基于决策空间划分模型的多目标进化算法

为有效利用决定空间中的信息、提高收敛速度与准确度,提出了基于决策空间划分模型的多目标进化算法.该算法将决策空间划分成多个子决策空间并在每个子决策空间内映射出一个超球体,运用某一多目标进化算法完成超球体内个体的1轮次进化,基于粒子群优化算法的粒子移动机制实现超球体间的信息共享、引导超球体质心向最优解集方向移动.对8个测试问题的实验结果表明:基于决策空间划分模型的多目标进化算法在收敛精度和收敛稳定性方面比FastPGA,MOCell,NSGA-Ⅱ和SPEA2算法表现出更好的性能.     

一种用于存放带约束多目标关联文件的进化算法

海量数据存储领域要解决的关键问题之一是如何将相互关联的数据文件存放到光盘等有限存储空间的介质上,同时要求文件关联性尽量保持完整以及存储空间的利用率尽量高.通过分析多目标优化问题的基本原理及研究当前解决此问题的常用进化算法,提出一种存放带约束多目标关联文件的进化算法.与SPEA2的实验进行对比,分析结果表明在Pareto最优解集的获取上效果明显.     

基于蚁群算法的多目标优化问题研究

为保持所求得的多目标优化问题Pareto最优解的多样性,文章提出了一种新的蚁群算法。选择策略采用多信息素权重,信息素更新结合了局部信息素更新与全局信息素更新。其中,全局信息素更新采用了两个最好解。此外,通过在外部设置外部集来存储Pareto解,并将改进的算法应用在双目标TSP上。最后进行了仿真实验,结果表明新方法比NSGA-II和SPEA2更有效。     

一种求解多目标优化问题的新遗传算法

给出了种群个体的序和密度定义,在此定义下又给出目标空间中Pareto界面上解的质量度量函数和均匀性度量函数.把对任意多个目标优化问题转化成了利用解的质量度量函数及均匀性度量函数构成的2个目标优化问题,同时对转化后的优化问题设计了一种新的遗传算法.为了提高算法的性能,对算法采用变适应度进化策略及遗传参数采用自适应调节技术.数据实验表明该算法对提高Pareto界面上解的质量及其均匀分布是有效的.     

一种多项指标全提升的多目标优化演化算法

针对当前大部分多目标优化演化算法设计复杂、耗时巨大,以及取得的近似Pareto前沿点不够多、分布不均匀、覆盖不完整等问题,提出了一种新的基于粒子群和几何Pareto选择算法的多目标优化PSGPS算法.经过5个测试问题的实验结果表明:该算法使用较低的时间消耗,就能在前沿点个数、前沿点分布均匀性、覆盖完整度等性能指标上都优于当前流行的NSGA2,SPEA2和PESA等多目标优化演化算法.     

基于记忆策略的动态分解约束多目标进化算法

针对现有面向多目标优化问题的约束处理方法存在求解效率不足,基于分解策略的多目标进化算法受到约束限制导致求解性能低的问题,提出一种基于记忆策略的动态分解约束多目标进化算法.本文首先引入具有记忆功能的归档集,改进基于短暂忽略非容许解的约束处理方法,提高算法的求解鲁棒性.然后结合基于分解的多目标进化算法,设计一种动态分配搜索...     

基于进化规划的网络多目标路由算法

多目标路由问题要求极小化网络带宽资源消耗 ,它与图论中 NP完全的 Steiner问题等价 ,不存在多项式时间算法 ,只能采用近似算法或启发式算法 .进化算法是一类有效求解优化问题的新算法 .应用进化算法中的进化规划方法 ,求解 Steiner问题 ,提出了一种新的多目标路由算法 .仿真结果显示 ,该算法性能高于启发式方法     

基于Species机制的多目标遗传算法

多目标优化算法设计正在成为当前进化算法领域的一个研究热点.考虑将最初用于多峰优化的Species机制引入到多目标遗传算法中,通过借鉴现有多目标算法的相关思想,设计并提出了一种新的Species方法,包括基于Pareto最优性和拥挤度思想的Species种子确定策略及适应性的Species构造策略.一组标准多目标测试函数的仿真实验结果表明,提出的基于Species机制的多目标遗传算法表现出比经典的非支配排序遗传算法Ⅱ(NSGA Ⅱ)更好的性能.     

基于进化算法的多目标生产排序研究进展

利用多目标进化算法求解复杂生产排序问题是近10 a来发展迅速的研究方向.首先调查了国内外采用进化算法求解多目标生产作业排序的研究现状,分别对3类不同策略的多目标进化算法设计思想进行分析,在总结各类方法优劣的基础上,给出了进一步研究的趋势展望.     

动态多目标优化进化算法研究综述

动态多目标优化进化算法主要研究如何利用进化计算方法求解动态多目标优化问题,其已成为进化计算领城一个新的研究课题.本文首先介绍了动态优化问题的分类,然后描述了动态多目标优化问题的基本概念、数学表述,最后在当前对动态多目标优化进化算法的基本原理、设计目标、研究现状及性能度量讨论的基础上,提出了对动态多目标优化问题需进一步研究的关键问题.     

