基于改进NSGA-Ⅱ算法的间歇采油制度优化

对于低渗透率油井,采用间歇采油制度能有效避免空抽磨损,并减少电能消耗量。为此通过分析沉没度和地层流压随抽油机井生产时间变化的规律,从系统节能的角度出发,建立以采油总产量最大、能耗最低为目标的间歇采油制度多目标优化模型。引入NSGA-Ⅱ并改进该算法对间歇采油制度多目标优化模型求解,运用改进算法得到的Pareto最优解的多样性和收敛性,合理优化抽油机的最优停机时间,最大效率地提升采油效率的同时,最小化电能消耗量。试验结果表明,基于Pareto多目标遗传算法的间歇采油机制优化具有明显的优势,在优化系统效率的同时能够有效减少电能消耗。研究结果可为油井间歇采油机制的改进和优化提供有力的技术支持。

基于NSGA-Ⅱ遗传算法的Myring流线型量水槽体型优化设计

Myring流线型在水下航行器领域应用较为广泛,而量水槽在渠道中的受阻状态与潜水器潜行时受到的阻力情况具有一定的相似之处,因此本文借鉴潜水器的结构特点进行量水槽体型设计,探究量水槽受阻最小的较优线型。基于FLOW-3D软件,采用最优拉丁超立方设计方法,以流线型的收缩段长度和锐度因子、扩散段长度和离去角为变量设计了40组数值模拟方案,得到对应的水头损失百分比和上游佛汝德数。以数值模拟变量为输入、结果为输出,训练RBF神经网络,结合NSGA-Ⅱ遗传算法获得Patero前沿解,通过TOPSIS评价法筛选出最优解并得出其线形参数:优化模型收缩段长度为45.9 cm、收缩段锐度因子为0.74、扩散段长度为49.2 cm、扩散段离去角为14.63°,并通过等比例缩放得到6组收缩比,在9组流量下进行模型试验分析水力性能。结果表明,优化后线型过流较顺畅,水力性能较优,预测结果和模拟结果误差不超过5%;不同工况下上游佛汝德数均小于0.5,满足测流规范要求,收缩比为0.58~0.66时各项水力性能均较优;基于临界流测流和量纲分析原理得到的测流公式精度较高,平均相对误差为2.09%。本研究证明了将流线型运用于量水槽领域研究以及通过神经网络和遗传算法寻优的可行性,优化后Myring流线型量水槽具有良好的性能和测流精度,在灌区渠道中具有较好的运用前景。

基于改进NSGA-Ⅱ的纤维缠绕落纱点轨迹采样特征权重优化

针对基于空间特征曲线特征函数的纤维缠绕落纱点轨迹采样算法无法自动选择特征权重的问题,建立以特征权重为变量,以得到采样点线性插值生成曲线与原曲线的MAE,RMSE为目标函数的双目标优化模型。提出基于改进NSGA-Ⅱ算法的双目标优化求解方法以优化特征权重。实例验证表明,与传统NSGA-Ⅱ算法相比,改进NSGA-Ⅱ算法求得Pareto解集的MAE,RMSE平均下降了0.002和0.105,算法选取特征权重的MAE,RMSE比特征权重为(0.1,0.3)的MAE,RMSE分别降低了约12.9%和8.5%,比特征权重为(0.9,0.1)的MAE,RMSE分别降低了约20.6%和11.4%,有效地提高了落纱点轨迹采样的精度。

基于NSGA-Ⅱ与RBF神经网络的DPF结构参数优化

为降低某型号柴油机颗粒捕集器(DPF)在运行过程中的流动阻力,并使其保持较高的捕集效率。采用试验设计方法抽取代表性样本集,并分析影响因素对DPF捕集性能影响的显著性。利用径向基函数(RBF)神经网络构建所选变量与目标函数映射关系代理模型,并结合第二代非劣排序遗传算法(NSGA-Ⅱ)与结合熵权的优劣解距离排序法(TOPSIS)得到关于目标函数的一组最优解。结果表明:该型号DPF平均压降降低了14.58%,且DPF平均捕集效率保持99%以上。

