基于多目标优化的免疫遗传算法 在Matlab环境中的实现

阐述了基于多目标优化的免疫遗传算法基本原理，合理地在抗原聚类算法中引入孤立度算法。在该算法中，将优化问题的可行解对应于抗体及pareto最优个体对应于抗原，并运用改进的抗原聚类算法不断更新抗原群中的抗原，从而得到分布均匀的pareto最优解。并探讨了在Matlab环境下应用免疫遗传算法实现多目标优化，主要对增强度计算、pareto求优、抗原聚类等进行了算法实现。并以实例说明其在Matlab环境中实现的可行性。     

某型飞艇外形多目标优化设计及其决策

飞艇的外形设计直接影响了飞艇的飞行性能、气动特性以及结构重量。文中以飞艇的阻力最小以及结构重量最轻作为优化目标,采用多目标粒子群优化算法对某型飞艇的外形进行了多目标优化设计。实际工程设计中,存在的诸多扰动因素会影响设计方案的性能。由于飞艇体积庞大且气囊为柔性材料,扰动因素对于飞艇的性能影响尤为明显。为此,文中提出了一种"基于信噪比的多目标决策方法"。该决策方法以信噪比为准则,不仅可以方便地对多个设计方案进行评价和排序,而且考虑到了工程实际中误差的客观存在,具有较大的工程应用价值。采用基于信噪比的多目标决策方法,从飞艇外形多目标优化的非劣解集中选择出最稳健的设计作为该型飞艇外形的最终设计方案。     

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。     

基于K-Means全局引导策略的多目标微粒群算法

提出了一种基于K-means全局引导策略的多目标微粒群算法(KMOPSO),通过K-means算法从归档集中选出K个均匀分布的非支配粒子作为全局最优引导,以保证种群中的粒子向整个Pareto前端移动,提高解的多样性. 用基于最近邻居的剪枝算法控制归档集规模,同时保证其中非支配解的多样性. 引入变异策略来加强算法的局部搜索能力,避免早熟收敛. 用5个经典函数进行了仿真测试,实验结果表明,该算法能有效地解决多目标优化问题,不但能收敛于Pareto最优前端,而且在解的多样性方面优于改进的非劣分类遗传算法和基于拥挤距离的多目标微粒群算法.     

基于智能算法的汽车气动外形参数多目标优化

为了对汽车外形进行优化设计,利用CFD软件与智能算法相结合的方法,以在天窗微开高速行驶状态下的汽车为优化的对象,选取气动阻力最小、气动升力为0、天窗后缘压强最小为`优化目标,以汽车关键外形参数为设计变量,对汽车气动外形进行多目标优化设计.同时,应用了数据挖掘技术评价设计变量与3个目标函数的影响关系,选取优化后的最佳关键参数制作汽车模型并进行风洞试验验证.研究结果表明:通过遗传算法优化的车身外形,在其他设计目标满足要求的条件下成功地将阻力系数降低了9.5%,并通过风洞试验验证了该智能算法结果的准确性.基于智能算法的汽车气动外形设计具有指导意义与实际应用价值,为汽车气动外形的多目标优化设计提供了一种高效、精确、可靠的先进优化方法.     

基于云差分进化算法的约束多目标优化实现

针对现有约束多目标算法存在收敛性、分布性不高等问题,提出一种基于云差分进化算法的约束多目标优化方法,通过云模型对差分进化算法的参数进行自适应处理;采用建立外部种群分别存储可行解和不可行解的方式处理约束条件,并对已有可行解集的更新方法进行改进,有效提高解集的分布性.提出新的变异策略,利用优秀可行解和不可行解的方向信息增强算法对解的探索能力.通过对CTP类标准问题的求解表明,与另外2种较为优秀的约束多目标算法相比,本算法显著提高了Pareto解集的分布性,且更接近于真实的Pareto前沿,有效地解决了约束多目标问题.     

基于改进自适应权重多目标粒子群算法的分布式电源优化配置

根据配电网和分布式电源相关特性,建立考虑多种约束条件下配电网网损最小、分布式电源成本最低、电网电压稳定性最好的多目标优化数学模型。该文提出一种改进自适应权重多目标粒子群算法对配电网进行分布式电源优化配置,相较于传统的多目标粒子群算法容易陷入局部最优,以及单目标算法只能给出单一配置方案,该方法在保证得到更接近全局最优解的同时提供一系列可供选择的方案(一组Pareto解集)。采用不同算法对IEEE 69节点算例进行求解计算,仿真结果充分证明了算法的优越性,为配电网中分布式电源配置提供了更为灵活的可行性方案。     

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.     

