Pareto解集旋转的分类多策略预测动态多目标优化

为更有效地解决Pareto解集(Pareto set,PS)旋转的动态多目标优化问题,提出PS旋转的分类多策略预测方法(rotation-based forecasting method,RFM)。将PS的旋转类型分为PS中心点旋转、PS原点旋转和非标准旋转;针对以上不同的PS旋转类型,自适应地选择合适的预测模型,建立不同点集的时间序列,为后续进化提供初始种群。引入拉丁超立方策略(Latin hypercube strategy,LHS)生成的随机种群与上述预测种群共同构建新种群,保证种群的多样性。为验证算法的有效性,将RFM算法与DNSGA-II、PPS、SPPS和MMP算法在8个标准的动态测试函数上进行实验对比。实验结果表明,RFM算法取得了6个最优IGD值、7个最优SP值、3个最优MS值,证明了RFM算法可以更有效地解决基于PS旋转的动态多目标优化问题。同时验证了RFM算法的普适性,在FDA系列函数上进行实验对比,实验结果表明,该算法在处理非旋转的动态多目标优化问题中仍具有较优性能。

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.

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。

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.

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.

基于灵敏度分析的Pareto解改进计算方法

由于多目标优化算法得到的Pareto最优解集通常是离散分布的点,并非连续曲线(曲面),大多数情况下无法为决策者提供较多完全符合决策要求的Pareto解。根据多目标优化与决策的关系,定义了偏好模型以量度对优化目标的满意程度,并通过灵敏度分析提出了一种Pareto改进解的计算方法,旨在确定是否存在更符合偏好要求的改进解。结果证明,此方法能有效地对Pareto最优解集中的元素进行改进,提供给决策者更多符合偏好要求的候选解,辅助决策人员选择最终方案。

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。

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。

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Pareto最优解的零件制作方向优化研究

分析了快速成型工艺中零件制作方向对制件表面质量、所需支撑面积和零件制造时间的影响,分别建立了它们的优化数学模型。采用了基于Pareto最优解的多目标优化遗传算法NSGA-II进行优化计算,通过与单目标优化方法求得最优结果的对比,表明用多目标优化方法进行零件制作方向的优化计算,不仅可以求出比单目标方法更优的解,而且通过一次优化计算就可得到多个较优的零件制作方向。

多人微分对策Pareto最优解的最优均衡值算法

引入多人微分对策的最优均衡值和最优均衡解概念。在某种凸性条件下最优均衡解集是Pareto最优解的凸本质连通区域。利用最优均衡解将问题等价地转化为求解单目标最优控制问题。该方法可推广到求解局中人拥有不同权重的情形,为求解多人合作微分对策问题提供了一种简单的、新的途径。

双层多目标规划问题的Pareto有效解

研究双层多目标规划问题，提出了“双级Ｐａｒｃｔｏ有效解”和“带权数双级Ｐａｒｃｔｏ有效解”的概念，建立了对应的最优性条件．利用这些条件，我们可以设计求解双层多目标规划问题的算法．

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．

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。

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。

基于遗传多目标优化算法的Pareto最优解研究

遗传算法可有效求解多目标优化问题中的Pareto最优解，并利用MATLAB进行了仿真验证。