基于NSGA-Ⅱ的滑油泵叶轮结构优化设计

滑油泵常需要在高空、低压工况下稳定运转,常会出现供油不足、效率降低等问题。为了得到满足设计要求且具有最佳性能的滑油泵,以某直升机用滑油泵叶轮为研究对象,对其结构进行优化设计。选择高空两个典型工况的效率与扬程作为优化目标,利用NSGA-Ⅱ算法对滑油泵叶轮几何参数进行寻优,对优化前后的滑油泵效率、扬程进行对比分析。采用CFD流体仿真及实验方法对优化结果进行对比验证。结果表明:所选优化参数对滑油泵性能有较大影响,优化后的滑油泵叶片位置附近流动更加平稳,高低压区域过渡平缓,能量损失更小,且降低了汽蚀发生的可能性;优化后的滑油泵设计点扬程提高2.6 m,效率提高2.86%。

多目标下改进NSGA-Ⅱ的机械臂轨迹规划

以UR5e机械臂为研究对象,针对机械臂作业过程的运动轨迹进行轨迹规划,机械臂关节空间轨迹采用七次B样条曲线构造,针对其需满足时间短、能耗低、运动平滑的要求采用非支配排序遗传算法(NSGA-Ⅱ),并针对其易陷入局部最优、收敛速度慢等缺点,采用佳点集和非均匀变异算子使初始种群分布更加均匀、加快收敛。仿真结果表明,七次B样条曲线所构造的机械臂轨迹速度、加速度、加加速度连续平滑且无断层现象,在运动学约束的前提下,改进后的NSGA-Ⅱ算法世代距离平均下降了76.96%,空间分布性指标平均下降了23.06%,其在收敛性、分布性上均优于原算法,更接近于Pareto最优解,有效实现了机械臂的多目标优化问题。

基于NSGA-Ⅱ的复合材料防撞梁碰撞损伤多目标优化

为在设计时考虑低速碰撞损伤对碳纤维复合材料(CFRP)防撞梁力学性能的影响,发展了改进Hashin失效准则的VUSDFLD子程序来判定低速碰撞时CFRP防撞梁7个方向的损伤程度,采用壳单元模拟了复合材料的力学性能,建立了CFRP防撞梁低速碰撞有限元显式动力学模型。采用该方法对相同实验条件下的复合材料层合板低速冲击剩余强度进行了计算,并将计算结果与实验结果进行了对比,仿真结果与实验结果吻合较好。在此基础上,以复合材料防撞梁铺层厚度和铺层角度为设计变量,将复合材料防撞梁的质量和低速冲击时产生的损伤单元数作为优化目标,建立了CFRP防撞梁低速碰撞损伤动力学多目标优化模型,采用基于Pareto策略改进的NSGA-Ⅱ非支配排序遗传算法对其进行多目标优化求解。优化后,CFRP防撞梁质量由1.02 kg降为0.76 kg,减重率为25%;损伤单元数由30238个降为23206个,损伤降低率为23%。结果表明,所发展基于Hashin失效准则的VUSDFLD子程序和对CFRP防撞梁低速碰撞损伤多目标优化是行之有效的,为复合材料防撞梁结构的优化设计提供了参考。

