基于改进NSGA-III算法的多无人机协同目标分配

武器-目标分配问题是战场环境下无人机对敌方执行打击任务的关键,其目的是基于目标的威胁、价值和我方武器的毁伤概率,寻找合理的武器目标分配方案,以提高作战效率。针对当前多目标优化算法解决静态武器-目标分配问题时收敛速度慢、收敛稳定性差,难以适应当前战场高度实时性的问题,提出一种改进的基于参考点的非支配排序遗传算法。通过二进制编码打击方案并优化初始种群,引入自适应变异与交叉策略以及种群寻优更新策略,基于对战场态势进行评估得到的威胁矩阵和优势矩阵,种群多次迭代后生成目标打击方案。最后计算满足约束条件的Pareto解集,并将Pareto前沿中的相对最优解作为多无人机的打击方案。多次实验证明,在较好情况下改进算法相比于原始算法的收敛时间减少46.74%,目标威胁值降低50.5%,总飞行航程减少26.46%,杀伤目标数增加11.76%,证明该算法在解决多无人机空对地打击任务目标分配问题时具有合理性和高效性。

基于NSGA-III算法求解柔性作业车间调度问题

针对多目标柔性作业车间调度问题,提出一种改进NSGA-Ⅲ算法,以完工时间、机器总负荷、瓶颈机器负荷为目标建立调度模型。首先,为提高种群的多样性,提出一种基于惩罚的边界相交距离定义关联操作中种群个体与参考向量之间的距离;其次,为提高环境选择的计算效率,利用基于惩罚的边界相交距离消除机制来保护个体,降低了个体保护策略的计算成本;最后,为避免种群陷入局部最优,在遗传算子中采用一种改进的变异策略。运用两个评价指标与NSGA-Ⅲ算法进行比较,其收敛性与多样性均由于NSGA-Ⅲ算法。同时在4个Kacem算例上进行测试得出改进NSGA-Ⅲ算法解的质量较高,最后通过实际的生产实例证明改进的NSGA-Ⅲ算法优于或等同于现存在的方法,也证明了该方法在解决多目标柔性作业车间调度难题上的可操作性。

基于NSST和NSGA-III的红外和可见光图像融合

针对图像融合方法容易丢失源图像结构信息的问题,该文提出一种基于非下采样剪切波变换(Non-Subsample Shearlet Transform,NSST)和第三代非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm III,NSGA-III)的红外和可见光图像融合方法.首先,将源图像进行NSST变换得到低频和高频子带图像;其次,针对低频图像,设计了一种新的基于NSGA-III的融合规则,先使用区域能量法对图像进行预融合,以预融合图像作为参考图像,再通过NSGA-III算法进行优化获得融合低频图像;针对高频图像,用绝对值取大规则.最后,利用NSST逆变换重构融合图像.算法性能在TNO数据集上进行验证,并与其他先进的融合算法进行比较,定性与定量的结果均表明,提出的方法目标突出,并保留了源图像更多的结构信息.

基于NSGA-III算法的小管径翅片管式蒸发器高维多目标优化

以稳态分布参数法和NSGA-III算法为基础,提出一种翅片管式蒸发器结构参数与流路参数混合寻优的方法,并依此展开小管径蒸发器结构和流路参数的影响分析与流路的高维多目标设计优化。建立的小管径翅片管式蒸发器模型与实测数据的误差在4%以内,可以较好地用于小管径翅片管式蒸发器的计算。基于该模型进一步建立以结构参数与流路参数为自变量,换热量、制冷剂侧压降、空气侧压降以及成本为因变量的神经网络模型,并利用NSGA-III算法对模型进行优化求解,得到小管径翅片管式蒸发器在一定的结构参数变化范围内的最优结构参数及最佳流路。研究结果显示:管外径对小管径翅片管式蒸发器的换热量、制冷剂侧压降以及成本的影响程度最大;翅片间距对小管径翅片管式蒸发器的空气侧压降影响程度最大;翅片厚度对换热量、制冷剂侧压降、空气侧压降以及成本的影响程度均最小;流路主要影响蒸发器的换热量及制冷剂侧压降;制冷剂流路为二支路、三支路和四支路时,模型可输出综合性能最优的结构及流路特征。

不同支配关系的NSGA-III算法在机器人制造单元调度问题中的应用

随着经济的发展,机器人制造单元对制造行业的生产效率和生产质量有很大提高.相对于传统的柔性制造单元,带机器人搬运的车间的调度问题还考虑了加工物料的搬运环节.因此,生产调度所面临的问题越来越复杂.针对Pareto支配关系在高维多目标优化中的支配能力不足,本文将Lorenz支配和CDAS支配分别与NSGA-III算法相结合,并首次应用到带机器人制造单元的高维多目标车间调度问题上来.考虑到现代生产过程的复杂化,本文提出对最大完工时间、加工总能耗、交货期提前量、延迟量、生产总成本等多个目标同时进行优化,用于确定机器人工作时操作状态和搬运顺序,提高生产效率.通过实验发现基于Lorenz支配和CDAS支配的NSGA-III算法在该生产调度问题上比传统的NSGA-III在解的收敛性和均匀性上表现更优.

