考虑Pareto最优的列车运行图与维修天窗协调优化

列车运行图与维修天窗之间的冲突始终无法避免,且维修天窗开设时间的长短显著影响列车总运行时间。针对此问题,综合考虑维修天窗对列车运行造成的限速约束、车站到发线数量约束等,建立列车总运行时间最小,以及维修天窗实际开设时长与理想时长总偏差最小的双目标混合整数规划模型;对困难约束设置中间辅助变量将模型线性化以提高求解效率,并设计约束转换算法求解双目标模型的Pareto最优;微观化处理铁路线,将站内资源和站间资源细化为一系列行车资源单元,得到更加符合实际旅客运输需求的运行图。以某地区铁路线夜间开行列车及维修天窗开设计划为研究背景,调用商业软件求解双目标函数模型的Pareto最优,并对双目标模型的最小支配解和最优支配解进行对比分析;针对最优支配解下的列车进入、离开行车资源单元的时间、停站作业时间及维修天窗的开始时间及开设时长,绘制列车运行图。求解结果表明:模型在满足维修天窗最小开设时长的同时,能够兼顾列车运行总时间最小和维修天窗开设时长更充裕。基于最优支配解绘制的列车运行图表明:微观路网下的列车运行时刻表优化结果更符合实际旅客运输生产作业需要。研究结果可为铁路运营管理部门进一步优化列车运行图编制与维修天窗开设提供参考。

基于Pareto最优均衡理论的无人驾驶汽车稳定跟踪控制研究

针对无人驾驶车辆在高速转弯工况下轨迹跟踪精度及稳定性下降的问题,通过将轨迹跟踪控制和稳定性控制视为动态博弈过程中的参与者,提出了一种基于Pareto最优均衡理论的轨迹跟踪与稳定性协同控制策略。首先,基于模型预测控制,设计了车辆轨迹跟踪控制及稳定性控制模型。其次,根据轨迹跟踪与稳定性控制的代价函数设计了全局代价函数,通过Pareto最优均衡理论对两者的权重进行动态博弈,在满足约束条件下实现目标任务全局性能最优。最后通过Simulink&CarSim建立联合仿真模型,在双移线工况下对所提方法进行对比验证。仿真结果表明,所提方法相较于定权重路径跟踪与稳定性协同控制器,能有效提升车辆轨迹跟踪控制精度并保证较好的行驶稳定性。

用擂台赛法则构造多目标Pareto最优解集的方法

针对多目标进化的特点,提出了用擂台赛法则(arena’s principle,简称AP)构造多目标Pareto最优解集的方法,论证了构造方法的正确性,分析了其时间复杂度为O(rmN)(0<m/N<1).理论上,当AP与Deb的算法以及Jensen的算法比较时(它们的时间复杂度分别为O(rN2)和O(Nlog(r-1)N)),AP优于Deb的算法;当目标数r较大时(如r≥5),AP优于Jensen的算法;此外,当m/N较小时(如m/N≤50%),AP的效率与其他两种算法比较具有优势.对比实验结果表明,AP具有比其他两种算法更好的CPU时间效率.在应用中,AP可以被集成到任何基于Pareto的MOEA中,并能在较大程度上提高MOEA的运行效率.

基于Pareto最优的电力系统有功-无功综合优化

针对纯粹依据能耗或成本指标进行发电调度的不合理性,以系统总发电成本最小和电网有功损耗最小为目标函数,建立了电力系统综合节能降耗的有功-无功协调优化模型。借助λ乘子把多目标优化问题转化为单目标优化问题,通过对Pareto最优前沿集上综合效益最优解的定义,求解λ乘子的最优值,同时还提出了λ的近似求解方法以及有网损率约束情况下λ值的求解方法,可以为协调系统总发电成本与电网有功损耗之间的矛盾、省级电力调度部门从传统发电调度模式转变为节能发电调度模式提供参考。通过IEEE 30和IEEE 57节点系统的算例分析表明了所建模型和算法的有效性。

基于Pareto最优解的含分布式电源配电网无功优化

随着分布式电源技术的发展,某些分布式电源接能够在一定程度上对配电网进行无功补偿。针对配电网无功优化问题,本文提出了以调节分布式电源出力和传统的投切电容器组为优化手段,以网损最小、电压偏移量最小为目标的优化策略。与以往大多数研究利用权重将多目标问题转化为单目标问题不同,本文直接采用基于Pareto最优解的多目标模型,然后利用自适应参数的多目标和声算法确定分布式电源无功出力和投切电容器组的大小,得到Pareto最优解集,从中选出最优解。利用IEEE-33节点系统进行仿真计算,与单个目标网损最小和采用惩罚因子的方法进行比较,验证了本文所提优化策略的有效性。

基于Pareto最优原理的混合动力汽车多目标优化

介绍了混合动力汽车(HEV)相关知识,建立了以最小化燃油消耗、HC+NOx排放量和CO排放量为目标的3目标优化模型,提出了基于Pareto最优原理的混合动力汽车多目标优化进化算法.该算法采用实数编码,以ADVISOR为HEV的仿真软件获得各候选方案目标值,基于Pareto支配性原理判定候选方案的优劣,并设计了可以调整待优化变量有效位的机制以保证优化所得的候选方案具有可实现性.针对不同车型的仿真实验结果表明,所提出的算法能够较好地解决混合动力汽车多目标优化问题,可以获得一组具有低燃油消耗与低污染物排放的Pareto最优解供决策者选择.

