城市过饱和路网的非均匀自适应相容优化控制

针对城市过饱和路网的交通信号控制问题,将总延误分为主线路段延误和次线路段延误,将控制问题描述为冲突的多目标控制问题.针对这一问题,提出一种新的非均匀自适应多目标相容优化控制算法,对多目标进化算法NSGA-Ⅱ算法进行改进,作为多目标相容控制算法的优化工具,提出非均匀Pareto 前沿扩张机制来获得Pareto 前沿上的一些特殊区域.改进的NSGA-Ⅱ算法采用自适应种群机制和迭代控制算法机制来提高实时控制算法的计算速度,提出稳定性偏好选择策略来获得稳定的控制器.将提出的改进的多目标相容控制算法在仿真环境中对一个7个交叉口的城市过饱和路网进行实时控制,结果表明,本文提出的相容优化控制算法的效果优于定时控制方案.     

多目标相容控制在过饱和相邻交叉口控制中的应用

提出一种基于IPNSGA-Ⅱ（Iterative Predictive Nondominated Sorting Genetic Algorithm-Ⅱ）的多目标 相容控制方法,用于处理过饱和状态下相邻交叉口的信号控制问题．引入主线延误和次线延误的概念,采用反 向传播神经网络BPNN（Back Propagation Neural Network）方法,利用从交通流仿真中获得的数据,建立了一个 多输入多输出的延误模型;将控制问题表示为一个有冲突的多目标控制问题,提出一种新的基于IPNSGA-Ⅱ 的多目标相容控制算法来实现在线控制．提出的相容控制算法具有鲁棒性、实时性、动态性的特点,能够很 好地处理有冲突的多目标控制问题．在一个由11 个交叉口组成的路网仿真环境下对本文所提出算法进行了 测试,并将计算结果与单点控制策略进行了比较．结果表明,本文方法比单点控制策略能够更有效地缓解网 络中的过饱和状态,并减小延误．     

基于多学科设计优化的路网交通分布式协同控制

城市路网交通控制直接影响着交通运行效率,对其优化研究已成为缓解城市交通拥堵问题的热点之一.鉴于此,针对高峰交通路网将其分为过饱和区域与过饱和关联区域,在采用灰色关联分析-谱聚类方法对关联区域划分的基础上,构建路网交通分布式协同控制模型,进一步提出基于多学科设计优化的过饱和区域及其关联区域协同优化求解方法.通过搭建实例路网模型分析算法优化效果,结果表明所提出方法能够明显改善路网交通运行效率,有助于缓解城市通勤高峰时段的交通拥堵和扩散问题.     

基于偏好信息的动态引导式多目标寻优策略研究

传统的多目标进化算法研究的重点是获得分布在整个Pareto边界上的最优解集,而在现实问题中,决策者只对边界上某些区域分布的解感兴趣.纳入决策者偏好信息的多目标进化算法的研究很有实际意义.因此节约计算资源、快速有效地找到偏好区域的Pareto解集成为其研究的重点.针对该问题,本文提出基于偏好信息的动态引导式多目标寻优策略.该策略通过设置参数ε反映搜索过程中引导区域的动态性,参数控制DM偏好范围.将解与引导区域的距离作为响应选择策略的一个因素,从而有效地获得期望区域内的折衷解.实验结果表明,该算法具有较好的收敛性.     

基于精英进化导向的多目标PID参数优化

在多目标优化问题中,决策者必须对Pareto前沿的众多非劣解做出选择.本文将决策偏好融入Pareto优化过程,提出一种基于精英导向机制的多目标遗传算法,根据决策偏好选择Pareto最优解为精英,利用无损有限精度法和归一增量距离保持种群多样性,通过多种群进化机制将决策偏好的影响传播到整个种群.该方法成功应用于自动导引车(AGV)伺服系统的PID参数优化,可根据决策偏好快速有效地定向搜索Pareto最优解,保证伺服控制达到路径跟踪要求的速度响应性能.     

大功率防爆永磁同步电动机多目标优化预测控制

针对基于赋权法的传统多目标预测控制方法无法有效处理目标矛盾及权值系数设计复杂的问题,提出了一种基于两层结构相容框架的大功率防爆永磁同步电动机多目标优化预测控制方法。将d轴电流跟踪、q轴电流跟踪与中点电位平衡划分为相容优化层,通过引入界限区间,有效实现了3个目标的相容控制;将开关损耗划分为最优优化层,提出了一种基于外拓法的开关频率衡量方法,通过对多个控制周期的开关次数的近似衡量,有效减小了系统的平均开关频率。仿真结果表明,所提方法能够实现电流指令跟踪与中点电位的相容控制,并能有效减小系统平均开关频率。     

最大化个人偏好的多目标优化进化算法

针对多目标优化过程中如何将个人偏好信息融入寻优搜索过程的问题,本文提出一种最大化个人偏好 以确定搜索方向的多目标优化进化算法．该算法首先采用权重和法将多目标问题转换为单目标问题,再利用遗传算 法进行全局搜索,在满足个人偏好约束条件下,每一代进化结束后通过解约束优化问题获得能够使种群综合适应度 具有最大方差的权重组合,从而最大化个人偏好以选择综合最优的个体进行遗传操作．按照不同个人偏好应用于传 动系统进行控制器设计,仿真结果表明该算法能够获得满足个人偏好约束条件下的全局最优解．     

基于改进萤火虫算法的区域交通信号配时优化

城市的快速机动化导致道路资源供需失衡愈加严重,目前使用的交通信号定时控制方式无法根据交通流的变化调整信号配时,降低了路网运行效率.针对区域内多路交通信号配时优化问题,提出一种基于改进萤火虫算法的求解方法,以多路信号各相位的绿灯时长作为控制变量,建立以区域总延误最小为目标的规划模型进行优化.针对标准萤火虫算法存在的优化精度不高、容易陷入局部最优的问题,提出一种驱散机制,同时在种群进化过程中引入变异操作进行改进.利用5个标准测试函数进行实验验证,实验结果表明,改进的萤火虫算法能够提高求解的精度和稳定性.最终以典型多路口区域为例,将改进的萤火虫算法应用在区域配时优化问题上,通过对比实验表明求解的有效性.     

