云计算中基于NSGA Ⅱ的虚拟资源调度算法

云计算环境下将物理资源抽象为同一的虚拟资源,如何将虚拟资源调度到物理资源上是云计算中一个基本且复杂的问题。对虚拟资源的调度进行建模并证明其难解性,将该模型的求解转化以系统负载均衡为优化目标的多目标优化问题,提出采用改进的基于非支配排序的遗传算法(NSGA Ⅱ)来求解该问题。与针对具体环境的调度算法相比,抽象的模型更能代表典型的云计算环境中的虚拟资源调度问题。对提出模型进行了仿真,实验结果表明了该模型的有效性和NSGA Ⅱ算法求解该问题的可行性,同时对比随机算法、静态算法和排序匹配调度算法,NSGA Ⅱ算法优于其他算法。

改进NSGA Ⅱ算法在ANSYS与MATLAB联合多目标结构优化中的应用

随着对于结构的性能要求越来越多样化,结构多目标优化在各领域的应用也越来越普遍。针对ANSYS自带的APDL中Opt模块以及现在Workbench中直接优化模块的不足,考虑到MATLAB软件对于智能优化算法编程以及数学模型目标函数的编写的简便性,建立基于改进的NSGA Ⅱ算法的ANSYS与MATLAB联合多目标结构优化方法,对NSGA Ⅱ算法进行改进,针对算例对其遗传算子进行设计,并将其内嵌入ANSYS结构计算中以实现结构的优化设计。为验证该方法的有效性,以悬臂梁结构为例进行优化设计并以Workbench与Opt模块仿真结果为依据加以对比验证。结果表明:建立的方法与Workbench中的直接优化结果相比可以获得结构精度较高的不同的解,故证明该方法的可行性,而相对于传统APDL中的Opt模块一阶算法则优化精度更高且可以提供更多工程方案的选择。

一种基于区域局部搜索的NSGA Ⅱ算法

针对局部搜索类非支配排序遗传算法(Nondominated sorting genetic algorithms, NSGA Ⅱ)计算量大的问题,提出一种基于区域局部搜索的NSGA Ⅱ算法(NSGA Ⅱ based on regional local search, NSGA Ⅱ-RLS).首先对当前所有种群进行非支配排序,根据排序结果获得交界点和稀疏点,将其定义为交界区域和稀疏区域中心;其次,围绕交界点和稀疏点进行局部搜索.在局部搜索过程中,同时采用极限优化策略和随机搜索策略以提高解的质量和收敛速度,并设计自适应参数动态调节局部搜索范围.通过ZDT和DTLZ系列基准函数对NSGA Ⅱ-RLS算法进行验证,并将结果与其他局部搜索类算法进行对比,实验结果表明NSGA Ⅱ-RLS算法在较短时间内收敛速度和解的质量方面均优于所对比算法.

基于直流阶跃电压试验与NSGA Ⅱ算法的同步电机动态参数辨识方法

三相突然短路试验是同步电机动态参数辨识最常用的方法,但对于大型同步电机而言,由于突然短路过程的电流非常大,给电机系统造成损伤的风险较大,且试验及保护系统十分复杂。为解决上述问题,提出一种基于直流阶跃电压试验的同步电机动态参数辨识方法。首先,推导基于直流阶跃电压试验的参数解析表达式,建立参数与电流响应的关系;然后,针对实测电流响应波形的噪声问题,提出一种改进的小波阈值去噪方法,从含噪信号中提取出真实的电流响应信号;最后,利用第二代非支配排序演化算法(NSGAⅡ)多目标优化算法对电流响应信号进行时域拟合,得到了电流响应的解析表达式,进而推算得到同步电机d、q轴的稳态与动态参数。通过对一台376MV·A同步电机的样机进行动模试验,验证所提出的参数辨识方法的有效性和准确性。直流阶跃电压试验可以实现d、q轴参数的独立辨识,该方法试验设备少,简单易行,安全可靠。

基于NSGA Ⅱ的注塑机合模机构多目标优化

合模机构的性能直接影响注塑成型产品的质量。以往对该机构的性能优化,往往采用单目标优化方法或者传统的多目标优化方法,得到的优化结果不够理想。以合模机构的力的放大比和动模板的速度平稳性作为优化目标,首先对影响目标函数的各类参数进行灵敏度分析,选择出影响显著的因素作为设计变量;其次在设计变量域中,采用改进型非劣分类遗传算法(NSGAⅡ)进行多目标优化设计;最后将优化结果在ADAMS中建模并验证其合理性。研究结果表明:该方法可以有效地改善合模机构的综合性能。

