基于精英存档自适应微分进化算法的多跑道独立进近排序

随着民航运输业的快速发展,运输需求与空域资源容量之间的矛盾日益突出,导致航班延误的比例也在逐年升高。进港航班排序作为空中交通流量管理的主要手段,能够有效地减少航班延误,减少经济损失,并提高跑道利用率。本文针对进港航班排序问题,建立了一种基于最小化总延误时间的多跑道进港航班排序数学模型,并通过采用精英存档策略和控制参数自适应策略,提出了一种精英存档自适应微分进化算法(EASaDE: Self-adaptive Differential Evolution algorithm with Elite Archive)。在EASaDE中,精英存档策略将当前种群划分为精英种群和非精英种群,参与变异的个体部分来自精英种群,剩余的来自非精英种群;而控制参数自适应策略则将控制参数应用到种群中的每个个体,并根据个体的进化停滞代数来自适应调整参数值。为检验EASaDE的优化性能,本文选取9个常用于优化算法对比的Benchmark测试函数和双跑道进港航班排序实际问题进行实验。从Benchmark函数的优化结果可以看出：EASaDE的优化性能要好于基本DE算法和其它参与对比的改进DE算法。同时,从双跑道进港航班排序的优化结果可以看出：与其它优化算法相比,EASaDE所求得的总延误时间明显更小,规划后的进港序列更为合理。因此,本文提出的EASaDE算法具有较高的收敛精度、收敛速度和稳定性,从而能够有效地减少进港航班队列的总延误时间,提高跑道吞吐量,并减轻管制员的调度压力。     

进港航班排序优化数学模型研究

针对常用进港航班排序数学模型(总延迟时间最小和总延迟成本最小)中存在的问题,本文选取空中延误成本、旅客延误成本、后续延误成本以及环境污染成本四个指标综合建立一种改进的总延迟成本最小数学模型。在分析已有的基于模拟退火的粒子群算法(SA-PSO: particle swarm optimization based on simulated annealing)优化进港航班排序时寻优能力不足、收敛速度慢的基础上,采用一种线性微分递减(LDD: linear differential decrease)的退火策略,从而可以有效地解决进港航班排序问题。实验结果表明：与FCFS(first come first serve)、PSO以及SA-PSO算法相比,LDD-SA-PSO算法在进港航班优化问题上具有较好的寻优能力和收敛速度,同时改进数学模型中参数选择对优化结果也具有明显影响。     

基于PSO的电力系统环境经济负荷调度

针对基于线性加权和处理成单目标优化问题的传统方法存在的缺陷,提出使用粒子群优化算法求解EELD多目标优化问题。该方法通过对粒子群算法个体极值和全局极值选取方式的改进,实现了对EELD多目标优化问题的非劣最优解集的搜索,为决策者提供了丰富的参考信息。在此基础上,应用模糊满意度方法求出的最优折衷解为调度运行人员提供了最佳调度折衷方案。最后,对一个三机系统进行了测试,并与线性加权人工神经网络法进行了比较分析,仿真结果验证了该方法的有效性。     

基于改进NSGA-Ⅱ的梯级水电站多目标发电优化调度

在一种典型多目标进化算法NSGA-Ⅱ基础上做了以下改进：1）引入了外部档案集并提出一种基于局部搜索的算子,用于提高其收敛性及非劣解的分布性;2）为了便于决策者决策,采用一种基于偏好的简单有效决策方法优选调度方案;3）为提高算法的效率,在建立偏序集时,采用快速排序算法对子目标进行排序.最后,采用改进NS-GA-Ⅱ算法求解...     

