基于NSGAⅡ算法的垃圾中转站选址及垃圾收运研究

随着垃圾分类政策的实施,垃圾中转站的数量缺少,亟需新建。垃圾分类不仅要在源头上受到重视,在垃圾收运过程中也需要重视。垃圾中转站选址不仅需要考虑成本问题,还需要考虑对环境产生的负效应,构建了以建设数量最小化、成本最小化、环境负效应最小化的多目标规划模型,用NSGA-Ⅱ算法(带精英策略的非支配排序遗传算法(Elitist Non-Dominated Sorting Genetic Algorithm))对模型进行求解。案例部分选取了上海市嘉定区垃圾中转站的选址,验证了模型的有效性。

基于BP神经网络和NSGAⅡ算法的立式搅拌磨机能耗优化

针对立式搅拌磨机在磨矿过程中能耗较大的问题,采用人工神经网络的方法建立工艺参数与能耗和出粉率的回归关系,并采用多目标遗传算法作为优化算法,构建立式搅拌磨机工艺的多目标优化策略,最终确定立式搅拌磨机的最优工艺参数,从而实现降低搅拌磨机磨矿能耗和减少生产成本的目的。以矿料粒度、搅拌器转速、介质填充率、矿浆浓度作为变量,设计进行了立式搅拌磨机的磨矿能耗试验。根据试验数据构建了基于BP神经网络的立式搅拌磨机的能耗和出粉率的预测模型,并验证了其预测的准确性;然后基于该预测模型运用NSGAⅡ算法进行了多目标优化,获得了Pareto最优解集;最后分析讨论得到了最优的工艺参数,对比优化前的工艺参数,在出粉率相同的情况下,能耗降低了7%。

基于NSGAⅡ算法的多循环物流选址-运输路径优化问题研究

物流是国民经济的重要动脉,而其中车辆路径问题与配送中心选址分配问题是物流系统中的重要子课题。为了提高物流效率,解决多阶段配送选址问题,以降低运输时间、运输成本为优化目标,构建了多循环物流选址-运输路径优化数学模型。采用NSGAⅡ算法结合计算机编程求解双目标的优化问题,解决了车辆选择、备选中心选取、路线选择等问题,通过题库部分数据验证了算法的可行性。研究结果显示,时间和成本是无法同时达到最优的帕累托解集,决策者可以根据实际需要,选择更适合自身需求的选址-运输路径配送方案。

基于NSGAⅡ算法的电弧炉优化配料模型研究

作为电弧炉生产过程中的先行环节,配料好坏对冶炼钢种的品质和产品能耗至关重要。模型以物料平衡、能量守恒、数学规划理论以及电弧炉冶金过程中的物理化学反应原理为基础,在考虑一般性约束的前提下,将电弧炉生产的各工艺条件约束和有利于电弧炉节能降耗方面的约束纳入其中,同时以最低配料成本和最低吨钢能耗为目标函数建立起双目标数学规划模型并采用NSGAⅡ算法对模型求解,该算法同时采用了精英保存策略和多样性保护方法,性能和效率都优于传统的进化算法并且计算较简单,保证了炉料结构在生产中的可行性和准确性,为电弧炉配料研究提供思路。

Boltzmann-NSGAⅡ算法的NoC映射研究

传统NSGAⅡ算法在解决NoC映射问题时容易出现局部最优和种群多样性的问题。为此,提出一个均衡优化时延模型和一种基于Boltzmann-NSGAⅡ的映射算法,时延模型从宏观链路负载和单个节点排队时延进行优化,映射算法引入Boltzmann机制、多点交叉算子、随机变异算子,以保持种群多样性并提高局部搜索能力。实验结果表明,Boltzmann-NSGAⅡ算法能获得更好的映射效果,最优解集的收敛性和均匀性更好。

基于NSGAⅡ算法的超声滚挤压工艺参数优化

以提高金属材料的表层性能为目标,以42CrMo钢为研究对象,采用正交试验方法设计了以工件转速、进给速度、静压力以及振幅作为工艺参数的超声滚挤压试验。基于正交试验数据建立了工艺参数和金属材料表面粗糙度、表面残余应力和表面硬度间的多元回归模型,并采用方差分析法验证了模型的可靠性与稳定性。运用非支配排序遗传算法对回归模型进行了双目标和三目标优化,研究了遗传代数对Pareto最优解集的影响,获得了多组最优加工参数组合。结果表明,NSGAⅡ算法可用于获取最优的超声滚挤压工艺参数组合,用来指导实际加工生产。

