融合NSGA-II和CSA的多目标车间调度

针对在灵活车间系统中调度作业和自动引导车(automated guide vehicle,AGV)的同时调度问题,考虑在有限多个AGV和加工机台的情况下,以最小化最大完工时间、单个AGV搬运消耗时间及所有AGV搬运总消耗时间为目标函数,设计融合NSGA-II(non-dominated sorting genetic algorithms)和克隆选择(clonal selection algorithm,CSA)的改进算法INGCSA来解决此类问题。采用工件、加工机台和AGV三部分编码;引入非支配排序和目标函数值大小排序后总得分进行种群分层,从而有效地保留优秀个体;针对克隆后的种群,对不同等级的种群采取不同的变异概率,并对染色体进行内部交换与均匀交叉混合交换的基因重组,有效地提高了种群的多样性与防止陷入局部最优。通过三组对比实验,验证了该算法在探索最优解时,具有运行时间短、稳定性高和收敛性好等优点。

基于改进NSGA-II的轨道交通接驳公交线路优化

为解决接驳公交线路规划不合理和时间安排不完善的问题,提出了基于改进NSGA-II算法的环形接驳公交线路优化方法。首先,结合双层规划理论,以乘客出行时间成本最小化、公交企业运营收益和接驳公交服务率最大化为目标函数,以接驳公交线路站点数、线路长度和发车频率作为约束条件构建上层模型,采用Logit模型构建了下层接驳客流分配模型;其次,运用Floyd算法对NSGA-II算法的初始化种群进行了优化,针对所提出的模型设计了模型求解流程;最后,以哈尔滨市轨道交通1号线医大一院轨道交通站为案例,运用笔者提出的多目标双层规划模型和算法进行求解,并与原NSGA-II算法和基于Logistic混沌映射的NSGA-II算法进行对比。研究结果表明:基于Floyd算法改进的NSGA-II算法在多目标双层规划模型求解时,收敛速度更快效果更好,求解结果可以在Pareto前沿得到多个相互非支配的最优解;不同解集对应目标函数值不同,但可以达到接驳公交网络整体效益最优,采用折衷最优解集表述求解结果。

基于NSGA-II遗传算法的定轴注射模具成型工艺参数优化

为解决注射成型过程中铸件的质量和铸造效率低等问题,提出一种NSGA-II算法和TOPSIS方法与响应面法相结合的新型注射工艺参数优化筛选方法。以定轴为研究对象,采用Box-Behnken设计,以熔体温度、模具温度、注射时间、保压压力为变量,以翘曲变形量和体积收缩率为响应变量,采用NSGA-II遗传算法对2个响应的目标函数执行优化,用TOPSIS方法求解优化得到的Pareto前沿解集,找到最优解。仿真结果表明,当注射时间为40.71s、模具温度为131℃、熔体温度为180.07℃、保压压力为65 MPa时,翘曲变形降低了10.92%、体积收缩率降低了11.19%。优化后的注射工艺参数可有效消除铸件内部收缩松动和缩孔缺陷,形成性能良好的致密铸件,提高了产品质量。

基于改进NSGA-II算法的制造企业供应链系统优化

在对制造企业进行供应链系统的优化过程中,针对系统的经济性、稳定性和消费者满意度之间存在的优化冲突问题,结合制造企业供应链系统的运行特性,对由供应商、制造商、零售商和分销商所组成的四级供应链系统体系进行研究,实现以供应链系统的利润最大、稳定性最高和消费者满意度最大为核心目标建立多目标优化模型.结合企业具体算例,通过引入矩阵实数编码、邻域搜索算子和动态拥挤距离的多样性保持策略对NSGA-II算法进行改进.利用MATLAB软件对制造企业供应链系统可靠性优化模型进行仿真验证.结果证明本方法能有效提高制造企业供应链系统的优化能力,从而为企业在竞争激烈的市场中实现供应链的高效管理和运营提供参考.

