多目标分式规划G-Pareto解的Mond-Weir型对偶性

给出了一般多目标分式规划问题（Ｐ）及其Ｍｏｎｄ－Ｗｅｉｒ型对偶问题（Ｄ）关 于Ｇ－Ｐａｒｅｔｏ解的两个对偶性定理。

多目标网络相异路径的Pareto解及其遗传算法

网络相异路径一般是多目标约束路径问题,具有重要应用价值.然而,由于问题的难解性,总是利用妥协思想将其转换为单目标问题求解.本文建立了双目标相异路径的一种优化模型,给出了模型求解过程中伪理想点的概念,提出了基于小生境共享竞争复制算子的遗传算法,该算法可求解多目标优化问题的 Pareto 解集.最后,给出了一个计算分析实例.

基于动态Pareto解集的微粒群优化算法及其在多目标规划中的应用

在传统的微粒群优化算法的基础上,提出了一种基于动态Pareto解集的求解多目标规划问题的方法。Pareto解集在每次迭代过程中进行动态更新和信息共享,在加入新产生的Pareto近似最优解同时去除解集中已经不是Pareto解的数据,每个个体随机地与Pareto解集中的结果进行信息交换,从而保证在快速找到Pareto解的同时保持多样性。并通过三个标准的测试函数证明了算法的有效性。

基于Pareto解的面板堆石坝施工工期-质量-成本均衡优化研究

大坝工程中能否对工期、质量、成本3大核心要素进行综合均衡优化,是评价工程项目的重要衡量标准.针对目前大坝工程施工缺少工期-质量-成本均衡优化研究,且多目标均衡优化最优解非唯一、存在一组Pareto解集的问题,建立了面板堆石坝施工工期-质量-成本均衡优化数学模型,并建立了Pareto叠加模型对组合解支配关系进行求解.结果表明:基于工序Pareto解的组合解大部分仍为Pareto解;通过对线性加权和法与TOPSIS法的比较分析,验证了耦合线性加权和法的可行性.基于Pareto叠加模型结论并结合多属性效用函数提出了改进的耦合线性加权和的带精英策略非支配排序遗传算法(NSGA-Ⅱ),降低了算法的计算复杂度且提高了计算效率和鲁棒性,克服了最优解非唯一的问题.同时,结合某面板堆石坝工程,运用改进算法提高了计算效率,并优选了符合工程实际的最优折衷方案.

求解多目标优化问题基于相对熵的Pareto解演化算法

提出了一种求解多目标优化问题的基于相对熵的Pareto解演化算法 ,首先分析了多目标优化中各目标间的补偿模式和非补偿模式 ,以及它们对应的Pareto解演化算法和经典加权求和算法。指出实际问题中 ,并不存在完全的补偿模式或完全的非补偿模式 ,往往是需要补偿 ,但要避免目标间极端不均衡解的产生。故需在Pareto解演化算法基础上引入目标间均衡性的评价。然后利用相对熵作为均衡性的评价指标 ,在MOGA算法的基础上引入相对熵 ,形成了EPEA算法。算法避免了各目标间极端不均衡解的产生 ,为方便寻找偏好解提供了途径。数值实验证实了算法的有效性。

基于Pareto解集的多目标优化方法及其应用

针对传统多目标优化设计方法的弱点,基于Pareto概念,借助遗传算法所具有的并行搜索特性,引入群体排序技术、小生境技术求得多目标优化问题的Pareto解集,实现了先寻优后决策的求解模式。实际工程算例表明,该模式可同时获得多个Pareto最优解,据此决策能有效弱化设计人员先验知识不足的影响,因而较传统多目标优化方法更为实用有效。

解决复杂Pareto解集问题的进化算法

针对各种进化算法在解决PS问题上表现出来的脆弱性,提出一种解决复杂PS问题的自适应多目标差分进化算法SA-MODE。根据随机选择的父个体X与当前种群中的个体Y的支配关系,通过改变缩放因子的大小来控制新个体和父个体的距离。当X支配Y则新个体接近X,反之远离X,当X与Y互相不支配则产生2个新个体,一个接近X一个远离X。实验结果表明,在处理复杂PS问题时,SA-MODE与GDE3和NSGA-II相比有更理想的效果。

基于Pareto解的军事计量保障方法研究

对于地理位置偏远、仪表送检困难的单位,如何减少送检仪表的数量是一个重要军事课题。本文采用基于Pareto解的非线性多目标规划算法,在确保各项参数计量覆盖率的情况下,有效降低了众多下属单位的待计量参数数量。

一种基于Pareto解集的无约束条件的多目标粒子群算法

鉴于多目标优化问题的广泛存在性以及目前关于它的研究还较少,且没有一种很好的、通用的多目标PSO算法,本文提出了一种基于Pareto解集的多目标粒子群算法。通过采用一个"记忆体"来存储当前得到的Pareto最优解,对每次迭代得到的Pareto解集里的解两两进行比较以选取一个较优的解作为更新方程中当前最优解,这样可以更好的引导粒子群进行下一步的寻优操作,最终得到一个完整的Pareto最优解集。几个测试函数的仿真实验结果也表明了该算法取得了很好的效果。