基于Pareto最优原理的钻机钻进参数多目标优化

针对某双管定向钻机,提出了基于Pareto最优原理的钻进参数多目标优化方法。该方法根据钻机性能与工况,考虑水力对钻头比能影响,确定了钻进参数优化模型。针对罚函数处理约束条件的不足,引入了改进约束条件处理策略,提出了基于小生境思想拥挤度值计算方法及自适应交叉和变异算子。测试了改进算法的性能,并将改进算法用于求解基于某煤矿工程实际建立的钻机钻进参数优化模型。研究结果表明:与NSGA-Ⅱ和MOPSO算法相比,改进算法在求解测试问题时具有更好的收敛性与分布性。利用改进算法求解实际问题时得到的Pareto前端解集分布均匀,而且有效提高了机械钻速,延长了钻头寿命并降低了钻头比能。

基于免疫算法的逆变器多目标Pareto最优控制策略

提出一种采用免疫算法来求解逆变器输出波形质量和开关损耗多目标Pareto最优控制策略的方法。其中输出波形质量目标由波形质量评价函数刻画,开关损耗目标由开关损耗评价函数刻画,并以Pareto前沿面的形式给出多目标Pareto最优解集。在此基础上深入分析逆变器在几组不同阻感负载条件下波形质量与开关损耗之间关系图。本文通过计算数据手册提供的器件特性参数、负载电流(集电极电流)、开关门极驱动信号以及直流母线电压来计算逆变器的损耗。搭建以DSP+FPGA为核心控制系统的模拟实验平台进行小容量模拟试验,通过霍尔电流传感器采集逆变器输出电流信号,采用热敏电阻PT100测量逆变器的损耗。仿真和实验结果表明了该方法的可行性和有效性。

面向Pareto最优遗传算法的服务组合方法

为了解决Pareto遗传算法在每一次进化操作中都要构造当前进化群体最优解集而影响运行效率的问题,提出了一种面向Pareto最优遗传算法的服务组合方法,以实现Web服务组合的全局优化.用伪二叉树法则构造目标函数的Pareto最优集合,再进行Pareto最优解集排序,最后采用个体相似度计算来确定遗传算法的适应度函数,由此获得一组满足约束条件的Pareto最优解服务集合.实验验证表明,所提方法可以提高多目标遗传算法处理服务组合效率的问题,即使在服务规模较大的情况下,所获得的解与最优值的比率仍能接近90%的水平.

基于Pareto最优的PID多目标优化设计

现有的PID优化方法往往难以同时兼顾系统对时域和频域性能的要求,针对这一缺陷,提出了一种PID多目标优化方法:将动态性能指标作为优化目标,频域性能指标作为约束条件,采用基于Pareto最优的多目标优化算法对其求解.该算法采用新的拥挤距离计算方法,引入双重精英机制,进化效率高,得到的Pareto最优解集多样性好,决策者可根据当前工作需求从中选择最终的满意解.仿真结果和实际应用证明了本文方法的有效性.

用多目标进化算法搜索MOPs的鲁棒Pareto最优解

搜索鲁棒Pareto最优解是多目标进化算法(MOEA)研究的一个重要方面.目前,优化"原目标函数"的传统MOEA与基于"有效目标函数"的MOEA(Eff-MOEA)在搜索鲁棒Pareto最优解时都易丢失某些性质的解.为解决这一缺陷,本文定义了一种新的鲁棒Pareto最优解,提出了一种新的搜索鲁棒Pareto最优解的MOEA(MOEA/R),MOEA/R将多目标鲁棒优化问题(MROP)转化成两目标问题来优化,一个目标为解的质量,另一个目标为解的鲁棒性,每一目标均对应一子优化问题.通过与NSGA-Ⅱ及Eff-MOEA的对比分析,结果表明MOEA/R的结果较好,更重要的是本文探索了一种新的搜索鲁棒Pareto最优解的思想.

基于Pareto最优的QoS路由算法

QoS路由是QoS框架中的重要组成部分,旨在寻找多约束条件下的可行路径.在解决多约束(MCP)问题时,引入了Pareto最优概念.基于此概念,提出了基于Pareto最优的QoS权重空间划分模型.在该模型中,根据路由请求与MCP问题解的关系,很容易判定路由请求是否能够被满足.在模型基础上,提出了用于解决具有两可加约束的动态权重系数路由算法PODWCA,它平均只需要运行2～3次,Dijkstra算法就能达到很高的性能.仿真结果验证了PODWCA算法的有效性.