基于NSGA-Ⅱ算法的绿色基础设施多目标空间优化

【目的】绿色基础设施(green infrastructure,GI)是提供多种生态系统服务、保护区域生态系统安全和稳定的重要载体,而GI所能供给的各项生态系统服务之间的权衡关系导致GI的规划决策难以同时最大化多项服务供给。旨在以多项生态系统服务供给协同增益为目标构建一个辅助GI规划决策的多目标空间优化模型。【方法】基于NSGA-Ⅱ算法,以InVEST模型构建目标函数,在Python开发了协同生境质量服务、作物生产服务、雨洪削减服务3项主导生态系统服务的GI布局优化模型,并在安徽省芜湖市中心城区进行了应用。【结果】优化模型共获取50个末代帕累托最优GI布局,据此遴选出不同服务偏好下的GI布局方案,各方案相应服务供给能力得到显著提升:生境质量目标偏好方案的全局平均生境质量指数从现状方案的0.2988提升至0.3115;雨洪削减服务目标偏好方案的径流滞蓄量从70189.34 mm/a提升至71673.20 mm/a;作物生产目标偏好方案将作物生产总价值量从464169.51万元提升至464582.90万元;折衷方案的雨洪削减服务供给能力和生境质量服务供给能力优于现状方案,其径流滞蓄量和生境质量指数分别达到71658.67 mm/a和0.2993,而在作物生产服务供给能力上并没有实现对现状方案的提升。根据优化结果分析了GI供给的各项服务间的权衡与协同关系,归纳了在各种服务偏好下和协同多项服务时的GI空间布局特征。【结论】多目标优化算法为辅助协同多项生态系统服务的GI布局决策、探索生态系统服务间权衡与协同关系、明确不同服务目标导向下的GI空间规划策略提供了重要参考,为国土空间规划视角下采用模型算法辅助生态空间及GI规划的实践提供了有力工具。

基于改进NSGA-Ⅱ算法的考虑人机系数生产线平衡多目标优化研究

在现代制造加工生产线中,生产设备是制造业生产的重要组成部分。设备的充分利用对于生产需求的匹配度产生直接影响。文章参考“人机系数”的概念,构建了考虑生产线平衡率、平滑指数和人机系数的多目标优化函数问题,采用了改进的自适应NSGA-Ⅱ算法来求解该模型。研究结果表明,在满足客户节拍要求的前提下,调整人机系数可以提高生产线平衡率,降低平滑指数以及生产成本;通过数值算例验证了相比于传统NSGA-Ⅱ算法,改进的自适应NSGA-Ⅱ算法能寻找出质量较高、覆盖更广的近似Pareto解集,为决策者提供选择。证明了本研究方法的有效性和实用性,该研究为现代制造加工生产线提供了一种有效的优化方法,并为其他类似行业提供了借鉴。

基于NSGA-Ⅱ算法的自动驾驶停车泊位优化模型

完全自动驾驶车辆将具有自动泊车功能,自主泊车技术可实现多排布局的高密度、集约化停车布局,将彻底改变双排多通道的传统停车布局方式.然而,在释放被阻塞车辆时不可避免产生额外的移动和拥堵.为了明晰多排布局产生排队阻塞和额外移动次数与空间利用率提升的悖反规律,综合考虑停车场的几何属性、移动策略、需求特征等设计要素,通过车辆协同让道规则释放阻塞车辆,以泊位数量最大和移动次数最少为双重目标,构建了自动驾驶条件下多排布局方式停车泊位优化模型,设计了带精英策略的非支配排序遗传算法(NSGA-Ⅱ)进行求解,通过数值实验提出了停车设施的最佳区域和布局,同时还进行了不同移动策略的敏感性分析.结果表明,在不降低停车位利用率的前提下,基于就近原则的移动策略大大减少了预期移动次数.