利用GEK代理模型的天线快速多目标优化设计

传统方法进行天线优化设计主要利用经典优化算法调用电磁仿真软件,在求解复杂天线的多目标优化问题时效率不理想．针对该问题,在多梯度下降算法中引入遗传算子,提出了一种高效的全局多目标优化算法--混合遗传算子多梯度下降算法．该算法调用梯度增强型克里金模型进行天线优化．梯度增强型克里金模型建模所需的样本规模小、时间短,并且避免了电磁仿真软件的反复计算．利用该算法优化加载各向异性Ⅰ型周期结构覆层的警用超短波宽带单极子天线和某型直升机机载专用通信系统天线及其抗干扰阵列,在达到相同优化效果时,所需的模型仿真次数为利用改进的非支配排序遗传算法调用电磁仿真软件进行优化的10.30％和18.96％,验证了该优化算法的高效性．     

基于进化算法的带约束混合动力系统多目标优化

为获得无需将多目标优化问题转化为单目标优化问题的混合动力系统多目标优化方法,分析了并联混合汽车总成模型,建立了带约束混合动力系统多目标优化数学模型,并给出了优化目标、待优化参数及约束条件。设计了基于NSGA-Ⅱ的混合动力系统多目标优化算法,该算法基于Pareto支配性原理判定所得方案的优劣,不需要指定各个目标的权系数。仿真优化结果表明:优化后的系统百公里油耗平均下降了0.25%,污染物排放平均下降了2.75%,蓄电池充电效率分布由[0.8,0.9]变为[0.85,0.9],放电效率分布由[0.82,1.0]变为[0.95,1.0],作者提出的方法可以优化混合动力系统的性能。     

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。     

A novel method of dynamic characteristics analysis of machine tool based on unit structure

A novel approach,which can be used for dynamic characteristics analysis of machine tools based on unit structure(US),is reported in this paper.The concepts of unit structures for design of machine tools are defined.In order to satisfy the dynamic characteristics requirement of high natural frequency and light-weight of US,a design method of multi-disciplinary optimization of NSGA-II about unit structures driven by natural frequency and mass is developed.Through analyzing the unit structures,key factors affecting the natural frequency and mass are extracted,and the mathematical models of natural frequency and mass about unit structures are also established by using central composite design and response surface model.The goal of high natural frequency and light-weight is reached by using the multi-objective genetic algorithms.The Pareto optimal set is also obtained.The dynamic behavior of US is investigated by the experimental modal analysis.To show the efficiency of the proposed novel method,the example of YKW51250 gear shaping machine bed is used.Through optimization of NSGA-II about US of YKW51250 machine bed,the natural frequency of YKW51250 gear shaping machine bed is increased by 30.4%and its mass decreased by 5.2%comparing with the original design.By studying the dynamic characteristics of the simplified machine tools bed,useful laws are obtained,and these laws can be used in primary design of NC machine tools structures.The optimal method based on US can be also applied to the dynamic optimal design of machine tools and other similar equipments.     

磨矿过程的稳态优化

针对磨矿过程的工艺特点,结合选矿厂对磨矿产品产量、质量的生产要求,提出磨矿过程多目标优化问题．为求解此多目标优化问题,研究一种快速的多目标遗传算法NSGA-Ⅱ（Nondominated Sorting Genetic Algorithm Ⅱ）．针对NSGA-Ⅱ算法中个体进行交叉前选择方法的不足之处加以改进,引入过滤、限制机制．仿真结果表明：引入过滤、限制机制可以限制“近亲”交叉,保持种群的均匀分布和多样性,加快种群在进化搜索过程中找到优秀个体的速度．将改进后的算法用于磨矿过程稳态优化,求得适合实际生产的多组系统操作参数,并用TOPSIS方法选出最优的一组操作参数．     

高占比新能源电源接入区域电网的无功优化策略研究

从高占比风电、光伏接入电网运行的安全性和稳定性等方面综合考虑,建立了以电压偏移量和网损最小为目标的无功优化模型。利用MATLAB软件对风电、光伏电站接入IEEE-33节点系统进行无功优化仿真分析,采用多目标粒子群（MOPSO）算法进行无功优化调度方案求解。基于Pareto前沿解的MOPSO算法可为决策者根据不同需求提供方案,并且同时达到提高测试系统的电压稳定性、降低网损的目标,验证了所提优化策略的有效性。     