基于支配强度的NSGA Ⅱ改进算法在研究生招生面试分组中的应用

针对研究生招生面试分组这一NP难问题,提出了一种以分组遗传算法(GGA)和基于支配强度的改进NSGAⅡ算法为基础的混合多目标分组遗传算法。通过基于矩阵编码的多交叉/多变异算子、次精英化的初始化种群策略以及改进的帕累托支配关系,解决了经典NSGAⅡ算法在该问题中的收敛速度慢、易陷入局部最优的问题。仿真实验结果表明,该方法只需进行较少代数(不超过100代)的进化,即可获得最优解集,满足了快速分组的用户偏好。

基于NSGA Ⅱ的七叶侧斜螺旋桨多目标优化设计

为降低七叶侧斜螺旋桨激振力和噪声提高螺旋桨推进效率,采用NSGAⅡ算法,结合螺旋桨CFD数值预报方法,对螺旋桨的螺距和侧斜分布进行优化设计。采用B样条曲线对螺旋桨设计参数进行拟合,实现螺旋桨几何模型的参数化建模并保证优化拟合曲线的光顺性。将NSGAⅡ优化算法、螺旋桨CFD数值预报方法和B样条曲线参数化建模方法结合,形成完整的螺旋桨多目标优化流程。以E1619桨为母型桨进行优化设计,得到给定目标和约束条件下的最优解集。选取三组典型优化方案进行分析,螺旋桨一阶轴向力脉动水平、螺旋桨推进效率均得到优化,其中折中方案螺旋桨一阶轴向力脉动水平较原型桨下降6.7%,推进效率较原型桨提高1.4%。分析结果表明:降低螺旋桨螺距分布、提高靠近叶梢位置处的螺旋桨侧斜是降低一阶轴向力脉动水平提高推进效率的有益措施。

基于NSGA Ⅱ的多目标应急物流LRP模型优化

根据灾后灾区路网存在部分损坏的情况,综合考虑多种配送方式,以应急运输总时间最小和运输总成本最低为目标,建立了应急物流LRP问题优化模型,并根据模型的特点运用遗传算法对模型进行求解,最后通过真实算例验证了本文模型和算法的可行性与有效性。

基于改进NSGA Ⅱ算法的舰载机保障作业调度

为了设计高效保障作业调度方案提升航母编队作战效能,以最小化保障完工时间和最小化保障人员及移动保障设备配置数量为目标函数,建立了多目标优化模型,提出了改进NSGAⅡ算法用于模型求解。在个体选择阶段,采用k-means聚类将种群分组,在不同分组中分别选取个体用于种群进化;在进化阶段,采用正态分布取样变异算子控制基因变异范围;种群合并后,采用删减策略去除联合种群重复个体。在构建保障任务案例的基础上进行了仿真试验,分析了保障人员专业合并对保障效率的影响,结果表明,在保障人员配置数量受限的情况下,保障人员专业合并会显著提升舰载机保障效率。

基于改进NSGA-Ⅱ算法的间歇采油制度优化

对于低渗透率油井,采用间歇采油制度能有效避免空抽磨损,并减少电能消耗量。为此通过分析沉没度和地层流压随抽油机井生产时间变化的规律,从系统节能的角度出发,建立以采油总产量最大、能耗最低为目标的间歇采油制度多目标优化模型。引入NSGA-Ⅱ并改进该算法对间歇采油制度多目标优化模型求解,运用改进算法得到的Pareto最优解的多样性和收敛性,合理优化抽油机的最优停机时间,最大效率地提升采油效率的同时,最小化电能消耗量。试验结果表明,基于Pareto多目标遗传算法的间歇采油机制优化具有明显的优势,在优化系统效率的同时能够有效减少电能消耗。研究结果可为油井间歇采油机制的改进和优化提供有力的技术支持。

基于改进NSGA-Ⅱ算法的船舶舾装作业计划优化研究

针对船舶舾装作业计划编制效率低、计划编制结果不符合作业预期要求等问题,建立多执行模式资源限制条件下的工期、成本和资源多目标优化模型.提出改进的非支配排序遗传算法(NSGA-Ⅱ),采用随机交叉算子、贪婪变异算子和自适应进化概率提升种群进化效率,同时融合模拟退火算法,增强算法的局部搜索能力,利用改进算法对实例进行仿真计算.结果表明:该方法可对船舶舾装作业计划进行多目标优化控制,实现舾装作业计划智能优化编制.通过算法对比分析,验证了改进NSGA-Ⅱ算法的可行性和有效性.