基于NSGA-Ⅱ算法的若尔盖高原高寒湿地生态修复格局优化

随着全球气候变暖和人类活动增强,高寒湿地面临着面积萎缩、动植物生境恶化、生态系统结构和功能退化等环境问题。以若尔盖高原高寒湿地为研究对象,基于生态系统稳态转化理论,使用湿地景观演变函数和第二代非支配排序遗传算法(non-dominated sorting genetic algorithmⅡ,NSGA-Ⅱ)分析1980—2015年7期湿地动态变化,计算多情景多目标函数值,选择适宜目标并基于社会经济生态可持续性发展、湿地生态系统稳态平衡原则,制订湿地修复优化策略。结果表明,可持续发展区、过度关注区与过度扰动区呈围绕发展,分别占湿地总面积的45.25%、17.27%与37.48%;基于NSGA-Ⅱ算法评价无偏好(等权最优)、经济效益最大化、生态效益最大化、空间紧凑度最大化、修复适宜性最大化5个目标下的湿地修复策略,无偏好策略函数值在经济效益、生态效益与湿地修复适宜性方面分别提升41.45%、9.18%和1.65%;基于社会经济可持续性发展的需求,构建保护优先、自然恢复、近自然恢复和适度修复4类若尔盖高原湿地生态修复空间优化格局。

基于NSGA-Ⅱ算法的制造资源组合优化

为解决定制产品制造过程中的资源组合优化问题,建立基于制造需求的制造资源组合优化模型,将制造资源的组合优化描述为多目标优化问题,提出了机械加工总时间、机械加工总成本、机械加工总能耗3个优化目标,建立数学模型并采用NSGA-Ⅱ遗传算法进行求解。计算结果表明,多目标优化算法结果相较于传统的单个决策原则下的方案实现了时间、成本、能耗3者的最佳平衡,并且结合MOPSO算法结果进行对比分析,得出NSGA-Ⅱ算法在目标函数上的分布性和优化效果更好。

基于NSGA-Ⅱ算法选择光谱反射率重建样本的研究

为解决光谱反射率重建过程中训练样本数目庞大导致工作量大,重建精度不高等问题,提出一种基于NSGA-Ⅱ算法的光谱反射率重建样本选择方法。近日Liang等提出了一种从大量样本数据中选取具有代表性样本的新方法,定义光谱重建误差为均方根误差与拟合优度系数的乘积,以这一标准选择光谱重建误差最小的样本作为代表性样本进行光谱反射率重建。受Liang等人工作的启发结合NSGA-Ⅱ算法选择代表性样本,先对全体训练样本使用多项式回归算法和伪逆法进行光谱反射率重建,再使用NSGA-Ⅱ算法,设定两个目标函数,一个是所需代表性样本个数的光谱均方根误差的和,另一个是拟合优度系数倒数的和,令两个目标函数值最小。将经过NSGA-Ⅱ算法挑选出的Pareto等级为1的全部样本按照样本出现次数由高至低排序,以此顺序从高到低依次选为代表性样本,直至达到所需代表性样本个数。若从Pareto等级为1的样本集合中挑选的代表性样本数不足所需要的个数则选择下一等级出现次数最多且没有被选择过的样本直至代表性样本数达到需求。将1269块无光泽Munsell标准色卡按照样本下标划分为偶数色卡、奇数色卡,第一组实验用Munsell奇数色卡为全体训练样本,从Munsell偶数色卡中随机选择20个色块为测试样本。第二组实验选用Munsell偶数色卡为全体训练样本,从Munsell奇数色卡中随机选取20个色块为测试样本。第三组实验训练样本与第一组相同,RC24色卡为测试样本。将该方法与Mohammadi、Cao、Liang等提出的三种样本选择方法进行对比。通过实验得到使用NSGA-Ⅱ算法结合多项式回归与伪逆法选择的代表性样本重建的光谱反射率在均方根误差和色差两个指标上均优于现有的样本选择方法,并且该方法不限于特定系统,具有通用性。