基于多物理场仿真和VIKOR决策的干式铁心电抗器多目标优化

损耗和金属导体用量是干式铁心电抗器优化设计过程中需要考虑的关键因素，为有效降低损耗和成本，该文提出基于多物理场仿真和VIKOR决策的干式铁心电抗器多目标优化方法。首先以干式铁心电抗器为研究对象，建立磁场-流场-温度场模型，将磁场计算获得的铁心和线圈损耗密度作为热源，经过流-热耦合计算得到电抗器温度分布；建立磁场-结构场模型，将基于磁场计算得到的电磁力作为应力项，计算得到铁心及线圈振动位移分布，通过有限元仿真与拉丁超立方试验设计相结合的方法，得到不同结构参数下铁心电抗器温升与振动位移结果。为进一步简化优化流程，采用灵敏度分析方法进行参数降维，针对关键参数建立设计参数与温升、振动之间的代理模型，并采用多目标遗传算法得到满足电抗器性能要求的Pareto前沿解集。考虑到电抗器金属导体用量与损耗之间相互冲突，引入VIKOR综合决策方法，在确定优化目标权重的基础上，计算Pareto解集的利益比率大小，以最小利益比率确定最优设计参数组合，最后通过仿真验证优化设计方法的正确性。优化后的铁心电抗器与优化前相比，在损耗增加4.4%的情况下，铁心和线圈金属导体用量分别减少了3.0%和16.6%，同时温升及振动在满足设计要求的基础上分别降低了7.4%和16.7%。所提方法可以有效提升电抗器性能，为电抗器优化设计提供指导。     

计及补偿地点的DNSGA_Ⅱ多目标无功优化

考虑电压/无功灵敏度分析法确定的无功补偿位置,提出一种DNSGA_Ⅱ多目标无功优化方法.该方法采用自适应的交叉、变异概率,保留了种群的多样性,同时减少排序群体数目,从而减少程序运行时间.IEEE 33节点和IEEE 30节点算例系统的仿真结果表明,算法具有良好的全局搜索寻优性和收敛能力,能够有效地改善系统运行质量.算法所得的Pareto最优解允许决策者依据个人偏好选择最优方案,提高了决策的灵活性和自主性.     

改进多目标粒子群优化算法及在图像融合中的应用

在深入研究图像融合算法的基础上,受多目标粒子群优化算法(MOPSO)的启发,提出了一种改进的MOPSO算法,并将该改进算法用于图像融合方面。这种算法提出了两次调节指数收敛函数,使得寻优速率得到更为平滑地过渡,从而让搜索结果更好的接近Pareto最优解集。实验结果表明,与传统的融合算法比较在客观性能指标上得到提高。     

Optimal design of dynamic and control performance for planar manipulator

k]A design and optimization approach of dynamic and control performance for a two-DOF planar manipulator was proposed. After the kinematic and dynamic analysis, several advantages of the mechanism were illustrated, which made it possible to obtain good dynamic and control performances just through mechanism optimization. Based on the idea of design for control (DFC), a novel kind of multi-objective optimization model was proposed. There were three optimization objectives: the index of inertia, the index describing the dynamic coupling effects and the global condition number. Other indexes to characterize the designing requirements such as the velocity of end-effector, the workspace size, and the first mode natural frequency were regarded as the constraints. The cross-section area and length of the linkages were chosen as the design variables. NSGA-II algorithm was introduced to solve this complex multi-objective optimization problem. Additional criteria from engineering experience were incorporated into the selecting of final parameters among the obtained Pareto solution sets. Finally, experiments were performed to validate the linear dynamic structure and control performances of the optimized mechanisms. A new expression for measuring the dynamic coupling degree with clear physical meaning was proposed. The results show that the optimized mechanism has an approximate decoupled dynamics structure, and each active joint can be regarded as a linear SISO system. The control performances of the linear and nonlinear controllers were also compared. It can be concluded that the optimized mechanism can achieve good control performance only using a linear controller.     

基于INSGA-Ⅱ算法的机械手多目标轨迹规划

针对机械手时间最优、能量最优、平滑性最优等多目标下的轨迹优化问题,设计新的多目标轨迹优化方法.采用高次B样条曲线插值方法,构造机械手高阶连续且起始和终止的运动参数均可指定的关节轨迹, 保证了机械手运动性能.采用改进非支配排序遗传算法 （INSGA-Ⅱ）对机械手轨迹进行优化,得到一组Pareto最优解集,该算法采用一维Logistic映射产生初始种群并利用不可行度选择操作处理约束条件.在6自由度串联机械手上的计算结果表明,采用高次B样条轨迹规划方法可以得到高阶连续的机械手分段轨迹,采用INSGA-II方法可以对B样条轨迹实现有效的多目标寻优,得到理想的Pareto分布,为用户提供较多的选择.