改进NSGA-Ⅱ算法的海上搜救调度方法

针对海上搜救资源调度决策困难、干扰多、实时性差、难以实现全局最优问题,本文以黄渤海海域为例,采用改进的非支配排序遗传(NSGA-Ⅱ)算法解决海上船舶搜救资源调度问题.首先,根据AIS以及北斗数据,建立了海上搜救资源的多目标优化模型;其次,改进的NSGA-Ⅱ算法采用基于正态分布交叉(NDX)算子,在扩大搜索范围的基础上,避免陷入局部最优,得到多目标问题完整的Pareto解集;采用综合评价法(TOPSIS)从Pareto解集中求得折衷解,即最终设计的搜救调度方案;最后,在考虑船舶数量约束以及时间约束的条件下,采用改进的NSGA-Ⅱ算法分别与NSGA-Ⅱ算法和贪婪算法进行对比,并采用黄渤海海域船舶采集数据进行仿真.结果表明该算法能够有效解决海上搜救资源调度优化问题.     

多目标模糊机会约束规划的低碳多式联运路径优化

针对时间窗与需求量不确定性下的多式联运路径优化问题,运用梯形模糊数表示模糊需求量与模糊时间窗,并考虑碳排放成本、运输成本以及客户满意度,建立了多目标模糊机会约束模型。固定的交叉、变异概率会直接影响算法的收敛性,针对此问题,将自适应性与非支配排序遗传算法Ⅱ（NSGA-Ⅱ）结合,并通过与DOCPLEX和NSGA-Ⅱ的对比验证了所提模型与算法的有效性。最后,探究了碳税值与模糊需求量偏好值的变化对优化结果的影响。研究结果表明：碳税值的提出可有效促进“公转铁、公转水”,从而显著减少碳排放量,然而过高的碳税值并不一定意味着碳排放量的减少,还会对企业造成过高的成本;模糊需求量偏好值的提高会造成总成本的增加,意味着运输经济性与可靠性两者不可兼得。因此,合理设置碳税值与模糊需求量偏好值是提高多式联运环保效益与运输效益的有效方式。     

长江集装箱多式联运路径优化动态规划算法

考虑不同货流运输需求及其时间窗约束,研究长江集装箱多式联运路径优化问题,以运输总费用最小为目标构建数学模型,提出基于深度优先遍历的两阶段多式联运路径优化动态规划算法.第一阶段通过网络遍历提供所有货流可行路径方案集,作为第二阶段的输入完成多式联运路径优化.算例研究结果表明,动态规划算法可实现模型有效求解,适当调整时间窗约束或班次信息可降低多式联运费用.     

基于约束支配多目标进化算法的航路改航方法

针对具有多目标多约束特征的航路改航问题,提出了基于约束支配的非支配排序多目标进化算法(NSGA-Ⅱ)的路径规划方法.采用了约束支配规则处理空中交通管制规则中关于改航的多个约束条件,建立个体解之间的约束支配关系.在产生初始群体时进行分区产生随机的浮点坐标,并提前筛选出符合航向角改变量约束的可接受解,增加删除算子用以处理不可接受的不可行解,进化算法迭代完成后,建立优化算子用以优化迭代产生的路径.在块状和离散状飞行限制区条件下分别进行仿真实验,实验结果表明,该方法能产生符合目标函数优化且路径复杂度较小的最优解.     

改进NSGA-Ⅱ算法及其在切削加工参数优化中的应用

针对NSGA-Ⅱ算法种群收敛分布不均匀,全局搜索能力差,易陷入局部最优等不足,引入正交交叉策略与混合变异算子,提出一种改进的NSGA-Ⅱ算法。在测试函数上对改进NSGA-Ⅱ算法与传统NSGA-Ⅱ算法同时进行性能测试,结果表明改进的NSGA-Ⅱ算法无论是在收敛性还是多样性上均优于NSGA-Ⅱ算法。将改进算法与传统NSGA-Ⅱ算法同时应用于6061铝合金精密车削加工参数多目标优化设计中,研究结果表明改进NSGA-Ⅱ算法收敛精度更高,收敛速度更快,优化结果更加逼近全局最优解,在求解切削加工参数多目标优化问题时更加有效。     

模糊环境下多周期多决策生鲜闭环物流网络

针对生鲜品因易腐易损性而产生的高频次物流配送及不确定需求与退货量的问题，提出了模糊环境下多周期生鲜闭环物流网络系统，以实现最小系统成本、最优设施选址与最佳配送路径的多决策安排。为求解系统对应的模糊混合整数线性规划（FMILP）模型，首先将生鲜需求量和退货量设定为三角模糊值，其次运用模糊机会约束规划方法将模糊约束等价变换为清晰式，最后利用遗传算法（GA）和粒子群优化（PSO）算法搜索案例的最优解。实验结果表明，多周期闭环系统比单周期更能兼顾多决策规划，同时三角模糊量的置信水平变化对企业最优运作有着显著影响，进而为相关决策者提供借鉴。     