用遗传算法求解多目标0/1背包问题

扼要介绍多目标优化的Pareto最优性概念 ,研究搜索多目标 0 1背包问题Pareto最优解集的快速遗传算法 (FPGA :fastParetogeneticalgorithms) .FPGA采用种群中非支配解的层次评价可行解的适应值 ,提出了一种快速非支配解层次辨识算法 ,辨识算法仅有O(n2 )数量级的计算复杂性 ;采用基于聚类概率排挤的小生态技术维持种群多样度和Pareto最优解集的分布均匀性。对多种多目标 0 1背包问题的仿真优化实验结果表明 ,FPGA能够以有效的计算成本搜索到精度高的、分布均匀的高质量Pareto非劣解集 ,其收敛速度和收敛准确性一致地优于代表性的强度Pareto进化算法 (SPEA) .     

凸复合多目标优化问题的最优性条件

对于经济、工程、决策等领域中带有冲突目标的实际问题,多目标优化是一个有用的数学模型。已有学者对凸复合不等约束下一般凸复合我目标非光滑优化问题作了研究,且在零空间条件假设下导出了一阶最优性条件。在此基础上,进一步研究闭凸约束下凸复合多目标优化的最优性条件,根据非空内点条件假设,对凸复合多目标优化问题的弱有效解给出了新的一阶最优性充分条件。     

Large-scale wind turbine blade design and aerodynamic analysis

Incorporating controlled elitism and dynamic distance crowding strategies, a modified NSGA-II algorithm based on a fast and genetic non-dominated sorting algorithm is developed with the aim of obtaining a novel multi-objective optimization design algorithm for wind turbine blades. As an example, a high-performance 1.5 MW wind turbine blade, taking maximum annual energy production and minimum blade mass as the optimization objectives, was designed. A 1/16-scale model of this blade was tested in a 12 m × 16 m wind tunnel and the experimental results validated the high performance. Moreover, both the computational fluid dynamics (CFD) method and a free-vortex method (FVM) were applied to calculating the aerodynamic performance, which was consistent with the experimental data. For completeness, the CFD and FVM were used to analyze the wake structure, and good and consistent results were obtained between them.     

膨大素对甘薯生长和产量影响的研究

本文初步研究了膨大素对甘薯块根,茎叶生长的影响以及不同剂型膨大素单一处理,复合处理对甘薯的增产效果。结果表明:膨大素可以明显促进甘薯茎叶。块根的生长,提高单块薯重和单株薯重;不同剂型的膨大素都能使甘薯产量明显提高,复合处理的增产效果更好。     

基于多目标规划的停机位分配建模技术研究

目的进行民航机场停机位分配(aircraft stands assignment,简称ASA)优化建模技术研究,为机场生产调度提供理论和方法支持。方法利用多目标规划的理论和方法,深入考察机场ASA的实际过程,提出建模的假设条件,抽象出初始条件和约束条件,提出优化指标,构造出目标函数和效用函数。结果建立起了ASA问题的一个多目标整数规划模型,为后续优化算法研究奠定了基础。结论ASA优化属于NP-Hard问题,应采用现代智能算法求解;同时,采用计算机仿真的方式进行模型和算法的验证是一种便捷和有效的技术途径。     

能量系统环境 经济分解协调优化策略

按照能量系统 (能量转换系统 )的流及废物流变化特征 ,将系统划分为能量转换主子系统及废物治理子系统 ,在此基础上 ,探讨了废物计价策略 ,并通过环境和经济学的结合 ,提出了同时考虑热力学和经济学和环境三个目标的环境经济优化目标及相应的约束条件 ;同时也提出了能量系统的分解协调环境经济学优化策略 ,在子系统分别优化的基础上协调 ,达到系统全局的优化 .     

面向多目标优化问题的基于Species的遗传算法

为了能够快速准确地获得多目标优化问题的一组非支配解,提出了一种基于Species的多目标遗传算法.该算法采用Tchebycheff方法构建一定数量的子问题,进而基于Species机制构造多种群实现了对多个子问题的并行求解.这种采用多个体对一个最优解的搜索方式提高了算法的探索能力和开发能力.最后,对一组标准测试函数进行仿真实验,结果表明所提出的算法能够快速准确地获得一定数量的非支配解.     

一种基于ELECTRE法的多目标优化进化算法

将多目标属性决策方法中的ELECTRE法引入到多目标优化进化算法中,提出了一种新的多目标优化算法.采用辅助群体来存储进化过程中的非劣个体,并且采用与SPEA-Ⅱ相同的适应值分配策略来保证解的良好分布性.此外,构造出一种新的超序关系对个体进行排序,证明了该超序关系比Pareto优劣关系弱,利用此超序关系,能增强进化过程中的选择压,加快收敛速度.数据实验结果表明,该算法能很好地收敛到Pareto最优,有效地保持解的多样性.