基于NSGA-Ⅱ算法的轨道转移优化方法研究

在普适变量法求解Lambert转移问题基础上,提出基于NSGA-Ⅱ（non-dominated sorting genetic algorithm-Ⅱ）算法的轨道转移时间-能量优化问题解决方法：通过修改非优超排序方法和采用空间扩张策略对NSGA-Ⅱ算法进行了改进,运用约束支配的概念解决了约束条件下Pareto最优集分层困难的问题。仿真实验表明：改进的NSGA-Ⅱ算法能有效求解轨道转移时间-能量优化问题,且比原算法提高了Pareto前沿散布性能。     

基于改进NSGA-Ⅱ的云服务PDTs调度算法

基于多目标优化的云计算PDTs调度是一个NP问题,考虑云计算用户的服务质量(Qo S)要求,将处理PDTs的成本和时间要求作为目标,提出一种基于改进NSGA-Ⅱ的云服务PDTs调度算法.采用相似任务序列交叉(STOX)操作加快进化,而采用位移变异避免算法过早收敛,此外,还利用一个拥挤距离自适应算子(SCD)来改善Pareto最优前沿的个体多样性.仿真结果表明该算法在云PDTs调度中保持Pareto最优解的多样性和分布性方面优于NSGA-Ⅱ算法.     

一种基于杂草克隆的多目标粒子群算法

多目标粒子群算法(MOPSO)在优化函数时,尤其对于Pareto前沿是分段不连续的优化函数,存在收敛速度慢,种群多样性差的缺陷。针对此问题,将杂草克隆机制引入MOPSO,提出了一种新的多目标粒子群算法,称之为IWMOPSO。该算法利用改进的档案维护策略和不可行解增强多样性和均匀性,通过标准测试函数验证,能够使所求得的Pareto最优解逼近整个Pareto真实前沿,收敛性和多样性明显优于MOPSO和NSGA-Ⅱ,具有较强的应用性。     

基于改进SVM响应面法与NSAG-Ⅱ的多功能救援属具抱抓机构优化设计

为提高救援速度,研制一种集钳碎、剪切及抱抓为一体的新型多功能救援属具,节省救援作业中切换不同属具的时间,提出了改进的径向基核函数与梯度算法优化的加权最小二乘支持向量机(weighted least squares support vector machine,WLS-SVM)响应面法建立抱抓机构高精度的近似模型.在近似模型的基础上以抱抓机构最大等效应力、最大变形量和质量为性能指标,引入非支配排序遗传算法(non-dominated sorting genetic algorithm,NSGA-Ⅱ)进行多目标优化设计.为提高NSGA-Ⅱ算法的种群多样性和搜索能力,对精英策略、交叉算子和变异算子进行改进,应用NSGA-Ⅱ算法与改进算法对抱抓机构的优化问题进行求解.最后,通过径向坐标可视化(radial coordinate visualization,Rad Viz)将高维空间的Pareto解集可视化至二维平面并选出最满意方案进行比较.实验对比表明:改进算法的Pareto解集分布更加均匀、最满意方案的目标值更小,能在保证属具抱抓机构可靠性的情况下,有效地进行轻量化设计.     

基于多目标遗传算法的汽轮机转速PI控制器参数优化

针对常规PID参数整定方法不能兼顾系统快速性、稳定性和准确性要求的缺陷,提出了一种基于非支配排序多目标遗传算法-Ⅱ(Non-dominated Sorted Genetic Algorithm-Ⅱ,NSGA-Ⅱ)和多属性决策技术(Multiple Attribute Decision Making,MADM)的PID参数的优化设计方法。以系统的超调量、调节时间和时间乘以误差绝对值积分(ITAE)指标最小作为优化目标,以频域稳定性为约束条件,以PID参数为设计变量,建立多目标优化模型。利用NSGA-Ⅱ算法求出Pareto最优解集,采用逼近理想解的排序方法(Technique for Order Preference by Similarity to an Ideal Solution,TOPSIS)进行Pareto最优解排序,进而得到最终的最优解。以某型工业汽轮机转速PI控制器参数的多目标优化设计为仿真算例,验证了该文设计方法的有效性和优越性。     

