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。

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。

基于NSGA-Ⅱ算法的宽带激光熔覆工艺参数优化

为了获得17-4PH沉淀硬化不锈钢粉末在宽带激光熔覆过程中的最优工艺参数,本研究将激光功率、预热温度、扫描速度作为可控输入参数,以熔覆层宽高比、饱和度、润湿角作为输出,进行三因素五水平正交试验。通过麦夸特算法构建的响应值非线性数学模型,探究优化变量及其权重排序对熔覆层宏观形貌的影响规律,并采用第二代非支配遗传算法进行寻优,输出具有Pareto最优前沿,确定最优工艺参数。结果表明:优化后的最优工艺参数组合为激光功率1878 W,扫描速度14 mm/s,预热温度200℃,此时获得的熔覆层宽高比32.08,饱和度0.76,润湿角度10.2°。优化后的结果输出平均误差小于5%。

基于改进的NSGA-Ⅱ算法的低轨星座设计

GNSS卫星轨道高度高,信号经空间传播损耗严重,因此存在易受干扰和遮挡等问题。低轨卫星可以很好地弥补这一缺点,作为GNSS的备份或补充手段提供定位导航服务。考虑到自主设计的星座可以更好地满足数据传输、覆盖范围等方面的要求,研究了基于优化算法的低轨星座设计。首先根据应用需求初步对轨道高度、倾角以及星座构型等关键因素进行约束;然后通过改进的NSGA-Ⅱ算法对星座的参数进行优化,设计一个可以实现全球导航增强的LEO星座;最后通过仿真对星座的性能进行全面的分析,验证其导航增强的效果。

基于改进的NSGA-Ⅱ算法求解作业车间调度问题的研究

对某汽车企业柔性压铸作业车间调度问题(FJSP)进行分析,以产品生产过程中最大完工时间最小、机器总负荷最小、机器总能耗最少为评估函数指标,建立了柔性车间多目标优化调度的数学模型。针对传统的精英非支配排序遗传算法(NSGA-Ⅱ)引用精英保留策略后易早熟的问题进行了改进,提出了精英选择标准,有效控制算法迭代过程中优良父代个体进入后代种群的数量,避免了算法出现提前收敛现象,同时引入模拟退火算法中降温思维,为种群选择提供更合理的标准,加强了种群的多样性,增强了算法在局部空间上的搜索能力。通过Python语言对改进前后算法进行mk01算例验证,通过与传统的NSGA-Ⅱ算法比较,验证了改进后的算法寻优效果更好,最后应用改进后的算法对压铸车间实例数据进行求解,得出最优调度方案。

基于NSGA-Ⅱ与形貌优化的电池冷却器支架结构优化设计

为了提高某汽车电池冷却器支架的结构强度,满足振动疲劳性能要求,从参数化建模出发,结合第二代非支配排序遗传算法和形貌优化特点,提出基于第二代非支配排序遗传算法和形貌优化的电池冷却器支架结构优化设计方法。通过Isight平台集成SolidWorks软件和Workbench软件,对电池冷却器支架进行参数化建模,通过试验设计灵敏度分析,将设计变量从12个减少到10个,缩短优化时间。以电池冷却器支架质量与最大等效应力为响应变量,采用第二代非支配排序遗传算法进行多目标优化。以电池冷却器支架最小柔度为目标,进行形貌优化。结果表明,在对电池冷却器支架结构优化设计后,最大等效应力小于许用应力,减小42.19%,满足强度性能要求,延长疲劳寿命,同时一阶模态频率提高42.71%。

Parameter Optimization of Intercalated Meltblown Nonwovens Based on NSGA-II

The preparation process parameters of intercalated meltblown nonwoven materials are complicated, and the relationship between process parameters, structural variables, and product performance needs to be investigated to establish a good mechanism for product performance regulation. In this study, we first used Wilcoxon test and Pearson correlation analysis to investigate the effect of intercalation rate on structural variables and product performance. Then, regression models were constructed to predict the values of each structural variable under different combinations of process parameters. Finally, we constructed a multi-objective constrained optimization problem based on the stepwise regression model and the product variable conditions. The problem was solved using the NSGA-II algorithm. The optimal was achieved when the acceptance distance was 2.892 cm and the hot air speed was 2000 r/min.