基于NSGA-II的机械臂最优时间-能量-冲击轨迹规划

针对6R机械臂最优轨迹优化问题,提出一种机械臂最优轨迹优化方法。将笛卡尔空间内的机械臂末端运动轨迹离散为时间-位姿插值点并通过机器人逆运动学转换为机械臂关节空间内的时间-位置序列,利用5次非均匀B样条函数构造关节插值轨迹。使用B样条函数和各阶导数的曲线控制顶点代替机械臂的运动约束,引入NSGA-II对机械臂运行时间、能量消耗和关节冲击为目标进行优化,得到Pareto最优解分布。可通过实际需求,构造归一权重函数,从Pareto解中挑选期望解,获得高阶连续的关节运动轨迹。以ABBIRB120型6R机械臂为例,进行了轨迹优化的仿真实验,有效地生成了高阶连续、平滑无突变的最优轨迹,具有更好的性能和优越性。为6R机械臂的轨迹优化提供了一种新的思路和方法。

RBF神经网络与NSGA-II混合算法用于±1 100kV穿墙套管3维电场模拟及内屏蔽结构优化

±1 100 kV特高压穿墙套管是直流输电系统中的重要设备,但目前对其3维静电场模拟和内屏蔽层结构智能优化鲜有报道。鉴于此,以特高压穿墙套管及其内屏蔽结构为研究对象,建立了3维有限元模型进行电场模拟。提出了应用径向基函数(RBF)神经网络与NSGA-II混合算法对套管内屏蔽结构进行多目标优化,并运用经典显示函数验证了该算法的有效性。在此基础上,建立了穿墙套管内屏蔽结构的多目标优化数学模型,结合RBF神经网络与NSGA-II混合算法对内屏蔽结构进行了优化设计,使套管内屏蔽各关键位置处电场强度(简称场强)均满足控制要求。研究表明:与自由网格划分相比,体旋转扫掠网格划分可使有限元模型生成的节点数量降低58.2%;墙体和均压环对套管复合外套有较好的屏蔽作用,且高场强区主要集中在内屏蔽表面,优化后最高场强降低14.5%。3维电场模拟结果可为穿墙套管的设计、制造和运行提供数据和理论依据,且所提算法能较好地解决大场域、多介质复杂模型结构优化耗时较多的问题。

多目标优化算法NSGA-II的改进

该文提出了NSGA-II算法的一种改进算法—INSGA。在引入算术交叉算子的同时,提出并引入累积排序适应度赋值策略。实验表明,INSGA具有更高的收敛速度和更好的种群多样性。

一种基于向量空间模型的NSGA-II改进算法

带拥挤距离排挤机制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,NSGA-II算法具有个体分布不均匀以及重复个体较多等缺陷.针对这些缺陷提出一种基于向量空间模型的NSGA-II改进算法VSMGA(Vector Space M odel Genetic Algorithm),VSM GA算法在NSGA-II算法的基础上引入了向量空间模型,利用目标权重向量之间的余弦距离代替原来的拥挤距离,提出一种距离排挤机制和重复个体排除规则.实验结果表明与NSGA-II算法比较,VSMGA算法具有更好的分布性和稳定性.

进港飞机调度多目标优化问题的改进NSGA-II算法

基于多目标优化问题的Pareto最优解概念,提出了一种求解非劣解集的改进非支配排序遗传算法(NSGA-II),用于解决多条跑道情况下进港航班调度问题,要求航班总延误时间平方和及总延误成本两个目标最少。重点讨论了算法实现中的基于最近邻思想的启发式交叉算子和改进的变异算子,以及对非劣解集的筛选操作。最后进行了仿真实验,对优化结果进行了分析比较。研究结果表明改进NSGA-II算法对多跑道进港飞机调度多目标优化问题具有较好的应用前景。

基于改进的NSGA-II的卫星星座构型分层优化策略

针对卫星星座系统一体化设计方法运算开销庞大的缺陷,提出了卫星星座构型分层优化策略,其核心是改进了非支配排序算法的非劣性分层遗传算法(NSGA-II).新的非支配排序算法结合了Jensen的递归方法和快速排序法的优点,其鲁棒性优于递归方法和快速排序法,改进的NS-GA-II算法其计算复杂度O(MNlog N)也远小于原NSGA-II算法的O(MN2).最后,将新的优化策略用于区域导航卫星星座构型的优化设计,并利用Matlab和Satellite Tool Kit(STK)对星座进行了仿真.仿真结果表明,设计的导航星座位置定位精度平均值达到2.73,采用新的优化策略的运算开销为采用原优化策略的13.3%,大大降低了卫星星座构型优化设计的运算开销,为卫星星座系统一体化设计方法的实用化建立了良好的基础.