2395例药品不良反应报告的Pareto最优分析

目的：了解我院药品不良反应（ADR）发生的规律及特点,为临床合理用药提供参考。方法：采用Pareto最优分析,对2009–2014年上报的2395例ADR报告进行整理,对患者年龄、药物品种、抗菌药物品种、给药途径以及ADR临床表现进行分析和归纳。结果：2395例ADR中,51~60岁这个年龄段较易发生ADR（33.70%）,在所有药物中抗菌药物发生ADR的比例最大（26.01%）,其中头孢菌素发生例数最多（134例,21.51%）,发生ADR的主要给药途径为静脉滴注（66.72%）,ADR主要表现为皮肤及其附件损害（27.52%）。结论：依据ADR出现的特征与规律,合理掌握用药方式,并强化监护环节,运用有效的措施加以监测和管理,以降低ADR的发生。

一种GA和Pareto最优相结合的智能QoS组播路由机制

引入概率论、遗传工程和微观经济学知识,设计一种QoS组播路由机制,通过引入带宽、延迟、延迟抖动和出错率满足度来适应网络状态参数的难以精确表达,通过引入可用带宽度来帮助预防网络过载,通过引入公平度来适应组内公平性的要求,基于遗传算法GA(Genetic Algorithm),寻找带宽、延迟、延迟抖动和出错率满足度、可用带宽度以及公平度达到或接近Pareto最优的组播路由树.仿真结果表明,该机制是可行和有效的.

基于Pareto最优解的河北南网分层分区方案优化

随着电网电压等级逐渐提高,电磁环网的出现给电网安全稳定运行带来隐患。分析了河北省南部电网概况,指出了河北南网合环运行存在使500 kV主干网架输送能力得不到最大限度发挥、短路电流过大、电网运行经济性差、调度困难、容易引起系统振荡等问题。针对"十一五"规划提出的解环方案,将全网分为5个供电区并解开各供电区断面之间的500 kV/220 kV电磁环网进行校验。基于Pareto最优概念对该方案进行多目标优化,对比了优化前后电网各项重要指标,给出详细解环时间及扩建变压器的建议。

基于Pareto最优解的非对称转向机构双目标优化

根据四向叉车的转向需求,设计适用于四向叉车的非对称转向机构;为了同时提高非对称转向机构纵向和横向转向性能,分别建立非对称转向机构纵向四轮转向和横向两轮转向的转向运动数学模型,并且构建纵向四轮左、右转向非对称性约束;以接近Ackermann理想转向为优化目标,建立非对称转向机构双目标优化函数,采用改进的粒子群优化(PSO)算法求解非对称转向机构双目标优化的Pareto最优解。优化结果分析算例表明纵向和横向转向性能可分别提高32.1%和38.9%,为非对称转向机构优化设计提供有益的理论参考。

基于Pareto最优的多企业协同计划调度优化

为解决协同制造环境下多协作企业的协同计划调度问题,针对多企业协同生产链实际运作过程,建立了一种考虑综合成本和完工时间的多目标计划调度优化模型。基于Pareto最优概念,采用NSGA-Ⅱ算法(快速非支配排序遗传算法)来解决多目标优化问题。为了保证解的收敛性和多样性,设计了有效的编解码方式和遗传操作程序,通过局部变异种群重复个体,并采用分布函数自适应选取精英数量,得到一系列Pareto最优解。最后通过仿真实例对多目标优化模型和算法进行了求解,结果表明,该方法可快速有效地实现全局多目标寻优,从而找到更多更合理的协同计划调度方案。

Pareto最优解及其优化算法

给出了带不等式约束多目标优化局部Ｐａｒｅｔｏ最优解与多目标函数线性加权组合而形成的单目标优化问题局部极值点的充分必要关系，然后以此为理论依据给出了多目标优化简洁而合理的求解方法。

求多目标优化问题Pareto最优解集的方法

主要讨论了无约束多目标优化问题Pareto最优解集的求解方法,其中问题的目标函数是C1连续函数.给出了Pareto最优解集的一个充要条件,定义了α强有效解,并结合区间分析的方法,建立了求解无约束多目标优化问题Pareto最优解集的区间算法,理论分析和数值结果均表明该算法是可靠和有效的.

基于不精确信息的Pareto最优路径搜索

将不精确状态信息下两可加约束优化路径搜索问题,建模为最大概率两可加约束路径(MP-TACP)问题,并首次提出了解决MP-TACP问题的算法MP-POC。MP-POC采用了预计算与在线计算相结合的方式,既使得算法有较快的响应速度,又能够减小不精确状态信息对算法性能的影响。MP-POC定义了连接界及方差界,并利用这些界信息以及启发式前瞻信息,使得算法具有较小的平均计算代价。另外,MP-POC在搜索可行路径时,只搜索Pareto最优路径,在不影响解的质量同时,极大地减小了搜索空间。大量仿真实验表明,在不精确状态信息下,MP-POC不但具有高的找到可行路径的成功率,而且响应速度比当前在线算法快得多。