基于Pareto蚁群算法的双目标路径规划研究

针对复杂建筑环境人员应急疏散单一路径不能满足火灾环境变化需求的问题,基于改进蚁群算法,结合Pareto双目标解集思想,提出一种组合优化解集的双目标蚁群算法,通过排序优化的思想,实现人员多路径动态疏散规划。在构造Pareto解集的阶段协同考虑疏散路径长度以及火灾风险程度2个优化目标,计算各个解之间的支配关系。利用排序优化蚁群算法的正反馈机制将各组解的信息素按一定比例作为最优路径信息素的积累,加快解集的寻找。最后将其与传统双目标蚁群算法相比较,结果表明:优化后的双目标算法更加适合复杂建筑人员疏散路径规划问题,在寻找多组满足要求解的同时展示目标之间的利弊关系,供决策者选择合适的路径,提高疏散效率。

基于Pareto解集的治沙区非线性分式多目标水土资源优化配置模型

为提高沙漠治理效益的同时考虑提升水资源利用效率,本研究考虑治沙过程中水、土地和生物资源之间的作用与制约关系,构建以固碳制氧总价值最大和用水效率最大为目标的治沙区非线性分式多目标水土资源优化配置模型,对治沙区植物种植结构和植物生长季灌水量进行联合优化配置;采用遗传算法求解该模型以探究目标之间的博弈过程,并将模型应用于治沙区水土资源优化配置算例,得到Pareto解集,并分析了模型对可供水量的敏感性。结果表明:当配水量增加同时大量种植梭梭时系统的固碳制氧总价值最大,而当配水量减小同时大量种植花棒时系统的用水效率最大,沙拐枣在水土资源优化配置过程中不占优势;Pareto解集可以体现目标之间的博弈关系,通过博弈信息能够有效排除不合理方案;在3组典型方案中,2个目标处于平衡倾向的55号方案在水土资源的配置上更为合理;供水量对Pareto解集存在显著影响,当供水量超过3 500 m^(3)/hm^(2)时会导致水资源浪费,当目标处于平衡倾向时,治沙区最佳供水量为3 000 m^(3)/hm^(2),该供水量能在获得理想的固碳制氧总价值的同时充分利用水资源。该模型综合考量了治沙过程中的水资源和土地资源,量化了目标之间的博弈关系,可以为沙漠化治理提供有效的决策支持信息。

基于Pareto解的交互式模糊优化及其应用

设计参数内关外联的属性和设计约束的模糊性、相关性和传播性往往导致多目标优化设计中冲突发生和目标间协调性差等现象。针对这些问题,应用模糊数学原理,构造尺度函数,增加附加约束,并基于Pareto解处的冲突矩阵、协同灵敏度分析以及目标重要度阈值的交互选择,建立了基于Pareto解的模糊交互式多目标优化模型。结果表明:提出的模型在兼顾主、客观要求的前提下,可降低目标之间的冲突程度,得到最大的满意度。以实例验证了模型的有效可行性。

基于Pareto解集关联与预测的动态多目标进化算法

针对动态多目标优化问题,提出一种基于Pareto解集关联与预测的动态多目标进化算法(LP-DMOEA),设计了基于超块的Pareto解集关联方法.该方法能够动态维护若干描述Pareto解变化规律的时间序列,通过对新环境下的Pareto解集进行预测来生成初始种群.将LP-DMOEA应用于非劣分类遗传算法(NSGA2),并对3类标准测试函数进行了实验,所得结果表明该方法能够有效求解动态优化问题.

求解机械优化的Pareto多目标中心粒子群算法

针对基于权重法的多目标算法无法求解约束多目标问题的缺陷,将中心粒子群算法与Pareto解集搜索算法相结合,提出一种Pareto多目标中心粒子群算法。将此方法用来优化气门弹簧的模型,实验结果表明,该优化方法能够快速准确地收敛于Pa-reto解集,并且使其对应的目标域均匀地分布于Pareto最优目标域。

基于遗传算法的水下机器人运动规划中 pareto 解的分析与处理

对基于遗传算法进行水下机器人运动规划过程中的ｐａｒｅｔｏ解进行了研究．提出了多评价函数相互制约条件下ｐａｒｅｔｏ解的最佳化方法，以水下机器人Ｔｗｉｎ－Ｂｕｒｇｅｒ为对象进行运动规划的结果验证了算法的有效性．

赋范空间中逐段线性多目标优化问题弱Pareto解集的结构

在一般的赋范空间中,考虑逐段线性多目标优化问题,证明如果目标函数是锥凸的,那么该问题的弱Pareto解集是道路连通的,并能表示成有限个凸多面体的并.此外,建立了sharp Pareto解存在的充分必要条件.

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。

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解集的Web服务组合推优方案

本文针对已有的Web服务组合解决方案的不足,提出一种针对多目标的新的Web服务组合优化方案。利用粒子群算法的寻优原理,结合其他的进化算法,对粒子位置的更新策略重新进行新的定义,来模拟组合过程,同时优化多个目标,通过多次迭代更新,产生一组满足相应约束条件的Pareto最优解集推荐给用户。从理论和实验两个方面证明了本文方案的可行性和有效性。

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。