的资源。算例结果表明,该模型能够有效实现N-N的任务-资源集成调配,使得协同物流网络的整体效益达到最优。

战场环境下遗传黏菌算法的多机协同任务分配

针对已知战场环境下的多无人机协同任务分配问题,提出基于融合遗传黏菌算法的任务分配方法.综合单机约束、机群总体收益和损耗以及任务需求等条件,构建多机协同任务分配目标函数.针对遗传算法易陷入局部最优、黏菌算法收敛慢的问题,改进遗传迭代和黏菌探索行为.将离散黏菌算法引入遗传算法,增强融合算法的搜索能力.在种群迭代中加入干扰操作,提高求解精度.在已知环境下进行分配试验和路径演示,并与其他算法进行对比.结果表明,利用所提出的融合算法,能够获得目标函数值更高的任务分配方案.

具有串并行异类工序约束的多柔性车间联合调度

为了减少具有串并行异类工序约束多车间联合调度的总延期时间,提出了基于知识牵引遗传算法的调度求解方法。首先,采用扩展工艺树描述串并行异类工序约束,并基于无向图描述机器在多车间的分布;针对染色体初始化和进化过程中的扩展工艺树约束,定义了紧前工序数和剩余紧前工序数的概念,基于剩余紧前工序数设计了染色体初始化和进化方法;为了提高遗传算法的进化能力,将种群进化能力和最优个体进化能力作为知识,用于牵引算法的进化方式和方向,从而提出了知识牵引遗传算法的求解方法。经实验验证,知识牵引遗传算法调度的总延期时间均值最小,为30.8 h,说明该算法在多车间调度中具有最好的优化性能;且总延期时间盒须图长度最小,说明知识牵引遗传算法的稳定性也较好。

多机任务分配与路径规划协同优化法研究

针对多无人机执行多目标协同侦察的任务需求,提出了多机多目标任务分配与路径规划的协同优化方法。以单亲遗传算法(partheno genetic algorithms,PGA)为基础,基于Dubins曲线构建了与实际路径代价相结合的代价函数;为进一步减小计算量,提出了基于无人机探测距离的聚类算法,将生成的聚类点作为无人机新的航路点。仿真结果表明:在考虑禁飞区域以及侦察点繁多情况下,该算法能够有效完成无人机的侦察任务分配并同时形成初步航路,提高了任务分配的合理性和收敛速度,并降低了全局代价。

智慧交通场景下云边端协同的多目标优化卸载决策

随着智慧交通、云计算网络以及边缘计算网络的快速发展,车载终端与路基单元、中心云服务器之间的信息交互变得越发频繁。针对智慧交通云边端协同计算场景下如何高效地实现车路云一体化融合感知、群体决策以及各级服务器间对资源的合理分配问题,设计了基于云边端与智慧交通全面融合的网络架构。在该架构下,通过对任务类型的合理划分,再由各服务器对其进行选择性的缓存、卸载;在智慧交通云边端协同计算场景下,依次设计了一种对任务自适应的缓存模型、任务卸载时延模型、系统能量损耗模型、车载用户对服务质量不满意度评价模型、多目标优化问题模型,并给出了一种基于改进型非支配遗传算法的任务卸载决策方案。实验结果表明,文中方案能够有效降低任务卸载过程中所带来的时延和能耗,提高了系统资源利用率,给车辆用户带来更好的服务体验。

基于协同优化和多目标遗传算法的车身结构多学科优化设计

在汽车车身结构NVH和侧面碰撞安全性研究中,实施多学科多目标优化的可行性设计。通过试验设计制定试验方案并进行数据采样,构建考虑整车侧撞安全性、白车身模态、静态弯曲刚度、扭转刚度和轻量化等性能的响应面近似模型,然后对车身结构分别进行确定性和可靠性轻量化单目标设计。最后,运用多目标遗传算法结合多学科协同优化对车身结构进行多目标优化设计,获取Pareto最优化解集。研究结果表明:可靠性优化设计较确定性优化设计而言,能考虑产品设计和生产过程中的不确定性因素,保证产品稳健性;车身结构的多目标优化设计全面考虑了车身结构轻量化、NVH和碰撞安全性能等多学科之间的耦合和解耦;设计者可按需选择其满意的优化结果,这将大幅缩减产品开发周期、降低产品开发成本。