基于NSGA-II结合BP网络算法的乙醇制备C4烯烃优化模型

乙醇偶合制备C4烯烃工艺广泛应用于化工生产,探寻实现乙醇转化率与烯烃收率最大化的催化剂组合与温度条件具有重要意义。根据反应过程性能数据,分别运用多元回归与BP网络建立反应条件与烯烃收率的回归预测模型,结果表明BP网络模型对烯烃收率的预测值有较高的精度。建立多目标优化模型,基于BP网络良好的预测能力,采用NSGA-II算法进一步优化可得满足目标的催化剂与温度方案,此时乙醇转化率与烯烃收率分别为64.67%,35.921%。随后进一步分析比较NSGA-II算法和经典遗传算法分别优化BP网络模型获得的烯烃收率预测误差,验证了所用算法的精确性与有效性。

基于改进NSGA-Ⅱ算法的RV减速器参数多目标优化研究

旋转矢量(RV)减速器是工业机器人核心部件,对于机器人的性能起到关键作用。针对提升RV减速器综合性能的问题,从优化传动压力角的相关参数出发,对其结构参数(摆线轮齿数、短幅系数、针径系数、摆线轮宽度等)的多目标优化设计进行了研究。首先,研究了摆线轮平均压力角、传动效率和传动机构体积三者的相关参数之间的关系;然后,以此为优化目标,在摆线轮标准齿廓方程的基础上建立了多目标优化数学模型(该模型采用了基于非支配占优排序遗传学算法(NSGA-Ⅱ)改进了交叉算子系数生成的改进NSGA-Ⅱ算法);通过模型求解得到了帕累托最优解集,根据模糊集合理论的相关方法选取了最优解;最后,以某公司220-BX型RV减速器为例,进行了优化设计,建立了3D模型后进行了有限元分析,并加工出实验样机,进行了传动效率对比实验。实验结果表明:摆线轮平均压力角减小了7.19%,体积减小了11.1%,传动效率提高了4.9%。研究结果表明:该模型交互性强,能提高设计效率并节省设计开销,可为实际RV减速器工程优化设计提供参考。

改进NSGA-Ⅱ算法的新能源储能系统协调优化模型

新能源储能系统的分散负荷难以调度,导致整体协调效果较差,为促进新能源并网消纳,构建了改进NSGA-Ⅱ算法的新能源储能系统协调优化模型。设计新能源储能系统拓扑结构,使用NSGA-II算法定义协调目标拥挤度为储能动态调节参数。以新能源储能削减计划偏差最小为目标函数进行参数寻优,并确定转移容量指标和负荷平衡指标。在NSGA-II算法中引入收缩扩张系数,保证分散负荷资源搜索多样性,采用改进NSGA-II算法,由此构建协调优化模型。实验结果表明,该模型协调优化后光伏储能功率为43 MW,风电储能功率为65 MW,储热储能功率为16 MW,有效促进了新能源并网消纳。

基于NSGA-Ⅱ算法的结构提升吊点优化

大跨度钢结构屋盖整体提升存在吊点数量多及吊点最优位置无法确定的问题。为解决多优化目标下的整体提升吊点数量和位置优化问题,文中基于传统遗传算法,引入了NSGA-II算法,并改进了优化算法计算流程和优化目标函数,提出了结构整体提升吊点优化布置算法。以杭州西站站房钢结构屋盖整体提升作为实例,利用所提出算法迭代计算出最优的吊点数量和位置。结果表明优化布置算法具备高效收敛性,通过少量迭代次数可以得到结构整体应变能最小和吊点反力方差最小的最优解。

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。

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。