基于NSGA-III算法的水资源优化配置研究

为科学利用和配置有限水资源,提高区域水资源利用率,水资源优化配置成为当下研究重点之一。本文以经济、社会、生态为目标,建立了区域水资源多目标优化配置模型,以栾川县水资源配置为例,引入NSGA-III算法对其进行求解,并与NSGA-II算法进行比较。对比分析了应用NSGA-III和NSGA-II算法求解经济效益目标函数解集的分布图以及三个目标函数的计算结果,结果表明求解栾川县水资源配置方案时,NSGA-III算法的种群分布比NSGA-II更加均匀集中,且目标效益值优于NSGA-II。说明利用NSGA-III算法在求解区域水资源配置方案时对目标的选择能力更强,更适用于解决水资源优化配置问题,可以在其它区域推广应用。

基于模糊系统的改进型NSGA-III算法

在利用多目标进化算法解决高维多目标优化问题时,随着目标函数个数的增加,非支配解的个数呈指数增长,使得在环境选择阶段缺少足够的选择压力,进而影响算法性能。基于分解的NSGA-III算法是一种能够有效解决上述问题的多目标进化算法,但在该算法中采用固定的交叉概率和变异概率生成新的解,使得算法在处理一些复杂的高维多目标问题时表现较差。因此,本文提出一种基于模糊系统的改进型NSGA-III算法,该算法利用模糊系统动态调整子代生成过程中算子的交叉概率与变异概率。对于模糊系统的设计,采用与算法密切相关的Spread值和迭代次数作为输入,利用模糊逻辑推理后输出交叉概率与变异概率。将所提算法与其他基于分解技术的算法在20个高维多目标优化问题上进行实验对比,结果表明本文算法可以有效提高收敛速度,且能很好地保持种群的多样性和收敛性。

High Frequency Stability Constraints Based MMC Controller Design Using NSGA-III Algorithm

The occurrence of high frequency resonances(HFRs)has been frequently observed in several MMC-HVDC projects.To avoid these HFRs,the controller design of an MMC must satisfy two requirements:1)The controller should remain stable while in the high frequency range,and 2)MMC impedance should not possess a negative real part in the high frequency range.So far,majority of the related studies on MMC controller design have been unable to address these requirements precisely.This paper first describes the simplified high frequency MMC impedance model developed indigenously by the authors.Subsequently,the driving mechanism of two kinds of HFRs is revealed using the said developed model,including:1)MMC controller instability,and 2)Interaction instability between MMC and AC cables.Furthermore,the mathematical expressions outlining the controller stability constraint and positive damping constraint are proposed.Additionally,NSGA-III based multi-objective optimization algorithm is adopted,to identify the region most suitable for satisfying the proposed stability constraints under the MMC controller parameters.The proposed controller design method is capable of effectively evading the HFRs triggered by the incompatible MMC.The detailed time-domain simulations generated using PSCAD/EMTDC software validate the proposed designed method and endorse the improved results.

基于高维多目标序贯三支决策的恶意代码检测模型

针对传统基于二支决策的恶意代码检测方法在面对动态环境中的复杂海量数据时,没有考虑在信息不充足条件下进行决策产生影响的问题,本文提出了一种基于卷积神经网络的序贯三支决策恶意代码检测模型。通过卷积神经网络对样本数据进行特征提取并构建多粒度特征集,引入序贯三支决策理论对恶意代码进行检测。为改善检测模型整体性能,避免阈值选取的主观性,本文在上述模型的基础上,同时考虑模型的综合分类性能、决策效率和决策风险代价建立高维多目标序贯三支决策模型,并采用高维多目标优化算法对模型进行求解。仿真结果表明,模型在保证检测性能的同时,有效地提升了决策效率,降低了决策时产生风险代价,更好地拟合了真实动态检测环境。