产品定制协同开发任务分配多目标优化

针对目前产品定制协同开发任务分配较少考虑任务适合度与任务协调效率的问题,分析并提出产品定制协同开发任务分配策略;给出了任务适合度、任务协调效率的定义及其相应的计算方法,并在此基础上构建了产品定制协同开发任务分配多目标优化数学模型;提出一种产品定制协同开发任务分配自适应遗传求解算法。以某5MW风机产品协同开发项目为实例,验证了所提任务分配模型的正确性及其求解算法的可行性与有效性。

基于多目标遗传算法的仿人机器人中枢神经运动控制器的设计

针对多自由度仿人机器人的运动控制 ,从神经生理学和机器人学的角度研究了基于中枢模式生成器(CPGs)的仿人运动控制策略 .提出了一种将多目标遗传算法应用于 (CPGs)参数优化的方法 .首先构造用于仿人机器人运动控制的 (CPGs)的结构 ,其参数通过遗传算法按相应的评价函数得到优化 .

多车场物流协同运输调度问题研究

物流协同运输是现代物流模式的发展趋势,而利润则是驱动物流协同的关键因素。针对多车场物流协同运输中的调度问题,基于汽车配件物流运输的相关约束,建立了由利润驱动的配送任务模型。通过模糊聚类建立基于集货中心点的遗传种群,通过遗传算法的交叉、变异操作进行迭代进化,在一定的迭代次数内得到一个最优解。通过一个实例说明了该模型的求解结果可以使得不同物流企业的运输车辆之间发生协同的同时达到增加物流企业运输利润的目标,从而验证了该模型的正确性和合理性。

多跑道着陆飞机协同调度多目标优化

综合考虑空中交通管制、航空公司和机场因素,研究了多跑道降落航班的协同调度问题,以实现安全、公平和高效的空中交通管理战术决策.提出了采用协同航班调度策略和多目标优化调度模型.模型以安全性为约束,以总延误成本和空中交通管制员管制负荷最小、航空公司之间尽量公平为优化目标,用多目标遗传算法求解.算例仿真结果表明,用本文算法得出的最优方案与FCFS算法结果相比,因延误造成的总成本损失减少了61.4%,并使延误损失在各航空公司间的分配更加均衡.

船艉结构静动态多目标优化设计

建立用于船体结构静动力学性能一体化设计优化的2种多目标优化模型:基于多目标遗传算法的多目标优化模型和基于多学科优化技术的多目标协同优化模型。模型均使用矩阵描述由板材厚度和骨材型号构成的离散设计变量集,以结构质量最小化和最大加速度最小化组成多目标函数。以某集装箱船艉部结构为例,对其进行了结构静力学、动力特性和动力响应的计算分析与优化设计。优化后的结构不仅具有更轻的质量、更低的振动水平,而且具有更高的固有频率储备,同时仍满足强度和刚度要求。

面向服务的网络化协同制造资源多目标重组优化调度

针对网络化协同制造资源重组优化调度所存在的问题,综合考虑影响网络化协同制造资源重组优化调度的4个主要因素:最小化生产作业时间、最小化生产作业成本、最优化生产加工质量、最优化资源服务质量,建立了网络化协同制造资源多目标优化调度的数学模型。提出了一种基于Pareto多目标免疫遗传算法的网络化协同制造资源重组优化调度方法,该算法综合运用了小生境技术、群体排序技术和精英保留策略,并对遗传算子进行改进,自适应地调整交叉和变异算子,结合免疫算法的免疫选择淘汰了相似个体,保证了种群多样性,避免了早熟现象的发生。免疫记忆对近似最优解进行动态邻域搜索,提高了算法的局部搜索能力。实例仿真表明了该算法的有效性。