基于改进NSGA-Ⅱ的纤维缠绕落纱点轨迹采样特征权重优化

针对基于空间特征曲线特征函数的纤维缠绕落纱点轨迹采样算法无法自动选择特征权重的问题,建立以特征权重为变量,以得到采样点线性插值生成曲线与原曲线的MAE,RMSE为目标函数的双目标优化模型。提出基于改进NSGA-Ⅱ算法的双目标优化求解方法以优化特征权重。实例验证表明,与传统NSGA-Ⅱ算法相比,改进NSGA-Ⅱ算法求得Pareto解集的MAE,RMSE平均下降了0.002和0.105,算法选取特征权重的MAE,RMSE比特征权重为(0.1,0.3)的MAE,RMSE分别降低了约12.9%和8.5%,比特征权重为(0.9,0.1)的MAE,RMSE分别降低了约20.6%和11.4%,有效地提高了落纱点轨迹采样的精度。

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的复合材料防撞梁碰撞损伤多目标优化

为在设计时考虑低速碰撞损伤对碳纤维复合材料(CFRP)防撞梁力学性能的影响,发展了改进Hashin失效准则的VUSDFLD子程序来判定低速碰撞时CFRP防撞梁7个方向的损伤程度,采用壳单元模拟了复合材料的力学性能,建立了CFRP防撞梁低速碰撞有限元显式动力学模型。采用该方法对相同实验条件下的复合材料层合板低速冲击剩余强度进行了计算,并将计算结果与实验结果进行了对比,仿真结果与实验结果吻合较好。在此基础上,以复合材料防撞梁铺层厚度和铺层角度为设计变量,将复合材料防撞梁的质量和低速冲击时产生的损伤单元数作为优化目标,建立了CFRP防撞梁低速碰撞损伤动力学多目标优化模型,采用基于Pareto策略改进的NSGA-Ⅱ非支配排序遗传算法对其进行多目标优化求解。优化后,CFRP防撞梁质量由1.02 kg降为0.76 kg,减重率为25%;损伤单元数由30238个降为23206个,损伤降低率为23%。结果表明,所发展基于Hashin失效准则的VUSDFLD子程序和对CFRP防撞梁低速碰撞损伤多目标优化是行之有效的,为复合材料防撞梁结构的优化设计提供了参考。

基于GA-BP与NSGA-Ⅱ的数控铣削参数优化研究

高效低碳制造是可持续发展的关键,而数控铣削作为常用的金属表面加工方法存在刀具寿命短、碳排放量高的问题。提出基于NSGA-Ⅱ的GA-BP多目标优化方法,通过分析不同加工参数条件下的数控铣削刀具寿命及碳排放数据集,建立GA-BP神经网络刀具寿命及碳排放预测模型。基于NSGA-Ⅱ算法建立以刀具寿命、碳排放量为目标的主体优化模型,调用构建的GA-BP神经网络模型作为目标函数进行优化求解,得到Pareto最优解集。对Pareto最优解集进行TOPSIS最优解决策,得到综合优化刀具寿命与碳排放量的加工参数组合。优化结果表明:该方法既可以对数控铣削刀具寿命及碳排放量进行准确预测,还可以对两者进行有效优化,对数控铣削参数优化具有一定的理论指导意义。

基于多目标优化算法NSGA-Ⅱ的软件多样化组合方法

软件多样化因能有效提升系统弹性、增加恶意二进制分析的成本而被广泛应用于软件开发等场景中。而如何对现有软件多样化技术进行组合部署,以在获得更高安全增益的同时保持较低的性能开销,是当前软件多样化研究的核心问题之一。针对现有软件多样化组合方法中搜索算法效率低、搜索空间小、安全性评估指标不全面、难以综合考量软件多样化对各类攻击的影响等问题,提出了一种基于多目标优化算法的软件多样化组合方法,将软件多样化组合问题构建为综合考量TLSH相似度、gadget质量分数和CPU时钟周期数指标的多目标优化模型,并设计了包括染色体编码、自适应交叉和变异算子,以及针对组合方案的有效性验证算法等在内的NSGA-Ⅱ求解算法。最后,在GNU核心工具组数据集上进行实验,结果表明,该组合方法可有效生成高安全增益、低性能开销的软件多样化组合方案。