基于多目标蜂群进化优化的微电网能量调度方法

针对微电网能源调度优化问题,提出了使微电网系统运行的经济和环保的双重优化模型,根据调度系统的评估结果对调度方案进行优化.为求解该模型,提出了基于指标化拥堵距离的多目标蜂群算法(ICABC),通过建立外部档案(EA)来保存搜索过程中的非支配解;同时,为了保持解集的多样性,改进了NSGA-Ⅱ的拥堵距离策略,基于指标计算拥堵距离能够避免删除密集区域的精英个体,有效地改善了Pareto前沿的分布特性.为验证所提算法的性能,将ICABC与经典的NSGA-Ⅱ、MOCLPSO算法在ZDT测试集上进行了性能比较与分析.在验证实验中,将所提的模型和ICABC算法应用于解决含有多种分布式电源的微电网能量动态调度中.仿真结果表明,通过合理安排微电源的出力,所提的方法能够有效降低系统总成本.     

基于改进NSGA-Ⅱ算法的氯乙烯精馏过程多目标优化

针对氯乙烯精馏过程中氯乙烯产品纯度低、能耗高的现状,研究了一种新的改进型非支配排序遗传 算法(ImprovedNon-dominatedSortingGeneticAlgorithm,NSGA-Ⅱ),用于解决氯乙烯精馏过程多目标优化问题。 首先建立了氯乙烯精馏的模拟流程,然后通过对高低沸塔中进料位置、回流比等主要影响因素进行灵敏度分析,在 考虑其机理模型及实际生产状况等多种约束条件的基础上,建立了以氯乙烯纯度和能耗为目标的多目标优化函数, 最后利用改进NSGA-Ⅱ对目标函数进行求解。实验结果表明,相比于NSGA-Ⅱ,该改进算法能得到分布更为均匀 的Pareto最优解集,为氯乙烯精馏过程中参数的选择提供了有力支撑。     

改进NSGA-Ⅱ算法在水质监测点多目标优化研究中的应用

为了改善NSGA-Ⅱ算法在水质监测点多目标优化选址的应用效果,在NSGA-Ⅱ算法的基础上引入外部存档储存非支配解和对父体染色体的选择方式进行改进. 在案例管网中应用NSGA-Ⅱ算法和改进的NSGA-Ⅱ算法对水质监测点多目标选址模型进行求解. 结果显示：在获得完整的非支配最优解的情况下,使用改进的NSGA-Ⅱ算法,相比于使用NSGA-Ⅱ算法节省了约42%的运算时间,提高了求解的效率.     

复杂产品概念设计多学科过程建模方法研究

为了使复杂产品概念设计的过程模型支持多学科优化,实现概念设计过程中的求解功能,确定产品设计的综合最优方案,提出了基于扩展Petri网与NSGA-Ⅱ算法相结合的多学科过程建模方法.针对复杂产品设计过程的特点,分析了概念设计在多学科优化过程中的重要作用,研究了扩展Petri网模型建立和NSGA-Ⅱ算法的执行过程,给出了以扩展Petri模型的变迁序列作为NSGA-Ⅱ算法染色体,结合属于Petri网模型元素的选择算子、交叉算子进行NSGA-Ⅱ优化运算的方法.将上述方法应用于某工业汽轮机的设计,并通过实例验证了该方法对于不同的设计要求,可以给出不同情况下的Pareto最优解集,是进行复杂产品概念设计过程建模的一种切实有效方法.     

基于改进NSGA-Ⅱ算法的消防车辆调度优化

传统多目标优化算法用于消防车调度时存在冲突解及精度较低的限制,为此提出一种改进的NSGA-Ⅱ算法。为解决消防车调度中染色体基因重复出现的问题,对基因进行分组并分配权重,提高种群的适应能力;为使种群朝指定方向收敛,设置目标函数的优先级,从而提高算法的精确度。将改进的NSGA-Ⅱ算法与原算法进行比较分析,并对优化结果进行三维可视化。实验结果表明,改进的NSGA-Ⅱ算法能够得到更加准确的Pareto解集。     