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。     

多跑道机场起降排序实时优化元胞自动机模型

本文根据多跑道繁忙机场的运行条件和安全要求,以最小化航班总延误损失为目标函数,考虑不同机型性能特点,以NS模型为基础,建立了二维元胞自动机(CA)模型,来解决多跑道机场实时航班动态排序问题。模拟结果表明CA模型能够合理表现飞机起降的运行过程,并得到较优的起降序列,在此基础上,采用基因表达式编程(GEP)对CA模型得到的起降序列进行优化,得到了优异解,与先来先服务算法比较,CA-GEP模型计算时间短,有效减少了延误损失,适合实时流量管制中航班动态排序的决策支持。     

单纯形-多目标粒子群优化方法的混合算法

粒子群优化算法的局部搜索能力较差，在利用该算法求解复杂的多目标工程优化问题时，往往很难求得质量较好的非劣解集。对此，提出了单纯形-多目标粒子群优化方法的混合算法(SM-MOPSO)，该算法不仅继承了粒子群优化算法的优点，而且具有很强的局部搜索能力和较好的鲁棒性能，不仅使非劣解集均匀分布，尽可能的逼近真实的非劣前沿，并且扩展了非劣解集的范围，使非劣解集对于每个单目标而言都有较广的覆盖范围。文中以两目标十杆和二十五杆桁架结构作为算例，取得了很好的优化结果，验证了该算法的优越性能。     

基于多目标遗传算法的综合利用水库优化调度图求解

分析了常规方法求解综合利用水库调度图存在的问题.提出了一个基于遗传算法的调度图求解模型.模型同时以保证率和缺水量为目标,直接以调度图的基本调度线为决策变量,通过水库的模拟运行结果评价可行解,然后利用遗传算子不断改进调度线,能搜索得出调度图的非劣解集.实例计算结果显示多目标方法较传统仅以保证率为目标推求调度图的做法合理     

Pareto强度值实数编码多目标贝叶斯优化算法

提出了一种采用基于决策树的贝叶斯网络表示各变量之间条件相关性的分布估计算法:Pareto强度值实数编码多目标贝叶斯优化算法(PSRCMBOA)。通过构建这样的网络模型,继而对模型进行抽样以产生新个体。再对生成的新个体进行变异操作,以增加种群的多样性,提高算法的搜索能力。这种生成新个体的方法结合基于强度值的适应度计算方式以及截断选择机制,可以获得很好地逼近多目标问题的Pareto前沿,且分布均匀的非劣解集。对于约束多目标优化问题,算法采用带约束支配关系判别个体的优劣。文中用3个较难的测试问题验证该算法的性能,并将其应用于Clipper飞船返回舱的气动布局多目标优化设计。PSRCMBOA对3个测试问题找到了很贴近Pareto前沿的非劣解集。对于Clipper飞船返回舱,算法获得了分布较宽且均匀的非劣解集。分析发现,为获得高升阻比,返回舱球头半径应选择在0.155~0.165 m之间、前锥半锥角应选择在20°左右、头锥底到返回舱底部的距离可选择在3.6~4.4 m之间、柱段长可在1.2~1.5 m之间。优化结果表明,该算法能够获得高质量的非劣解集,是一种有效的多目标优化算法,能够用于对复杂的工程问题进行优化设计。     

基于静态半成套策略的多目标准时化物料配送调度

针对混流装配线的准时化物料配送调度问题,提出了静态半成套供料策略。首先,对基于静态半成套供料策略的物料配送调度问题进行了描述,建立了以最小化总线边库存和总能源消耗为目标的多目标优化模型。然后,提出了一种改进的多目标引力搜索算法,该算法引入混沌引力算子和记忆搜索策略,加快了算法收敛速度并提高了种群多样性,此外建立了局部搜索优化算子对总能耗和总线边库存进行优化。最后,通过实验与标杆算法进行对比,结果验证了本文算法的可行性和有效性。     

一种改进的基于遗传算法的多跑道到达飞机调度

为解决具有多条跑道的大型机场在交通高峰期的飞机调度问题,提出了用遗传算法解决多跑道到达飞机调度的方法。算法以所有飞机的排列次序作为个体编码,在此基础上设计了交叉和变异算子。解码时首先确定各飞机的降落跑道,然后用改进的移动方法解决同一跑道上飞机之间的冲突并插入空闲时间,从而确定降落次序和时间。模拟结果表明,该方法能帮助管制员做出高效的飞机调度决策。     

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.     