基于SWMM模型与NSGA-Ⅱ多目标优化的LID布局研究

科学的海绵城市设计方案能够在一定程度上缓解由极端暴雨引发的城市内涝。以北京市海淀区老旧小区为研究对象,将雨洪管理模型(SWMM)与非支配排序遗传算法(NSGA-Ⅱ)相结合,以建设成本费用、总径流削减率以及节点超载时间为优化目标,以各项低影响开发措施(LID)按比例布置的最大面积为约束条件,迭代筛选出Pareto最优曲线,通过分析不同LID措施组合在老旧小区中的雨水排放效率,提出有效的规划建议。研究结果表明:对于单项LID的布置方案,同比例下透水铺装的径流控制效果优于绿色屋顶;LID组合的径流控制效果与建设成本呈正相关,但总径流削减率增长幅度有限,高成本的建设方案并不能达到更优的削减效果,节点超载时间不会持续下降;降雨重现期为10 a时(P=10),该小区LID布局最佳组合为37.12%绿色屋顶+17.7%下沉式绿地+7组雨水罐+9.47%透水铺装。在强降雨条件下耦合SWMM与NSGA-Ⅱ智能算法的多目标优化模型能够为类似社区LID布局设计提供参考。

基于NSGA-Ⅱ算法的ACFM自由式旋转探头参数优化

交流电磁场检测(ACFM)方法是新型的无损检测方法,其中探头设计关乎检测的效率和信号处理的难度。基于此类问题,提出了自由式旋转单探头的设计,采用COMSOL Multiphysics软件对探头不同电磁参数进行仿真计算,得出适用的探头参数;此外根据旋转仿真分析得知,自由式旋转检测具有可行性且By磁场信号更具检测优势;同时基于旋转速度、平行检测速度、传感器相对位置以及检测范围的制约关系,采用非支配排序遗传算法Ⅱ(non-dominated sorting genetic algorithmⅡ,NSGA-Ⅱ)进行pareto求优,进而确定各参数,验证了旋转探头的高效率性。基于优化参数提出自由式旋转检测的信号处理模型,最后提出了旋转检测的系统搭建方法。

基于NSGA-Ⅱ算法的自动驾驶停车泊位优化模型

完全自动驾驶车辆将具有自动泊车功能,自主泊车技术可实现多排布局的高密度、集约化停车布局,将彻底改变双排多通道的传统停车布局方式.然而,在释放被阻塞车辆时不可避免产生额外的移动和拥堵.为了明晰多排布局产生排队阻塞和额外移动次数与空间利用率提升的悖反规律,综合考虑停车场的几何属性、移动策略、需求特征等设计要素,通过车辆协同让道规则释放阻塞车辆,以泊位数量最大和移动次数最少为双重目标,构建了自动驾驶条件下多排布局方式停车泊位优化模型,设计了带精英策略的非支配排序遗传算法(NSGA-Ⅱ)进行求解,通过数值实验提出了停车设施的最佳区域和布局,同时还进行了不同移动策略的敏感性分析.结果表明,在不降低停车位利用率的前提下,基于就近原则的移动策略大大减少了预期移动次数.

基于NSGA-Ⅱ算法选择光谱反射率重建样本的研究

为解决光谱反射率重建过程中训练样本数目庞大导致工作量大,重建精度不高等问题,提出一种基于NSGA-Ⅱ算法的光谱反射率重建样本选择方法。近日Liang等提出了一种从大量样本数据中选取具有代表性样本的新方法,定义光谱重建误差为均方根误差与拟合优度系数的乘积,以这一标准选择光谱重建误差最小的样本作为代表性样本进行光谱反射率重建。受Liang等人工作的启发结合NSGA-Ⅱ算法选择代表性样本,先对全体训练样本使用多项式回归算法和伪逆法进行光谱反射率重建,再使用NSGA-Ⅱ算法,设定两个目标函数,一个是所需代表性样本个数的光谱均方根误差的和,另一个是拟合优度系数倒数的和,令两个目标函数值最小。将经过NSGA-Ⅱ算法挑选出的Pareto等级为1的全部样本按照样本出现次数由高至低排序,以此顺序从高到低依次选为代表性样本,直至达到所需代表性样本个数。若从Pareto等级为1的样本集合中挑选的代表性样本数不足所需要的个数则选择下一等级出现次数最多且没有被选择过的样本直至代表性样本数达到需求。将1269块无光泽Munsell标准色卡按照样本下标划分为偶数色卡、奇数色卡,第一组实验用Munsell奇数色卡为全体训练样本,从Munsell偶数色卡中随机选择20个色块为测试样本。第二组实验选用Munsell偶数色卡为全体训练样本,从Munsell奇数色卡中随机选取20个色块为测试样本。第三组实验训练样本与第一组相同,RC24色卡为测试样本。将该方法与Mohammadi、Cao、Liang等提出的三种样本选择方法进行对比。通过实验得到使用NSGA-Ⅱ算法结合多项式回归与伪逆法选择的代表性样本重建的光谱反射率在均方根误差和色差两个指标上均优于现有的样本选择方法,并且该方法不限于特定系统,具有通用性。