用INSGA-Ⅱ进化NPCs的复杂行为

目前游戏中NPCs多目标行为进化是一个非常复杂的问题。对此建立了NPCs多目标优化的数学模型,并提出了一种NSGA-Ⅱ的改进算法——INSGA-Ⅱ。该算法在进行精英选择时,采用了基于K-均值聚类的方法联合了不同等级之间的个体进行集合划分,然后从不同的集合中选择下一代个体,从而更好地保持了种群的多样性。通过实例比较证明,在玩家和NPCs作战的游戏场景下,INSGA-Ⅱ能够得到NPCs复杂多目标控制问题的Pareto最优解,而且比NSGA-Ⅱ表现出更好的收敛性和多样性。     

非规则Pareto前沿面多目标进化优化算法研究综述

现实中多目标优化问题的Pareto前沿面往往是非规则形式,针对这类问题的进化算法已逐渐成为研究热点.对现有非规则Pareto前沿面多目标优化问题的进化算法进行总结和分类,给出了多目标优化问题的通用数学描述,并给出了支配和非支配解等该研究领域内的相关定义.整理了典型的具有非规则Pareto前沿面的多目标优化测试问题,以及...     

末端配送服务模式与路径联合优化

考虑末端配送服务模式对服务质量和配送成本的影响，提供一种末端配送服务模式与路径联合优化方法.以配送成本和客户满意度为双目标建立混合整数规划模型，改进NSGA-Ⅱ求解模型，并且利用GUROBI求解器验证所建模型的有效性.通过求解不同规模算例发现，改进NSGA-Ⅱ具有求解稳定性，并且仅用GUROBI求解时间的1/10便能够得到高质量Pareto解集，与传统NSGA-Ⅱ相比，改进NSGA-Ⅱ求解时间平均仅增加23 s，求解质量平均提升3.37%，表明改进NSGA-Ⅱ优于GUROBI求解器和传统NSGA-Ⅱ.通过敏感度分析发现，与仅利用单一末端配送服务模式相比，物流企业综合利用多种末端配送服务模式能够更好地平衡配送成本与客户满意度水平，合理增加自提柜和自提点数量，拓宽客户收货时间窗宽度有助于降低配送成本.     

基于分解多目标进化的椭圆定日镜场布局

针对塔式太阳能热电站中的定日镜场布局多目标优化问题,将基于分解的多目标进化算法(MOEA/D)应用于定日镜场布局领域,提出了基于改进的MOEA/D多目标定日镜场布局优化算法(MOEA/D-HFL)。首先建立了以镜场年均综合光学效率和镜场占地面积为目标的椭圆形定日镜场优化模型,接着将基于佳点集和反向学习的初始种群生成策略、目标函数稳定归一化机制以及动态遗传交叉分布指数引入MOEA/D用于求解该问题,获得了定日镜场布局问题的Pareto前沿,并利用模糊集理论获得了最优折中解。为验证所提算法的性能,将MOEA/D-HFL算法与NSGA-Ⅱ和基本MOEA/D对比,仿真结果证明了MOEA/D-HFL在多目标定日镜场布局问题上的高效性与准确性。     

INSGA-Ⅱ算法及其在天线综合中的应用

为了加快NSGA-Ⅱ优化算法的收敛速度,提高种群多样性,使种群收敛更加均匀。该文在多目标函数优化方法NSGA-Ⅱ的分析和研究的基础上提出了3点改进措施:(1)累积排序适应度策略;(2)基于精英策略的填充门限跳选方法;(3)限定门限选择策略。实验证明:3点改进措施能够扩大原有算法的解空间,并且提供了一种更加合理的选优策略。通过对典型的数学模型的计算,表明改进方法比原有的NSGA-Ⅱ方法具有更好的种群收敛性。同时将其使用来优化综合天线线阵的方向图,并得到了很好的结果。     