基于地下物流系统的集装箱多式联运网络优化

为减少以公路运输为主的港口群公路集疏运给城市交通和环境带来的不良影响,现提出一种新的可持续发展运输模式——地下物流系统,以解决当前港口城市发展面临的共性问题。针对长三角城市群的地下物流系统布局方案,从碳排放、时间、成本3个角度,建立综合运输网络优化模型,以此分析在港口城市群实行地下物流系统的合理性;利用NSGA-III算法求解,得到地下物流系统能够降低成本支出的结果,同时达到节能减排和缓解交通拥堵的目的。此外,NSGA-III算法是在NSGA-II的基础上引入参考点对拥挤度排序进行了优化,但是NSGA-III总是会优先满足约束条件来处理相互冲突的目标,从而忽略了维持种群多样性。针对种群陷入高维目标空间局部最优解等问题,提出改进NSGA-III算法,通过同时处理优化目标和约束条件,来帮助种群跨越大而离散的不可行区域。针对该问题,选择“最小化运输成本“”最小化任务完成时间”和“最小化碳排放量”作为多目标优化的目标函数,运用改进动态约束NSGA-III算法进行模拟仿真分析,比较了算法改进前后的优化结果,验证了改进算法的优越性和可靠性,最后证明了地下物流系统可以有效节能减排和缓解交通拥堵,具有一定的实际参考价值。

基于改进NSGA-Ⅲ的D2D协同MEC多目标优化研究

在当前的移动边缘计算(Mobile Edge Computing,MEC)模型中,由于任务是直接上传到MEC服务器执行,存在边缘服务器的计算压力大、空闲移动设备上的资源未得到充分利用等问题。使用边缘网络中的空闲设备进行协同计算,能够实现用户闲置资源的合理利用,增强MEC的计算能力。因此,提出了一种利用终端直通(Device-to-Device,D2D)进行协同计算的部分卸载MEC模型(D2D Collaborative MEC for Partial Offloading,DCM-PO)。在该模型中,除本地计算和MEC服务器计算外,还能将部分任务上传到空闲D2D设备进行辅助计算。首先,以最小化边缘网络的时延、能耗和费用为目标建立多目标优化问题。然后,在多染色体混合编码、自适应交叉率和变异率等方面对基于参考点的非支配排序遗传算法(Non-dominated Sorting Genetic AlgorithmⅢ,NSGA-Ⅲ)进行改进,使之适合DCM-PO模型中的多目标优化问题求解。最后,仿真结果表明,相比基准MEC模型,DCM-PO模型在多项性能指标上有明显优势。

集中型充电站高维多目标优化调度模型研究

为了增强电动汽车电池调度的合理性,在集中型充电站换电模式下,结合集中型充电站、配送站和换电站,分析电池的联合调度问题。首先,考虑充电成本、充电负荷、运输成本和时间成本,提出了一种集中型充电站换电模式高维多目标优化调度模型。然后,采用非支配排序遗传算法-Ⅲ(non-dominated sorting genetic algorithm-Ⅲ,NSGA-Ⅲ)对该调度模型进行优化。同时,根据实际调度问题,对NSGA-Ⅲ的交叉和变异方式进行改进。最后,通过仿真实验测试算法的性能。实验结果表明,与其他高维多目标优化算法相比,该算法在换电模式下的优化性能具有明显的优势。

基于BIM和NSGA-Ⅲ的超高层建筑施工进度多目标优化研究

基于BIM与NSGA-Ⅲ算法优化框架,结合目标控制优化机制,构建了BIM和遗传算法的高层标准层施工考虑工前和施工阶段延误场景下的两阶段优化模型,解决了超高层建筑工程信息采集、进度-成本-资源需求均衡目标评估分析和施工优化决策等关键技术问题。基于NSGA-Ⅲ算法对模型求解获帕累托前沿解集,后采用优劣解距离法(TOPSIS)获得目标值和工序时间参数部署的最优解。并在实际案例中验证了其可行性和有效性,为科学动态的管理提供决策支撑和算法依据。该模型的应用可以提高超高层施工进度动态优化决策能力,促进施工过程面向智能化、数据化和科学决策化。

基于NSGA-Ⅲ算法的碳纤维复合材料螺旋铣孔切削参数多目标优化

碳纤维增强复合材料(CFRP)力学性能呈各向异性,层间强度低,为改善CFRP钻孔时中出现的缺陷,螺旋铣孔技术逐渐得到应用。为找到合适的切削参数使得CFRP各项加工性能均达到最优,对CFRP螺旋铣孔切削参数多目标优化方法进行研究。通过螺旋铣试验,测得不同切削参数下的切削力和孔径偏差;使用非线性拟合方法分别建立以径向切削力、轴向切削力、孔径偏差、切削效率为优化目标的多目标优化模型;采用第三代非支配遗传算法(NSGA-Ⅲ)进行多目标优化,获得帕累托最优解;基于主成分分析构建最优切削参数决策算法,完成切削参数解集优劣性能排序,获得满足不同加工性能的最优参数组合。结果显示:NSGA-Ⅲ算法与主成分分析方法的结合可使多目标优化取得良好的效果。