基于群体决策的多用户协同交互式遗传算法

采用交互式遗传算法求解大数据信息检索问题时,为实现偏好信息的提取和优化,单用户需完成较多数量的人-机交互操作,由此易产生用户疲劳、算法搜索效率低的难题。对此,该文在算法中引入多用户并行策略,通过群体决策优势,提高样本利用效率。首先,根据优化目标性质确定共性化协同或个性化协同类型,基于用户浏览行为计算用户相似度和个体相似度。然后,通过共享偏好相似用户的偏好相似个体预测个体区间适应值。基于个体表现型相似度聚类,提出大规模种群个体"区间数-区间数"适应值赋值策略。最后,依据子代种群个体与父代种群最优个体的相似性,推荐用户最佳评价个体。将所提方法应用于装饰性墙壁纸选型问题,并与已有典型方法比较。结果表明,所提方法在推荐个体质量、减轻用户疲劳、提高搜索效率等方面均具有优越性。

基于多种群协同优化的文本分类规则抽取方法

针对文奉分类中的规则抽取问题,提出一种基于多种群协同优化的文奉分类规则抽取方法.该方法利用信息熵生成初始种群,采用多种群协同优化方法演化当前种群.多种群协同优化方法通过种群之间的相互竞争和良种共享机制提高优化方法的效率.实验结果表明,奉文提出的文本分类规则抽取方法所抽取规则的数量少,准确率高,平均长度短;同时,奉文方法所用的计算时间少,抽取分类规则的速度快,适用于大规模数据集.

遗传算法在压水堆核电厂低泄漏换料堆芯装载方案优化中的应用

简述了目前已有各种堆芯装载体搜索技术及其优缺点,提出了基于遗传算法的堆芯装载优化方案搜索技术的系统框架结构,设计了多染色体堆芯装载编码、适应度函数、遗传操作、译码等技术。用C语言实现的系统和实验数据验证了所提出方法的可行性和有效性。应用结果表明,该系统能搜索得到优化的堆芯装载。

QFD中质量特性实现水平的多目标协同确定方法

为了高效、灵活地处理质量功能展开中各阶段的各种不精确信息及多目标优化问题,将每个质量功能展开开发人员所提供的信息作为多属性证据推理的证据源,并将相关的推理算法拓展到群体证据源的合成中,获得一致性决策结果。建立了以客户满意度最大化、质量特性实现成本和质量特性实现难度最小化的多约束多目标优化模型,进而通过改进的非支配排序遗传算法获得质量特性实现水平Pareto的解集,并利用模糊优选法确定最佳解。以大型深冷式空气分离设备的研发为例,对所提方法进行了验证与说明。

一种基于多Agent协同的准并行遗传算法

提出了一种基于多Agent协同操作的准并行遗传算法结构 .该算法由若干运行简单遗传算法的计算单元组成 ,每个单元也就是独立的计算Agent.算法依照资源分配向量为各单元分配不同的计算资源 ,并根据个体迁移矩阵驱动它们进行个体交换 .从多Agent系统的观点看 ,资源的分配体现了算法对各Agent的协调 ,个体的迁移则体现了Agent之间的协作 .该算法很容易在串行计算机上实现 ,此时各个计算单元具有微观上串行、宏观上并行的准并行关系 .对二维准并行算法动态性能的分析表明 :由于统筹考虑了各计算单元间的协同关系 ,算法能够更充分有效地利用有限的计算资源 ,在解决不同的优化问题时表现出了很高的性能 .

基于模拟退火遗传算法的纺纱车间调度系统

为解决有自动引导运输车(AGV)的环锭纺纱车间协同调度系统多种约束条件下的调度问题,在考虑工艺、加工设备资源、AGV资源以及批处理4种约束条件的情况下,建立了满足最大完工时间最小化和设备利用率最大化的AGV纺纱车间协同调度模型。针对模拟退火和遗传算法计算效率低和易陷入局部最优解的缺点,提出了基于模拟退火遗传算法的纺纱车间调度模型求解算法。实验结果表明:当给定条筒为50个时,同等环境下,基于模拟退火遗传算法的调度方案要比普通的模拟退火和遗传算法的最大完工时间分别减少了1162 s和1619 s,纺纱车间的设备和AGV的利用率也分别提高了将近12%和11%。该方法在提升环锭纺纱车间运行效率方面具有一定的应用价值。