基于改进NSGA⁃Ⅱ算法的多AGV多任务分配研究

针对自动仓储系统中多AGV的批量任务分配问题,以总任务等待时间、AGV负载均衡指数、总AGV能耗为目标,以AGV和任务的匹配关系为决策变量构建多目标优化数学模型,加入电量约束条件。为克服传统NSGA⁃Ⅱ算法存在的收敛速度慢、种群多样性维护差等不足,提出三种改进策略:改进交叉和变异算子,采用顺序交叉算子、逆序和单点相结合的混合变异算子;改进拥挤度计算公式,提出非线性平均绝对差的拥挤度计算方法;提出从局部和全局双角度调整的动态参数自适应调整策略。最后,设计多AGV多任务分配的仿真实验。实验结果表明:改进的NSGA⁃Ⅱ算法有效解决了多AGV多任务分配问题,同时,所提出的改进策略有效提高了算法的收敛速度、稳定性和鲁棒性。

基于改进的BP-NSGAⅡ算法的注塑工艺参数优化

注塑成形工艺优化的目标就是要在设备固定、原料配方不变的情况下,将保证质量和提高效率两者协调一致,以达到最理想的成形工艺。首先建立了以产品质量和生产效率为目标函数,以模具温度、熔体温度、保压压力、保压时间和冷却时间等为决策变量的多目标综合优化模型。利用BP神经网络的强大的非线性插值能力和自我学习能力来训练模型样本数据,最后结合改进的非支配排序遗传算法(NSGAⅡ)的全局寻优和多目标优化求解能力,得出最优的注塑工艺设计。

基于改进NSGA-Ⅱ算法的多级服务设施备用覆盖选址决策模型

为了应对跨区域突发事件过程中受灾点服务差异化需求的问题,建立了应急储备设施点的多级备用覆盖选址决策模型,即一个需求点由多个应急设施提供不同质量水平的服务,并考虑设施繁忙状态下由其他设施点提供服务的状况,使模型更加符合实际应用。首次通过设计分段的染色体编码方式改进NSGA-Ⅱ算法提升运算效率以更好地解决多目标选址决策问题,将改进方法下得到的Pareto解分布与NSGA-Ⅱ算法下的仿真结果进行对比分析,结合设施点的部署策略得到不同的空间布局方案。证明了模型的可行性及改进NSGA-Ⅱ算法在解决设施点多目标选址决策问题时的有效性。

基于NSGA-Ⅱ算法的装备研制多目标优化研究

为提高装备军事效益和经济效益,在网络计划技术的基础上,以装备研制成本和质量为目标,结合工期-质量模型、工期-成本模型和成本-质量模型,建立了多目标综合优化模型。采用一种基于Pareto最优解的多目标遗传算法——NSGA-Ⅱ算法求解,以某探测器研制为例,运用该方法进行建模求解,经MATLAB计算,验证了模型的合理性和算法的有效性。结果表明NSGA-Ⅱ算法的收敛性好,通过它求得的非劣解与实际能较好地相符,为部队在各种武器装备方案论证阶段开展工期、成本和质量之间的权衡分析提供了一种有效工具。

基于改进型NSGA-Ⅱ算法的深海高频变压器优化研究

针对深海高频变压器建立其体积和损耗的多目标优化数学模型。利用遗传算法在求解非线性多目标优化问题中的优势,解决深海高频变压器损耗目标和体积目标相互矛盾的问题。改进NSGA-Ⅱ算法中的非支配排序策略和选择截断策略,使二者处于同一非支配层,从而增加了周围密度小的个体的遗传概率,提高了算法的全局搜索能力和运行速度。运用改进型NSGA-Ⅱ算法对6 kW高频变压器进行优化设计并根据优化结果制造出高频变压器实体。试验测试结果表明,采用改进型NSGA-Ⅱ算法能有效地降低深海高频变压器的总损耗和体积。

基于自适应NSGA-Ⅱ算法的配电网多故障抢修优化决策

传统配电网多故障抢修依赖决策人员的主观判断,缺少科学依据,容易出现判断失误,造成抢修资源无法得到合理应用或者不能第一时间恢复供电。为解决该问题,建立了考虑任务分配和抢修顺序的配电网多故障抢修多目标优化模型,设计了自适应参数的非支配排序遗传算法(NSGA)-Ⅱ,得到Pareto前沿后利用基于角度选择的拐点决策算法,在无决策人员参与的情况下能够直接求解出一个相对理想的抢修方案。最后使用Matlab对某镇实际的配电线路进行仿真,仿真分析表明自适应参数的调整策略可以提高种群进化前期的全局搜索能力及进化后期的局部搜索能力,基于角度选择的拐点决策算法可从多个可行方案中直接选择最终的决策方案,减轻决策人员的负担,且适用于实际抢修工作。

基于NSGAⅡ的变电站电压无功控制方法

为了防止变压器分接头和电容器开关频繁动作,通过一种设备状态诊断法建立了变电站电压无功多目标控制模型。该诊断方法根据控制设备连续动作时间间隔、已动作次数、电压无功越界持续时间分别引入惰性因子、比例因子和越限指标,构成变电站电压无功多目标控制模型,并结合NSGAⅡ多目标进化算法进行求解。实例表明,改进方法在保证电压无功质量的同时,有效地解决了控制设备频繁动作问题,具有很好的实用性和有效性。

