基于Pareto强度值演化的FPRs知识表示参数优化

提出一种新的参数优化模型和求解算法,引入模糊熵来指导模糊产生式规则(FPRs)的参数优化,给出基于极大模糊熵定理的参数优化模型,提出求解该模型的Pareto强度值的演化算法。实验结果表明,该方法能够有效优化参数,一定程度上避免过度拟合,提高了FPRs的知识表示能力。

Pareto强度值演化算法求解约束优化问题

提出了一种求解约束函数优化问题的方法.它不使用传统的惩罚函数,也不区分可行解和不可行解.新的演化算法将约束优化问题转换成两个目标优化问题,其中一个为原问题的目标函数,另一个为违反约束条件的程度函数.利用多目标优化问题中的Pareto优于关系,定义个体Pareto强度值指标以便对个体进行排序选优,根据Pareto强度值排序和最小代数代沟模型设计出新的实数编码遗传算法.对常见测试函数的数值实验证实了新方法的有效性、通用性和稳健性,其性能优于现有的一些演化算法.特别是对于一些既有等式约束又有不等式约束的复杂非线性规划问题,该算法获得了更高精度的解.

Pareto强度值演化算法求解多目标优化问题

近年来,多目标优化问题求解已成为演化计算的一个重要研究方向,而基于Pareto最优概念的多目标演化算法则是当前演化计算的研究热点。多目标演化算法的研究目标是使算法种群快速收敛并均匀分布于问题的非劣最优域。本文定义和使用稀松密度来保持群体中个体的均匀分布, 并将个体的Pareto强度值和稀松密度合并到个体的适应值定义中。通过对测试函数的实验,验证了算法的可行性和有效性。

水库优化调度的Pareto强度值SCE-UA算法

提出求解水库优化调度问题的Pareto强度值SCE-UA算法,该方法将水库优化调度的约束优化问题转换成两个目标函数的无约束优化问题,一个为原问题的目标函数,另一个为违反约束条件的程度函数;对上述两个目标函数组成的向量个体,利用Pareto优于关系和个体Pareto强度值概念,实现个体的优劣比较和群体的优劣排序,在此基础上使用SCE-UA算法求解。这种算法不需要人工处理罚函数,具有较强的通用性、稳定性及更好的搜索性能。

Pareto强度值实数编码多目标贝叶斯优化算法

提出了一种采用基于决策树的贝叶斯网络表示各变量之间条件相关性的分布估计算法：Pareto强度值实数编码多目标贝叶斯优化算法（PSRCMBOA）。通过构建这样的网络模型,继而对模型进行抽样以产生新个体。再对生成的新个体进行变异操作,以增加种群的多样性,提高算法的搜索能力。这种生成新个体的方法结合基于强度值的适应度计算方式以及截断选择机制,可以获得很好地逼近多目标问题的Pareto前沿,且分布均匀的非劣解集。对于约束多目标优化问题,算法采用带约束支配关系判别个体的优劣。文中用3个较难的测试问题验证该算法的性能,并将其应用于Clipper飞船返回舱的气动布局多目标优化设计。PSRCMBOA对3个测试问题找到了很贴近Pareto前沿的非劣解集。对于Clipper飞船返回舱,算法获得了分布较宽且均匀的非劣解集。分析发现,为获得高升阻比,返回舱球头半径应选择在0.155-0.165 m之间、前锥半锥角应选择在20°左右、头锥底到返回舱底部的距离可选择在3.6-4.4 m之间、柱段长可在1.2-1.5 m之间。优化结果表明,该算法能够获得高质量的非劣解集,是一种有效的多目标优化算法,能够用于对复杂的工程问题进行优化设计。

基于点蚀演化的Q235钢材强度退化行为研究

【目的】为了评估腐蚀后钢材强度随点蚀演化的退化行为,基于不同腐蚀时间的钢基体表面蚀坑统计结果,利用ABAQUS有限元分析软件与Python程序实现了随机点蚀的原位演化,在此基础上提出了随机点蚀演化的力学性能评估方法。【方法】在保证数值模型与试验质量损失率一致的前提下,分析并验证了腐蚀钢材强度数值解的准确性和适用性,建立了点蚀影响下钢材的强度退化模型。此外,通过3组153个数值模型系统分析了蚀坑深度及质量损失率共同影响下Q235腐蚀钢材的屈服强度与极限强度的退化规律,提出了具有通用性的腐蚀后钢材屈服强度与极限强度随质量损失率与腐蚀深度的演化公式。【结果】结果表明,当蚀坑深度已知时,钢材剩余强度随质量损失率的增加呈指数型下降。点蚀影响下钢材的屈服强度和极限强度同时由质量损失率与蚀坑深度决定。

高强钢中最大夹杂物的尺寸估计与疲劳强度预测

描述了两种估计高强钢中最大尺寸夹杂物的方法——统计极值(SEV)和广义Pareto分布(GPD)统计方法,分别利用上述两种方法估计了不同体积的ADF1钢中最大夹杂物的特征尺寸,并根据估计的夹杂物尺寸预测了不同体积的ADF1钢疲劳强度,同时与实验结果进行了对比.

基于稀松密度的多目标优化演化算法

该算法定义和使用稀松密度来保持群体中个体的均匀分布,并将个体的Pareto强度和稀松密度合并到个体的适应值定义中,使得搜索向Pareto最优解集的方向进行并防止早熟;算法还采用多父体杂交策略,每代只产生一个新个体、淘汰一个最差个体,精英个体自动留存。算法复杂度小,占用存储空间少。通过对测试函数的实验,验证了算法的可行性和有效性。

多目标遗传算法求解电力系统经济负荷分配

提出应用多目标遗传算法解决电力系统经济负荷分配问题。对负荷分配的数学模型进行了分析,将这一带约束的单目标优化问题转换成总煤耗函数和违反约束条件的程度函数两个目标函数优化问题。该算法采用实数编码技术,Pareto强度值作为个体的评价指标,利用遗传算法实现种群的进化,最终找到最优解。将该方法分别应用于某5台机组组成的发电系统和3台机组组成的发电系统进行负荷优化计算,结果与基于惩罚函数的单目标优化算法进行比较,分析表明该算法在确保满足各约束条件的前提下具备较好的寻优性能,证实了该算法的可行性与有效性。