混合哈里斯鹰算法求解作业车间调度问题

针对哈里斯鹰算法（HHO）求解作业车间调度问题（JSP）时存在寻优能力差、易陷入局部最优等缺点提出了混合哈里斯鹰算法（HHHO）。首先,在种群初始化阶段引入混沌理论增加种群多样性;其次,在HHO搜索前期采用能量非线性递减和量子计算增强算法全局探索能力,在搜索后期采用邻域搜索算法增强算法局部开发能力;最后,选取了FT和LA系列算例测试了算法的性能,并与其他先进元启发式算法对比,验证了HHHO在求解JSP时的有效性和优越性。     

基于改进哈里斯鹰优化算法的动态路径规划研究

针对传统栅格地图下的路径规划算法存在多峰值优化、无法实时避障等问题,提出了一种基于改进哈里斯鹰优化算法的动态路径规划方法。首先,提出方形邻格邻近扩散方法初始化哈里斯鹰种群位置,在路径规划问题模型下增加种群多样性;然后,提出一种非线性能量因子优化算法在搜索和开发之间的更新比例,提高全局搜索性能;最后,引入动态窗口法提高机器人实际运行路径的平滑程度,构造结合全局路径的动态窗口评价函数以改善动态窗口法前瞻性不足的问题。实验结果表明,所提方法可以兼顾实时避障和路径最优的需求。     

高效求解Pareto最优前沿的多目标进化算法

设计了一种新的求解均匀分布的Pareto最优解集的多目标进化算法(MOEA),其主要的特点是使用了一种新的个体适应值的计算方式,方法是通过群体中某一个体与群体的最优非劣解集的最小距离来刻画个体的适应值的.算法还结合了遗传算法中的精英策略以及NSGA-Ⅱ中的拥挤距离[12],提高了非劣解向Pareto最优前沿收敛的速度,并且保证了Pareto 最优解集的多样性.仿真结果表明,算法不仅能够获得分布良好的Pareto最优前沿,而且能够极大地简化计算,减少了算法的运行时间,其计算复杂度为o(mn2)(m表示的是目标函数的个数,n是种群的规模).     

用于模具编程的病毒进化遗传算法

针对模具编程的任务规划问题,提出一种编程任务规划算法。以工期、质量和编程人员负载均衡等为目标,建立多目标优化模型,结合病毒进化遗传算法的横向搜索能力和非支配排序遗传算法Ⅱ(NSGA-Ⅱ)的精英保留策略,求取多样性解,引入多种群思想解决多目标问题。仿真结果表明,该算法求得的近似解分布均匀且多样性较好,与NSGA-Ⅱ相比,其解的分布离最优解的前端更加接近。     

多目标进化算法测试问题的设计与分析

为了有效检测多目标优化进化算法的性能,从3个方面进行多目标优化测试问题的设计,即约束条件、最优解分布的均匀性、算法逼近Pareto最优前沿的难度,采用NSGA-Ⅱ算法对这些测试问题进行仿真实验,并将算法求得的最优解可视化。结果显示,测试问题能够有效检测算法在上述3方面的性能。     

考虑震后道路可靠性的多目标应急调度问题研究

针对重大自然灾害应急物资调度决策问题，提出一种考虑灾后道路可靠性的多目标优化应急调度模型，以最长车辆行驶时间最小、最小车辆行驶路径可靠度最大和系统物资未满足度最小为目标函数，采用第二代非支配排序遗传算法（NSGA-Ⅱ）和加权遗传算法（GA）进行求解，并对求解目标函数结果进行对比分析.以“汶川地震”为仿真算例，结果表明：在多目标应急调度问题上，NSGA-Ⅱ各目标最优解均优于加权GA算法且收敛速度更快，验证了该应急调度模型的有效性.     

基于遗传算法的飞机定检离位工作流程优化

首次将遗传算法(GA)应用于飞机定检离位工作流程优化中。本文借鉴关键路线法思想建立离位工作流程多约束优化模型,根据可行解变换法思想设计编码和解码方法,并采用经过模拟退火算子和精英选择算子改进后的GA求解。仿真结果表明,在解决多约束优化问题上,改进遗传算法的最优解搜索能力较基本遗传算法有明显提高;优化后离位工作完成时间较优化前缩短14.70%,验证GA在解决定检离位工作流程优化问题上的适用性。     