应用程序属性感知的Yarn资源调度模型研究

Hadoop应用程序存在计算密集属性和调度时间属性,但是Hadoop大数据平台集成的第二代资源管理器Yarn内置的三种资源调度器无法将相同属性的应用程序均衡分配到计算节点上,导致部分节点负载过高,出现严重的计算任务长尾效应。文中提出了一种应用程序属性感知的Yarn负载均衡调度模型——APB Scheduler。APB Scheduler自动感知应用程序属性,将相同属性应用程序的Container按照动态资源计划均衡分配到集群计算节点上,并使用NSGA-Ⅲ算法完成最优分配方案计算。实验结果表明,APB Scheduler解决了相同属性应用程序的Container分配倾斜问题,大幅提升了集群的性能和稳定性。

并网逆变器分裂电容型LCL滤波器参数优化设计

现有并网系统中传统LCL滤波器有效解决了电流谐振问题,而分裂电容型LCL滤波器则进一步降低了阻尼电阻的功率损耗。针对分裂电容型LCL滤波器的参数配置繁琐、计算密集、准确性低等问题,提出一种基于NSGAⅢ多目标优化算法来设计滤波器的参数,并给出了滤波器参数寻优的实现流程。仿真结果表明,该方法不仅改善了滤波性能和系统稳定性,还降低了功率损耗,大大降低了设计过程对经验的依赖,滤波器参数设计更加具有普适性。

考虑多重不确定性因素的研发任务分配优化

由于研发项目的复杂性、不确定性、动态性、参研团队差异等因素的影响,难以合理分配研发任务.本文综合考虑参研团队能力的不确定性、研发项目运行过程的不确定性等因素,通过仿真估计研发项目的工期、成本等指标;考虑决策者的心理因素,基于前景理论计算研发工期、研发成本的前景价值;以前景价值作为适应度评价指标,基于NSGA-Ⅲ构建研发任务分配优化算法.算例研究表明,基于NSGA-Ⅲ、NSGA-Ⅱ和MOEA-D构建的优化算法均可有效改进研发任务分配方案,而基于NSGA-Ⅲ构建的算法的优化效果最好.

基于非支配排序遗传算法的沥青路面大中修养护决策

为了更好地协调沥青路面大中修养护方案决策时成本、环境和性能之间相互制衡的矛盾,提出了一种基于非支配排序的遗传算法(non-dominated sorting genetic algorithmⅢ,NSGA-Ⅲ)来优化沥青路面大中修养护方案决策。针对实际公路工程项目中多重约束条件下的养护需求,建立了以碳排放量、寿命周期成本及路面使用性能为目标的多目标优化模型,采用NSGA-Ⅲ算法求解模型,有效解决各目标间的非支配关系,并得到养护方案的Pareto解集;在多属性决策中引入广义马氏距离与组合赋权方法,对Pareto解集进行排序决策,并以承德市某公路为例进行实例演示;划分3种不同的权重等级和六种权重策略,分析对不同目标赋予不同权重等级时对最优养护方案的影响。研究结果表明:NSGA-Ⅲ算法可以快速、高效地捕捉多目标解集,当对不同目标赋予相同的权重等级时,相比于只考虑单目标与双目标的养护方案,其最优解在碳排放量上分别降低24.45%、28.41%;寿命周期成本分别降低14.43%、17.95%;PCI值分别降低1.07%、3.68%。该方法相比于传统的决策方法可以更准确、更迅速地得到可持续性的养护方案。

基于多目标优化算法的多相机视频浓缩

为解决现有的视频浓缩参数优化中普遍存在的问题,增设目标参数以更加全面反映浓缩视频整体性能,克服单目标优化方式在优化效果上的弱点,提出一种基于NSGA-Ⅲ算法的多目标视频浓缩参数优化方法。引入运动目标距离参数,对运动目标轨迹进行分组;选取压缩比、运动目标密度、运动对象时序表达、运动目标损失、最大运动目标显示数五个参数,通过NSGA-Ⅲ实现优化。实验表明该改进方法能够对视频浓缩参数进行全面优化,优化效果明显提升。

基于改进NSGA-Ⅲ的多目标优化调度方法及应用

多目标优化调度是生产过程中最优规划问题,对此提出了一种基于改进NSGA-Ⅲ算法的多目标优化调度方法并将其应用于供电运维排班规划中。在基本NSGA-Ⅲ算法的基础上,通过保留精英代策略、快速非支配排序和自适应归一化技术提高算法的收敛性,同时结合运维班组任务优化过程中的影响任务完成的人员静态因素和动态因素进行量化处理,实现变电运维人员的优化调配,提高运维效率。最后通过实际算例验证了模型及算法的合理性和可靠性。