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。     

柔性作业车间分批调度多目标优化方法

为了解决柔性作业车间中小批量工件的分批调度多目标优化问题,构建以制造工期、拖期惩罚、加工成本、批次数量和机器总负荷为目标函数的柔性作业车间多目标调度模型.应用改进的强度Pareto进化算法（SPEA）求解.在该算法中,应用模糊c 均值聚类（FCM）加快外部种群的聚类过程,引入自适应的变异算子来增强解的多样性.采用约束Pareto支配和可变长度的编码策略,一次运行就能够求得Pareto最优解集.利用模糊集合理论得到Pareto解的优先选择序列,并从中选出一个最优解.该方法将工件分割成具有柔性数量的多个批次,使各批次的工艺路线选取及加工顺序得到优化.通过实例仿真对该方法的性能进行比较分析.将该方法应用于某机械公司车间调度中,验证了该方法的有效性和适应性.     

多目标P系统仿生优化算法

为了更加高效地求解多目标优化问题,提出了一种基于P系统的仿生优化算法。算法结合P系统的动态膜结构以增强算法的适应性,同时结合经典的NSGA-II拥挤距离选择策略和膜内仿生自噬机制提高算法所得最优Pareto解的多样性。此外,算法内循环中的动态变异、交流及交叉等规则使得所提算法获得的Pareto最优边界与真实Pareto最优前沿的逼近度更高。仿真实验结果表明：该算法处理多目标优化问题时所得解集具有更好的收敛度和多样性。将该算法应用于非最小相位对象的PID控制器的多目标优化设计,获得了较好的系列非劣控制器组,基于搜索结果的PID切换控制策略具有满意的控制效果。     

改进粒子群算法的动态空间调度方法

针对船体分段生产调度的多目标性和动态性,提出了一种改进粒子群算法的动态空间调度方法,确定船体分段在工作平台上的加工顺序和空间布局位置.算法以加工完成时间最短和空间利用率最高为目标,采用自适应惯性权重策略保证算法的收敛性,并引入遗传算法中的选择算子和变异算子增强算法的收敛速度和多样性,利用启发式定位策略确定分段的位置.最后,以船厂实际生产数据进行仿真验证.仿真结果表明,所提方法可以大大降低以手工方式制定调度计划的复杂度,并能有效地提高空间利用率达到70%,说明该方法是解决动态空间调度问题的一种有效方案.     

单播组播共存环境下的多波束卫星功率优化分配

针对多波束卫星系统单播组播共存情况下的功率分配问题,提出了一种多目标优化设计方案。考虑同一组播流在不同波束下的一致性、数据流之间共享关口站上行链路带宽的公平性以及各个业务流的平均速率三项性能指标,构造了具有多重目标函数的数学模型,并采用基于快速分类的非支配排序遗传算法(NSGA-II)进行了最优功率集的求解。仿真结果表明,该方案在组播一致性、带宽公平性以及平均业务速率方面均取得了较好的性能,而且算法的收敛速度较快,可适应网络业务量动态变化的需求。     

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。     

Improved NSGA-Ⅱ algorithm based on the uniformly crowding distance

With the wide application and further study of the genetic algorithm in multi-objective optimization problems, the NSGA-Ⅱ has been one of the representative evolutionary algorithms for multi-objective optimization problems. Crowding distance in the NSGA-Ⅱ plays an important role in convergence and uniform distribution of the solutions, but the NSGA-Ⅱ does not fully take the effect of each individual and the whole population into consideration. To estimate the region density more reasonably so as to make the solution set more uniformly converge to the Pareto optimal front, we design a uniformly crowding distance operator based on the uniformly crowding range and Gini weight, and propose an improved NSGA-Ⅱ algorithm. Finally, the effectiveness of the proposed algorithm is verified by experiments on six multi-objective optimization test functions.