面向多目标柔性作业车间调度的强化学习NSGA-II算法

针对非支配排序遗传算法(NSGA-II,non-dominated sorting genetic algorithm II)在求解柔性作业车间多目标优化调度问题中多样性不足、易于早熟与局部收敛的缺点,提出一种基于强化学习的改进NSGA-II算法(RLNSGA-II,reinforcement learning non-dominated sorting genetic algorithm II)。为避免NSGA-II陷入局部收敛问题引入双种群进化策略,利用性别判定法将种群拆分为两个种群,并在进化过程中采用不同的交叉变异算子,增加算法的局部和全局搜索能力;为解决NSGA-II精英策略造成多样性不足的问题,融合多个多样性度量指标,利用强化学习动态优化种群迭代过程中的拆分比例参数以保持多样性,改善算法收敛性能。最后通过Kacem标准算例进行了仿真实验与性能分析,验证了RLNSGA-II的有效性与优越性。

基于NSGA-II的复杂网络拓扑优化方法

提出一种基于NSGA-II的保度保边的复杂网络拓扑优化方法,该方法通过保度保边的网络交叉和变异操作,应用非支配层排序和拥挤度计算选择精英父辈网络,以达成最大化网络效率和网络抗毁性。仿真分析表明,该方法能同时显著提高初始网络的抗毁性和网络效率;优化网络效率使得网络度连接呈现负相关,网络呈现出“多核心分散”结构;优化网络抗毁性使得度连接呈现正相关,网络呈现“紧密核心-分散外围”结构;同时优化使得网络呈现“较密核心-大外围”结构。该方法具有较好的理论一般性和实际应用价值。

基于NSGA-Ⅱ遗传算法的Myring流线型量水槽体型优化设计

Myring流线型在水下航行器领域应用较为广泛,而量水槽在渠道中的受阻状态与潜水器潜行时受到的阻力情况具有一定的相似之处,因此本文借鉴潜水器的结构特点进行量水槽体型设计,探究量水槽受阻最小的较优线型。基于FLOW-3D软件,采用最优拉丁超立方设计方法,以流线型的收缩段长度和锐度因子、扩散段长度和离去角为变量设计了40组数值模拟方案,得到对应的水头损失百分比和上游佛汝德数。以数值模拟变量为输入、结果为输出,训练RBF神经网络,结合NSGA-Ⅱ遗传算法获得Patero前沿解,通过TOPSIS评价法筛选出最优解并得出其线形参数:优化模型收缩段长度为45.9 cm、收缩段锐度因子为0.74、扩散段长度为49.2 cm、扩散段离去角为14.63°,并通过等比例缩放得到6组收缩比,在9组流量下进行模型试验分析水力性能。结果表明,优化后线型过流较顺畅,水力性能较优,预测结果和模拟结果误差不超过5%;不同工况下上游佛汝德数均小于0.5,满足测流规范要求,收缩比为0.58~0.66时各项水力性能均较优;基于临界流测流和量纲分析原理得到的测流公式精度较高,平均相对误差为2.09%。本研究证明了将流线型运用于量水槽领域研究以及通过神经网络和遗传算法寻优的可行性,优化后Myring流线型量水槽具有良好的性能和测流精度,在灌区渠道中具有较好的运用前景。

基于NSGA-II算法的SDN多控制器部署优化机制

在SDN体系结构中,控制器是整个网络的核心,控制器的合理部署是提高网络性能的关键。目前关于多控制器部署问题的研究,大多数只考虑了时延或者负载,采用多目标优化算法NSGA-II(non-dominated sorting ingeneticalgorithms)针对交换机到控制器时延、控制器之间时延、控制路径故障比例以及平均交换机拥有从控制器数量这4个优化目标对控制器的部署进行优化。实验结果表明,所设计的机制对4个目标函数的优化效果明显,可以为控制器挑选最优的放置位置。