基于自适应调整哈里斯鹰优化算法求解机器人路径规划问题

针对启发式算法在机器人路径规划过程中存在路径长度不稳定和易陷入局部极小点的问题，提出一种基于自适应调整哈里斯鹰优化（AAHHO）算法。首先，利用收敛因子调整策略，调节全局搜索阶段和局部搜索阶段的平衡，同时利用自然常数为底数，提高搜索效率和收敛精度；其次，在全局搜索阶段，采用精英合作引导搜索策略，通过3个精英哈里斯鹰合作引导其他个体更新位置以提高搜索性能，通过3个最优位置加强种群间的信息交流；最后，通过模拟种内竞争策略增强哈里斯鹰跳出局部最优的能力。函数测试和机器人路径规划对比实验结果表明，所提算法无论是函数测试还是机器人路径规划都优于IHHO(Improve Harris Hawk Optimization)和CHHO(Chaotic Harris Hawk Optimization)等对比算法，对于求解机器人的路径规划具有较好的有效性、可行性和稳定性。     

基于自适应混沌改进NSGA-Ⅱ的微网需求响应配置

为降低微电网成本,提高需求响应调节负荷能力和减缓微网高峰供电压力,提出基于自适应混沌改进NSGA-Ⅱ的微网需求响应配置方法。首先,以微网运行成本和环境成本为多目标优化模型,再采用自适应混沌改进NSGA-Ⅱ算法优化求解模型,其中在自适应混沌改进NSGA-Ⅱ算法中引入混沌序列和采用自适应策略,并采用正态分布的交叉算子以及动态更新算子来避免传统NSGA-Ⅱ算法易陷入局部最优解的问题。最后,在算例中与MOPSO算法对比,结果表明该方法能够有效节约微网成本,完成合理的需求响应,保障用户稳定用电以及有效利用储能,提高了微网灵活性,方案具有可行性。     

基于随机算子的快速多目标遗传算法

在NSGA-Ⅱ算法的基础上,对NSGA-Ⅱ构造非支配集的方法进行了改进,用擂台赛法则构造非支配集,当非支配集小于种群大小时,采用随机算子在可行域内随机产生新的解个体填充到下一代父种群中,形成了一种新的多目标遗传算法。在实验部分将改进后的算法和NSGA-II进行了性能比较,实验结果表明改进后的算法具有良好的分布性,算法运行效率也较高。     

改进多目标进化算法NSGA-Ⅱ运行效率的方法

NSGA-Ⅱ是一种性能优良的多目标进化算法,近年来非常流行.为了进一步改进NSGA-Ⅱ的运行效率,采用了擂台赛法则作为构造非支配集的方法,提出了按需分层的策略.实验结果表明,提出的方法与NSGA-Ⅱ相比具有更少的非支配集层数,支配比较次数和运行时间.     

用于约束多目标优化问题的热力学遗传算法

为了保持所求得的约束多目标优化问题Pareto最优解的适应度与多样性,在NSGA-Ⅱ基础上提出了一种用于求解有约束的多目标优化问题的热力学遗传算法.结合热力学中自由能与熵的概念,利用热力学中熵与能量的竞争来保持种群的适应度与多样性的平衡,设计了热力学算子.根据非支配排序Pareto分层结构建立分层小生境来改进选择算子,弥补了选择算子不足.实验结果表明:该算法不仅得到的解在空间分布均匀,收敛性好,同时解集具有较广的分布空间.     

动态环境中基于改进粒子群的机器人路径规划

提出一种模糊隶属度函数对动态环境中机器人的运动状况进行建模,该建模方法不会无谓地牺牲机器人的可运动空间,可尽量减少机器人路径规划的约束强度;同时提出通过调整位置加权趋向无约束最优解的算子改进粒子群算法,提高算法的寻优速度。仿真结果表明,通过两者结合,可快速获得动态环境中的优化路径。     

多目标同时取送货选址–路径问题的多起点变邻域搜索算法

为使同时取送货的选址–路径问题(LRPSPD)的总成本和各路径间最大长度差最小化, 建立同时考虑车辆 容量和行驶里程约束的LRPSPD双目标模型. 采用多蚁群算法构造多个以信息素为关联的初始解, 作为多目标变邻 域搜索算法搜索的多个起点, 构造四类邻域结构进行变邻域搜索, 并根据最新获得的最优邻域解更新蚂蚁信息素, 从而使蚁群算法产生的多个初始解间、以及初始解与变邻域搜索产生的解之间均存在正向影响关系. 用该算法求 得文献中4组共128个算例的近似Pareto解集, 结果证明了最小化路径间最大长度差目标对于节点及需求分布不集 中算例的重要意义. 以绝对偏向最小化总成本的解与文献中仅最小化总成本的几种算法的算例结果进行比较, 结果 表明算法可在极短的运行时间里求得权衡各目标的Pareto解, 并使最小总成本目标值具有竞争性.