差分选择策略在复杂多目标优化问题中的研究

在多目标进化算法中,如何提高生成解的质量一直是研究的热点与难点.为解决以上问题,该算法从差分进化算法与计算资源分配策略2个方向进行了研究.根据多目标问题从决策空间到目标空间的映射关系以及差分进化算法基本原理,提出了一种基于双种群的多目标差分选择策略.它利用2个种群来区分个体间收敛性差别,在调整差分参数以适应多目标算法特性的基础上,以收敛性差别为依据选择参与差分运算的个体,从而提高差分算法性能,加快子代个体收敛.另外,根据子代个体收敛速率的不同,动态调整计算资源的分配,进一步提高算法收敛性.与ε-MOEA和MOEA/D-DRA在一系列复杂的多目标优化问题上进行了对比实验,结果表明了所提策略的有效性.

教与同伴学习粒子群算法求解多目标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,提出了带Pareto非支配解集的教与同伴学习粒子群算法。首先,以工件的最大完工时间、最大机器负荷和所有机器总负荷为优化目标建立了多目标柔性作业车间调度模型。然后,该算法结合多目标Pareto方法和教与同伴学习粒子群算法,采用快速非支配排序算法产生初始Pareto非支配解集,用提取Pareto支配层程序更新Pareto非支配解集,同时采用混合分派规则产生初始种群,采用开口向上抛物线递减的惯性权重选择策略提高算法的收敛速度。最后,对3个Benchmark算例进行仿真实验。理论分析和仿真表明,与带向导性局部搜索的多目标进化算法(MOEA-GLS)和带局部搜索的控制遗传算法(AL-CGA)相比,对于相同的测试实例,该算法能产生更多更好的Pareto非支配解;在计算时间方面,该算法要小于带向导性局部搜索的多目标进化算法。实验结果表明该算法可以有效解决多目标柔性作业车间调度问题。

复合拣选策略下堆垛机作业序列优化问题

订单拣选是配送中心最费时费力的环节,配送速度不仅是新型电商的核心竞争力也是大型制造企业物料配送的核心指标,复合式拣选策略成为提高配送速度的重要方式。结合复合式拣选方式中货物之间不同的出货要求,将货物按照出货的紧急程度进行分类,建立了以能耗成本、作业时间以及出货惩罚值最小化为目标的堆垛机拣选作业序列多目标优化模型。通过改进带精英策略的非支配排序遗传算法(NSGA-Ⅱ)实现该问题的高效求解。算例分析表明,复合式拣选策略下可实现大多数订单的提前拣选,改进优化算法可为决策者在成本、效率和服务质量3个维度提供科学决策依据。

基于NSGA-Ⅲ算法的多目标集成工艺规划与调度问题研究

为了减少工业制造中的碳排放,设计以生产过程碳排放最小、最大完工时间最小和总拖期最小为目标的多目标集成工艺规划与调度问题,建立相应目标的优化模型。针对建立的优化模型,提出一种改进的NSGA-Ⅲ算法,使用三段式编码方式解决工艺规划的柔性特征;使用变邻域搜索方法增强算法的局部搜索能力;引入Pareto解集更新策略,保存种群更新过程中的非支配解。在工艺规划阶段,以完工时间、碳排放最小为优化目标,为每个工件生成工艺路线非支配解集,并从中随机挑选非支配解输入到调度阶段;在调度阶段,对优化目标的模型进行优化,生成调度非支配解。使用测试实例对提出方法进行验证,并与现有算法对比,实验结果验证了本文算法找到的非支配解更接近真实的Pareto前沿。

基于NSGA2算法的ZPW2000A轨道电路维修策略优化研究

针对ZPW2000A轨道电路传统维修的低可靠性和高维修费用问题,提出ZPW2000A维修策略多目标优化模型,对其维修策略进行优化。该模型采用求不交化最小路集方法求ZPW2000A的可靠度;考虑维修活动对系统可靠性和维修费用的影响,推导出ZPW2000A系统可靠度和维修费用表达式。将系统的可靠性和维修费用作为优化目标,采用非劣排序遗传算法(NSGA-Ⅱ)进行优化计算,为决策者提供多种选择,并与传统方法进行对比,验证了该方法的有效性。

基于NSGA-II的多目标设备动态布局方法

对多个计划期内需求可预测的车间动态设备布局问题进行了研究.针对这一多目标、多约束的问题,以物流搬运和重布局费用之和、非物流关系以及面积利用率作为优化目标,将动态布局问题转化为重布局过程和多个子计划期的静态布局问题,构建了针对不等面积设备的动态多期布局问题的连续型多目标优化模型.采用带精英策略的非支配遗传算法(Non-dominated Sorting Genetic Algorithm II,NSGA-II)进行求解,克服了传统加权法求解多目标问题时加权系数难以确定和无法保证多目标同时优化的缺点,求解得到Pareto解集,供决策者根据企业实际情况优中选优.通过实例验证了本方法的有效性.

冲压车间调度的动态拥挤度NSGA-Ⅱ多目标优化方法

为了降低冲压车间总能耗、缩短冲压件完成时间,提出了基于动态拥挤度NSGA-Ⅱ算法的冲压车间调度优化方法。分析了冲压机各工作状态,针对多制件、多工序调度问题,建立了以能耗最低、完成时间最短为优化目标的多目标优化模型。针对NSGA-Ⅱ算法中拥挤度比较算子会降低基因的多样性的问题,给出了动态拥挤度策略,该策略在删除多余染色体的同时,动态更新各染色体拥挤度,从而提出了基于动态拥挤度NSGA-Ⅱ算法的模型求解方法。经实例验证,NSGA-Ⅱ算法搜索的Pareto前沿解集不是真正的前沿解,而是陷入了局部最优,动态拥挤度NSGA-Ⅱ算法搜索出了Pareto前沿解集,其优化结果在能耗和完成时间上均优于NSGA-Ⅱ算法。