基于外部存档更新及截断的NSGA-Ⅱ改进算法

传统的NSGA-Ⅱ(Non-dominated Sorting Genetic AlgorithmⅡ)算法使用拥挤度作为精英选择的第二指标,该方法在处理高维多目标优化问题时,常常由于选择压力不足,以及不同目标间优化冲突加剧等原因,很难维持种群收敛性和多样性的平衡。针对上述问题,提出一种基于外部存档更新及截断机制的NSGA-Ⅱ改进算法NSGA-Ⅱ-UTEA(NSGA-Ⅱalgorithm based on Update and Truncation of External Archive)。该算法首先在精英选择中引入基于权重向量分解的外部存档机制,然后根据个体与所在权重向量及超平面距离之和更新外部存档,并基于个体间角度计算实现外部存档截断,进一步提升了算法在高维多目标优化问题中种群的收敛性和多样性。与NSGA-Ⅱ、NSGA-Ⅲ、MOEA/D(Multi-Objective Evolutionary Algorithm based on Decomposition)、NSGA-Ⅱ-ARSBX(NSGA-Ⅱwith Adaptive Rotation based Simulated Binary crossover)和RPD-NSGA-Ⅱ(Reference Point Dominance-based NSGA-Ⅱ)这5种先进的进化算法的对比实验结果表明,NSGA-Ⅱ-UTEA算法在10目标以上的高维DTLZ(Deb Thiele Laumanns Zitzler)和WFG(Walking Fish Group)系列测试函数上,各项性能指标整体优于其他算法,在解集的分布性和多样性方面具有显著优势。特别是在大部分高维WFG4~WFG7凹问题上都能取得最佳的性能指标值。与传统的NSGA-Ⅱ算法相比,NSGA-Ⅱ-UTEA算法在10目标以上的高维DTLZ系列测试函数上,反世代距离(IGD)性能平均提升了50.6%;在15目标以上的高维WFG系列测试函数上,超体积(HV)性能平均提升了60.7%。实验结果验证了NSGA-Ⅱ-UTEA算法改进的有效性。

基于NSGA-Ⅱ与A^(*)算法的原竹初加工生产线设施布局研究

竹材易栽培、生长快,加工后能替代木材或其他产品。然而,目前的原竹初加工生产线设施布局主要依靠人工经验,存在物料运输距离远、运输路径干涉多等问题,导致生产线的建设和运维成本较高。针对以上问题,本文以降低运输成本和减少路径干涉为目标,建立了原竹初加工生产线数学模型;提出了一种基于NSGA-Ⅱ和A^(*)算法,且能实现最优运输路径规划的生产线设施布局多目标优化方法。相较于传统算法采用的曼哈顿距离,该方法采用A^(*)算法来计算优化目标,可获得更低的物料运输成本,且具备处理运输障碍和路径干涉等问题的能力。结果表明:优化后,物料运输成本平均降低18.1%,物料运输成本最多降低10.5%,交叉干涉点最多减少97.5%,表明本文所提出的方法在原竹初加工生产线布局方面切实有效。

面向多行程取送货车辆路径问题的混合NSGA-Ⅱ

针对多行程取送货车辆路径问题(VRP)收敛性与多样性相互制约的问题,提出一种融合自适应大邻域搜索(ALNS)算法和自适应邻域选择(ANS)的混合快速非支配排序遗传算法(NSGA-Ⅱ-ALNS-ANS)。首先,考虑初始解对算法收敛速度的影响,提出一种改进的后悔插入法以获得高质量初始解;其次,结合取送货问题特性,设计多组破坏和修复算子,以及多种邻域结构,提高算法的全局搜索能力和局部搜索能力;最后,设计基于随机采样的最佳拟合下降(BFD)算法与高效的可行解评价标准,生成路径分配方案。采用不同规模的标准公开算例进行仿真实验,与模因算法(MA)相比,所提算法的最优解质量提升了27%。实验结果表明,所提算法可快速得到满足多重约束的高质量车辆多行程路径分配方案,并在收敛性与多样性上优于对比算法。