基于NSGA-Ⅱ的面曝光3D打印工艺参数多目标优化

为改善面曝光3D打印制件的打印质量差、效率低等问题,采用非支配排序遗传算法(NSGA-Ⅱ)对工艺参数进行优化。选择温度、分层厚度、曝光时间、回合等待时间为优化变量,成型试样的变形率、表面硬度、时间为优化目标,通过单因素实验确定优化变量约束范围。根据Box-Behnken实验方案,建立各优化目标的预测模型,使用NSGA-Ⅱ算法进行多目标优化,规定优先精度、优先硬度、优先速度原则,按照不同优化原则分析帕累托前沿得到对应的最优工艺参数,并进行打印验证。结果表明,优先精度原则下,变形率最小值为0.508%,与优化前相比,降低了9.290%;优先硬度原则下,表面硬度最高达到95.3 HD,与优化前相比,提高了0.316%;在优先速度原则下,打印时间与优化前相比缩短了17.220%,优化效果显著。

一种多目标非线性优化的NSGA-II改进算法

引入排序算法、拥挤度算子和精英策略后的非支配排序遗传算法(NSGA-II),它在多目标优化领域具有广泛的应用,但也存在个体分布不均,算法中的Pareto效率降低等问题.针对这些缺陷进行算法改进,首先在提出一种累积非支配排序赋值策略的同时改进交叉算子,利用具有自适应参数的DE优化思想对群体、初始群体的多样性分布进行了改进;通过融入非线性优化策略,提高了局部搜素能力,进一步提高了Pareto最优解的质量.最后,测试了六个标准多目标函数进行算法比较.测试结果表明所提的NDE-NSGA-II算法具有更好的分布性,稳定性和更高的搜索解能力.

基于NSGA-II算法的单点过饱和交叉口信号控制

为了提升单点过饱和交叉口的通行效率,解决过饱和交叉口排队车辆溢出导致的上游交叉口严重拥堵,提出了一种基于NSGA-II算法的单点过饱和交叉口信号配时方法,对多目标优化模型进行求解.为预防交叉口排队溢流,提出了溢流排队长度指标Ccri.选取排队长度、延误时间和溢流排队长度指标为优化目标,对信号相位配时进行优化.使用VISSIM仿真软件对一个实际交叉口进行算例分析.结果表明,文中提出的算法与传统的F-B方法得出的信号配时方案相比,能有效减少过饱和交叉口的排队长度和延误时间,并能降低溢流发生率.

基于NSGA-II的低温贮箱地面增压系统多目标参数优化

将带精英策略的非支配性排序遗传算法NSGA-II(Non-dominated sorting genetic algorithm-II)应用于运载火箭低温贮箱地面增压系统参数多目标优化问题中,采用软件AMESim和Isight实现联合仿真优化,寻优出非劣解集(Pareto解集)。设计人员可依据工程经验,从Pareto解集中选出满意解。该方法为低温贮箱地面增压系统参数设计提供一种新思路。

Improved non-dominated sorting genetic algorithm (NSGA)-II in multi-objective optimization studies of wind turbine blades

The non-dominated sorting genetic algorithm （NSGA） is improved with the controlled elitism and dynamic crowding distance. A novel multi-objective optimization algorithm is obtained for wind turbine blades. As an example, a 5 MW wind turbine blade design is presented by taking the maximum power coefficient and the minimum blade mass as the optimization objectives. The optimal results show that this algorithm has good performance in handling the multi-objective optimization of wind turbines, and it gives a Pareto-optimal solution set rather than the optimum solutions to the conventional multi objective optimization problems. The wind turbine blade optimization method presented in this paper provides a new and general algorithm for the multi-objective optimization of wind turbines.

基于改进NSGA-Ⅱ算法的考虑人机系数生产线平衡多目标优化研究

在现代制造加工生产线中,生产设备是制造业生产的重要组成部分。设备的充分利用对于生产需求的匹配度产生直接影响。文章参考“人机系数”的概念,构建了考虑生产线平衡率、平滑指数和人机系数的多目标优化函数问题,采用了改进的自适应NSGA-Ⅱ算法来求解该模型。研究结果表明,在满足客户节拍要求的前提下,调整人机系数可以提高生产线平衡率,降低平滑指数以及生产成本;通过数值算例验证了相比于传统NSGA-Ⅱ算法,改进的自适应NSGA-Ⅱ算法能寻找出质量较高、覆盖更广的近似Pareto解集,为决策者提供选择。证明了本研究方法的有效性和实用性,该研究为现代制造加工生产线提供了一种有效的优化方法,并为其他类似行业提供了借鉴。