基于SVM-NSGAⅡ的耐久性混凝土配合比多目标优化

混凝土常常因为耐久性不足而造成混凝土结构严重损伤,研究混凝土耐久性具有重要意义。本文建立了一种SVM-NSGAⅡ智能算法,以基于混凝土耐久性主要指标抗冻性(相对动弹性模量)和抗渗性(氯离子渗透系数)为研究目标,利用支持向量机(SVM)模型基于原材料配合比对混凝土动弹性模量和氯离子渗透系数进行高精度预测,得到其非线性映射关系函数,将这两个指标的非线性映射关系函数作为目标适应度函数,引入混凝土经济成本作为另一个目标适应度函数,依据规范和工程具体要求,建立原材料及配合比相关的约束条件,基于带精英策略的非支配排序的遗传算法(NSGAⅡ)进行多目标优化。研究表明,将相对动弹性模量和氯离子渗透系数作为耐久性评价指标,利用SVM模型对混凝土耐久性进行预测,预测结果精度很高。将所得预测函数作为适应度函数,以混凝土耐久性和经济成本为目标,利用NSGAⅡ算法进行多目标优化获得配合比优化方案,通过将优化配合比方案进行试验,验证了混凝土配合比符合规范、工程项目耐久性能、强度和工作性能等要求,体现SVM-NSGAⅡ模型在配合比多目标寻优中的智能化、精准化,具有良好的工程应用价值。

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。

基于改进NSGA-Ⅱ的仿人机器人上楼梯运动规划方法

针对当前仿人机器人运动优化算法多采用对能耗、稳定性及速度等单目标优化而存在一定的局限性的问题,提出了一种基于多目标优化的仿人机器人上楼梯运动优化方法。针对NSGA-Ⅱ——经典的带精英策略的非支配排序遗传算法(NSGA)的快速非支配排序效率较低的问题,提出了一种基于自调整二叉搜索树的改进NSGA-Ⅱ方法,并采用改进的NSGA-Ⅱ算法实现了仿人机器人上楼梯运动参数优化。通过仿真和实际实验对比了优化前后仿人机器人的能耗和稳定性。实验表明,采用这种方法能克服单目标优化的缺点,在同时满足多个目标需求的同时有效地实现仿人机器人上楼梯。

基于改进NSGAⅡ的时变路网污染路径问题多目标优化

为降低交通拥堵对时变路网污染路径问题中车辆碳排放量的影响,引入拥堵规避策略,建立最低碳排放量和最短配送时间的多目标优化模型。改进带精英策略的非支配排序遗传算法(elitist non-dominated sorting genetic algorithm,NSGAⅡ)对模型进行求解,并与非支配排序遗传算法(NSGA)进行对比。实验结果表明:改进后的算法可以根据顾客需求合理安排车辆出发时间和路径,有效规避交通拥堵;在顾客规模较大的情况下,车辆碳排放量平均降低24%,且不会造成过多的时间浪费,有助于促进我国绿色物流和谐发展。

基于非支配排序遗传算法的振动主动控制优化方法

非支配排序遗传算法是一种基于Pareto前沿的低计算需求、有精英策略、约束处理简单的多目标优化算法。该算法能够搜索到Pareto解集,由专家根据具体要求进行客观的筛选,根据各个目标函数不同的加权进行合理选择最优解,满足了不同研究目的对同一系统的不同要求,这是单目标优化算法不可比拟的。以结构振动系统的结构振动能量和系统控制能量作为多目标优化函数,建立了振动主动控制系统的控制增益以及传感器和作动器位置、数量和长度的多目标优化配置数学模型,首次利用非支配排序遗传算法作为优化策略,并以悬臂梁作为算例,进行了仿真实验,验证了该方法的有效性和可行性。

基于改进的非支配排序遗传算法的无源滤波器设计

工业中的电网谐波不但降低了电能的质量,还可能引起故障甚至事故,因此有必要对电网谐波进行有效地滤除;实际的工程实践中,无源滤波器常被用来滤除该谐波,而其滤波参数的确定是个关键;基于带精英策略的非支配排序遗传算法NSGA-II,文中提出了一种新的无源滤波器的参数优化方法,克服了传统的凭个人经验选择滤波器参数的缺陷。利用NSGA-II对无源滤波器进行参数优化,不仅能节省初始投资,还能更有效地消除谐波干扰;仿真结果证明了该方法的有效性。

求解多目标最小生成树的一种新的遗传算法

在改进的非支配排序遗传算法(NSGA-Ⅱ)的基础上,提出了一种新的基于生成树边集合编码的繁殖算子求解多目标最小生成树问题的遗传算法。通过快速非支配排序法,降低了算法的计算复杂度,引入保存精英策略,扩大采样空间。实验结果表明:对于多目标最小生成树问题,边集合编码具有较好的遗传性和局部性,而且基于此繁殖算子的遗传算法在求解效率和解的质量方面都优于基于PrimRST的遗传算法。