基于改进NSGA-Ⅱ的多目标绿色作业车间调度问题研究

针对多目标绿色作业车间调度问题(green job shop scheduling problem,GJSP),以最大完工时间、总碳排放量和总拖期时间为优化目标,建立多目标绿色作业车间调度问题模型,提出一种改进的NSGA-Ⅱ算法来对模型进行求解。模型中设计总碳排放量目标函数,考虑工件更换装夹方式时机器调整状态的碳排放量;算法中设计基于N5邻域结构和非支配排序的局部搜索策略,结合实际设计GJSP测试实例,对提出的算法进行验证。计算结果显示,对于多目标优化,改进后的NSGA-Ⅱ求得均衡解非支配等级相对更高,获得了更优的单个目标值。研究表明,改进的NSGA-Ⅱ具有更好的优化效果,验证了提出算法的有效性。     

零等待flow shop多目标调度的混合差分进化算法

针对具有零等待约束的flow shop问题,以总流程时间和最大完工时间为多目标,提出一种结合多目标变邻域搜索的混合差分进化算法(multi-objective differential evolution hybridized with variable neighborhood search,M DEVNS)进行求解。提出一种基于改进Naw az-Enscore-Ham(NEH)规则的多样化种群初始化方法;设计了差分进化的变异、试验、目标个体更新操作;为提高多目标搜索能力,在算法的进化中混合了一种多目标变邻域搜索方法。通过Taillard标准测试算例的计算试验,证明了MDEVNS算法获得的Pareto前沿解在多样性和性能方面要优于多目标模拟退火算法和非支配排序遗传算法,验证了MDEVNS算法求解多目标零等待流水车间调度问题的有效性。     

机械产品曳引系统的优化设计方法

针对机械产品曳引系统的性能优化,应用非支配排序遗传算法（NSGA II）求解曳引性能的三目标优化问题,即最大曳引效率、最小曳引功率和最小制动力矩.根据曳引性能优化模型中设计变量分为连续值和离散值的特点,引入浮点数与二进制数混合编码策略.通过改进NSGA II的二进制交叉、变异规则,保证了设计变量的全局寻优能力和有效性,使得算法一次运行就能够求得分布均匀的Pareto最优解集.实验数据分析表明,采用混合编码策略,NSGA II算法较线性加权法和Pareto强度进化算法（SPEA）能够获得边界性和分布性更好的Pareto最优前沿.     

基于NSGA-Ⅱ的多目标航班登机口调度研究

民航客运量的增加加剧了各机场的候机紧张程度,增加登机口对中转旅客的航班衔接具有重要的影响。本文针对登机口候机紧张和中转旅客航班衔接的问题,对多目标航班登机口调度问题进行研究,建立多目标航班登机口调度问题的数学模型,设计最小化登机口总使用量、最小化旅客最大总步行时间的目标函数。针对建立的多目标问题模型,提出基于NSGA-Ⅱ的求解方法,以快速非支配排序及拥挤距离为适应度评价方法,根据航班登机口调度问题与柔性作业车间调度问题的共性特点进行类比,提出一种问题假设与数据处理方法,将所有航班处理为各个工件的工序,采用工序排序和加工机器分配两部分结合的编码方法,最后以某机场当日51个航班15个登机口调度问题为例,验证了模型及提出的算法。结果表明,登机口的总使用量和旅客最大总步行时间的目标函数并非线性关系,采用单目标优化算法求解,无法兼顾两个目标,使用本文提出的NSGA-Ⅱ算法求解,可以最终确定一组Pareto解集,该解集中的每个解都能得到兼顾。     

基于混合PAES的置信规则库推理算法

目前对置信规则库（BRB）的研究主要是关于BRB系统的参数或结构的单目标优化。然而,BRB系统中提高推理准确性和减少系统复杂度往往是两个相互冲突的目标。因此,设计合适算法来寻找到两个目标上的最优解具有重要意义。鉴于此,该文提出基于混合Pareto存档进化策略（M-PAES）的置信规则库推理方法（M-PAES-BRB）,通过最小化系统的均方根误差和系统复杂性来寻找到近似的Pareto最优前沿。该算法采用了改进型M-PAES算法来构建多目标优化模型,通过重组和变异操作生成候选解。该文选取两个标准时间序列,Mackey-Glass和Box-Jenkins作为实验数据,对M-PAES-BRB的可行性及有效性进行分析。实验结果表明,相比于模糊规则库的多目标优化方法（FRBSs）,该文方法的推理准确性更高,同时系统复杂度更低。