基于多目标优化算法NSGA-Ⅱ的软件多样化组合方法

软件多样化因能有效提升系统弹性、增加恶意二进制分析的成本而被广泛应用于软件开发等场景中。而如何对现有软件多样化技术进行组合部署,以在获得更高安全增益的同时保持较低的性能开销,是当前软件多样化研究的核心问题之一。针对现有软件多样化组合方法中搜索算法效率低、搜索空间小、安全性评估指标不全面、难以综合考量软件多样化对各类攻击的影响等问题,提出了一种基于多目标优化算法的软件多样化组合方法,将软件多样化组合问题构建为综合考量TLSH相似度、gadget质量分数和CPU时钟周期数指标的多目标优化模型,并设计了包括染色体编码、自适应交叉和变异算子,以及针对组合方案的有效性验证算法等在内的NSGA-Ⅱ求解算法。最后,在GNU核心工具组数据集上进行实验,结果表明,该组合方法可有效生成高安全增益、低性能开销的软件多样化组合方案。

基于NSGA-Ⅱ算法的分布式驱动电动汽车制动转矩分配控制策略研究

针对分布式驱动电动汽车制动安全性和制动能量回收兼顾的问题,研究了基于NSGA-Ⅱ多目标优化算法的车辆制动转矩分配控制策略。建立基于模糊控制的优化集筛选模块,根据车速以及需求制动转矩从Pareto前沿优化集中确定最优转矩分配系数。以某款乘用车为研究对象,基于MATLAB/Simulink和VPAT搭建制动转矩分配控制策略模型进行仿真,并搭建硬件在环仿真平台,对算法的实时性和有效性进行了验证。结果表明:WLTC工况下,基于NSGA-Ⅱ的制动转矩分配的控制策略制动转矩分配系数更加接近理想Ⅰ曲线对应的分配系数,电机制动高效区工作点提高了9.51百分点,再生制动能量回收率提升4.71百分点。

基于SWMM模型与NSGA-Ⅱ多目标优化的LID布局研究

科学的海绵城市设计方案能够在一定程度上缓解由极端暴雨引发的城市内涝。以北京市海淀区老旧小区为研究对象,将雨洪管理模型(SWMM)与非支配排序遗传算法(NSGA-Ⅱ)相结合,以建设成本费用、总径流削减率以及节点超载时间为优化目标,以各项低影响开发措施(LID)按比例布置的最大面积为约束条件,迭代筛选出Pareto最优曲线,通过分析不同LID措施组合在老旧小区中的雨水排放效率,提出有效的规划建议。研究结果表明:对于单项LID的布置方案,同比例下透水铺装的径流控制效果优于绿色屋顶;LID组合的径流控制效果与建设成本呈正相关,但总径流削减率增长幅度有限,高成本的建设方案并不能达到更优的削减效果,节点超载时间不会持续下降;降雨重现期为10 a时(P=10),该小区LID布局最佳组合为37.12%绿色屋顶+17.7%下沉式绿地+7组雨水罐+9.47%透水铺装。在强降雨条件下耦合SWMM与NSGA-Ⅱ智能算法的多目标优化模型能够为类似社区LID布局设计提供参考。

基于GA-BP与NSGA-Ⅱ的数控铣削参数优化研究

高效低碳制造是可持续发展的关键,而数控铣削作为常用的金属表面加工方法存在刀具寿命短、碳排放量高的问题。提出基于NSGA-Ⅱ的GA-BP多目标优化方法,通过分析不同加工参数条件下的数控铣削刀具寿命及碳排放数据集,建立GA-BP神经网络刀具寿命及碳排放预测模型。基于NSGA-Ⅱ算法建立以刀具寿命、碳排放量为目标的主体优化模型,调用构建的GA-BP神经网络模型作为目标函数进行优化求解,得到Pareto最优解集。对Pareto最优解集进行TOPSIS最优解决策,得到综合优化刀具寿命与碳排放量的加工参数组合。优化结果表明:该方法既可以对数控铣削刀具寿命及碳排放量进行准确预测,还可以对两者进行有效优化,对数控铣削参数优化具有一定的理论指导意义。