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解集的工业园区微网优化配置研究

工业园区各类能源耦合性较差,不同能源系统独立运行,能源利用率较低,需从多类能源互联集成和互补融合入手,提高能源的综合利用效率和可再生能源的利用率。提出了一种工业园区综合能源微网方案,以总成本、污染治理费、电网可靠性、风光互补性为目标函数和约束条件,建立了多能微电网优化模型。设计了一种基于Pareto最优解集的多目标差分算法并采用熵权法确定每个评价指标的权重,将多目标运算转化为单目标运算。仿真结果表明,该算法在微电网端可有效降低传统能源的消耗,加强清洁能源的有效利用,减少碳排放量并降低系统运行成本。

人工势场法的复杂光学曲面加工最优路径求解

加工路径对于复杂光学曲面表面质量与工件光学性能具有重要影响,为此,研究人工势场法的复杂光学曲面加工最优路径求解方法,提高加工质量,并满足实际应用需求。依据等残高条件,确定复杂光学曲面加工的刀位点;以该刀位点为人工势场法求解最优加工路径时的目标点;通过在人工势场斥力场函数内引入相对速度斥力势场,改进斥力场函数,利用引力势力场函数与改进斥力场函数,确定各刀位点的合力;依据各刀位点的合力决定刀具的进给方向,即复杂光学曲面的最优加工路径。实验证明:该方法的加工精度最高为98.15%,可有效确定复杂光学曲面的刀位点,完成最优加工路径求解;应用该方法加工的复杂光学曲面工件表面粗糙度较低,加工质量较高。

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。

混合变量多目标优化设计的Pareto遗传算法实现

提出了一种用Pareto遗传算法来实施的带约束的多目标混合变量优化方法,得到Pareto最优解集,决策者从中可选出满足设计需要的解.该算法包括6个基本算子:选择、变异、交叉、离散变量圆整算子、小生境、Pareto集合过滤器.建立了用于多目标优化的适应度函数,使用模糊罚函数法将带约束的多目标优化问题转换为无约束优化问题,同时提出了处理混合变量多目标优化问题中离散变量的方法.

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.

基于免疫算法的高温超导故障限流器Pareto多目标优化配置

针对高温超导故障限流器(high temperature superconductor-fault current limiter,HTS-FCL)的全网优化配置问题,提出了一种基于免疫算法的高温超导故障限流器Pareto多目标优化配置新方法。该方法综合考虑了限流器的成本和限流效果这2个优化目标。首先介绍了HTS-FCL的基本结构和原理,分析了安装高温超导故障限流器对原系统自阻抗的影响,提出了一种基于短路电流变化率的灵敏度计算方法,该方法可以缩小搜索空间,提高算法效率。然后分别建立了限流器成本评价子函数、限流效果评价子函数和多目标评价函数,制定了基于免疫算法的多目标Pareto优化算法流程,并在传统免疫算法的基础上提出了一种改进型的等成本倒位算子,通过仿真验证表明该算子较常规的免疫算法,能更好地收敛到最优解。最后以IEEE 39标准节点系统为例,实现了HTS-FCL的全网优化配置,验证了新方法的有效性,并求得了在综合考虑限流器成本和限流效果下的Pareto最优解集,设计者可以根据自己的意愿和实际情况在所求得的Pareto最优解集中选择合适的最优方案。

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.

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。

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.

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.

基于Pareto的多目标优化免疫算法

免疫算法具有搜索效率高、避免过早收敛、群体优化、保持个体多样性等优点。将其应用于多目标优化问题,建立了一种新型的基于Pareto的多目标优化免疫算法(MOIA)。算法中,将优化问题的可行解对应抗体,优化问题的目标函数对应抗原,Pareto最优解被保存在记忆细胞集中,并利用有别于聚类的邻近排挤算法对其进行不断更新,进而获得分布均匀的Pareto最优解。文章最后,对MOIA算法与文献[3]中SPEA算法进行仿真,通过比较两者的收敛性和分布性,得到了MOIA优于SPEA的结论。

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。

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.

飞机方案多目标优化的Pareto遗传算法

基于多目标优化问题Pareto最优解的概念 ,提出了一种求解非劣解集的多目标遗传算法 ,重点讨论了算法实现中非劣解集的筛选和适应度的计算 .将该算法应用于假想的干线客机方案优化设计 ,要求巡航段升阻比和有用载荷系数两个目标最大 ,对优化结果进行了分析比较 .研究结果显示出MOGA(Multi ObjectiveGe neticAlgorithms)

交货期惩罚下柔性车间调度多目标Pareto优化研究

针对传统作业车间调度问题的局限性,结合实际生产过程的特点和约束条件,建立路径柔性的作业车间调度仿真模型。采用连续空间蚁群算法,对柔性车间作业进行多变量、多约束下的调度布局优化设计,在考虑各个机器提前/拖期完工的惩罚值,所有机器上的总负荷、成品合格率和最大设备利用率等性能指标更加合理情况下,为每次迭代产生的邻域解集作为Pareto非支配排序,防止算法操作过程中劣解的产生,提高求解效率。并与自适应免疫算法和交换序列混合粒子群法的优化结果进行对比,该算法可有效改善基本蚁群算法的停滞现象和全局寻优能力差的缺点。目前,该方法已在某机械公司进行示范,在提高加工效率、降低生产成本、减少协作费等方面效果显著。

利用强度Pareto进化算法的多目标无功优化

为更好地解决电力系统多目标无功优化问题,分析了当前多目标无功优化算法存在的缺陷,首次将强度Pareto进化算法(SPEA2)应用于多目标无功优化,为真正意义上的多目标无功优化提供了依据。SPEA2是一种新型的多目标进化算法,参数设置少,收敛速度快,寻优能力强,求得的Pareto最优解分布均匀。IEEE30节点测试系统的算例结果表明所提出的算法在多目标无功优化中具有良好的效果,为各目标之间的权衡分析提供了有效工具,是一种求解多目标无功优化问题的有效方法。