CMOPSO/D算法的发酵过程补料优化控制

为了改善发酵过程补料优化控制的性能指标,提出一种基于改进的分解多目标粒子群优化算法的发酵过程补料优化控制方法。将发酵过程的多目标优化问题分解为若干单目标优化问题,对每个单目标优化问题应用2个粒子群协同搜索最优解,其中一个种群对连接向量进行搜索,改进了连接向量的更新方式,另一个种群将决策空间分解,使用不同种群对不同维度的解向量进行优化,并在进化过程中使用前一个种群的最优解构成完整的解向量评价每个子群的最优解,提高了最优解评价的准确性,保证算法收敛到全局最优解。将该算法用到在工业酵母发酵过程模型中,对补料速率进行优化控制,并同时优化2个性能指标,即菌体浓度最大化和乙醇浓度最小化,并与基本的分解粒子群优化算法的优化结果作对比,该算法获得的Pareto前沿在基本分解粒子群优化算法获得的Pareto前沿下方,并且分布更加完整。实验证明该算法能够获得最优补料速率,使工业酵母发酵过程的菌体浓度提高了约9%,乙醇浓度降低了约为15%,为发酵过程补料优化控制提供了一种有效方法。     

多变量预测控制系统稳态解的相容性与唯一性分析

多变量控制系统在结构形态上可以划分为方系统和非方系统, 非方系统可进一步划分为胖系统和瘦系统. 对瘦系统和胖系统, 预测控制系统分别可能出现输出静差和输入稳态值不确定问题. 本文从控制输入与被控输出稳态关系入手, 将上述问题归结为非齐次线性方程组的相容性与唯一性问题. 通过非齐次方程组解的判定定理分析了多变量预测控制系统稳态解出现相容性和唯一性问题的原因, 并由此给出了双层结构控制策略及解决方案. 上层稳态优化方法从理论上解决了瘦系统的相容性问题, 并从胖系统的无穷多个相容解中找到最优解. 下层集成控制输入目标的预测控制从根本上保证了胖系统控制输入稳态解的唯一性, 并实现了方系统与非方系统预测控制在算法描述上的统一. 仿真结果验证了本文提出的双层结构预测控制算法的有效性, 即多变量预测控制系统稳态解既是相容的又是唯一的.     

结合Kriging和物理规划的多目标代理优化算法

遗传算法处理高耗时且具有黑箱性的工程优化问题效率不足。为了提高工程优化效率，结合Kriging代理优化和物理规划，提出了基于Kriging和物理规划的多目标代理优化算法。在处理多目标问题时，使用物理规划将多目标问题转换成单目标问题，再使用Kriging代理优化对单目标问题进行求解。通过两个多目标数值算例和一个工程实例对提出的算法进行验证。结果表明，提出的算法能够求出符合偏好设置的Pareto最优解，且算法的效率更高。     

城市交通过饱和状态下干线信号的多目标仿真优化研究

针对城市交通过饱和状态下的干线信号优化问题,分析了交通控制目标对车辆排队的影响,提出以绿信比、相序、相位差和周期为优化参数,以车辆平均时延、系统平均排队-车道长度比和系统通行能力为优化目标的交通信号仿真优化模型。构建了优化模型的实施框架,该框架采用自主构建的微观交通仿真环境来获取信号方案评价指标,改进多目标优化算法NSGAII中的重复个体问题,完成对干线各交叉口信号配时方案的同时优化。最后,利用采集的交通数据对由3个交叉口组成的干线进行实例验证,验证结果表明,在过饱和状态下,所提出的信号优化方法不仅可以有效控制车辆排队长度,均衡车辆分布,同时在系统通行能力、车均时延方面表现更佳。     

一种基于多策略差分进化的分解多目标进化算法

为了提高多目标优化问题非支配解集合的分布性和收敛性,根据不同差分进化策略的特点,基于切比雪夫分解机制,提出一种基于多策略差分进化的分解多目标进化算法(MOEA/D-WMSDE).该算法首先采用切比雪夫分解机制,将多目标优化问题转化为一系列单目标优化子问题;然后引入小波基函数和正态分布实现差分进化算法的参数控制,探究一种...     

多个MFD子区边界协调控制方法

为了改善交通网络运行状况,根据车流密度的差异对宏观路网进行子区划分,提出了面向多个宏观基本图（Macroscopic fundamental diagram,MFD）子区的边界协调控制方法.根据划分的多个子区间邻接关系和流入流出交通流率,建立了路网车流平衡方程.通过与最佳累积车辆数进行比较,确定了拥挤度高的子区边界交叉口最佳流入与流出的交通流量;进而建立了以整个路网旅行完成流率最大、平均行程时间和平均延误最小的多目标边界协调优化模型,并通过自适应遗传算法对多目标函数进行求解.以存在4个MFD子区的实际路网为分析对象,对比仿真结果表明所提方法可有效提高路网运行效率、缓解拥堵状况.     

Dynamic multi-objective optimization based on membrane computing for control of time-varying unstable plants

Dynamic multi-objective optimization is a current hot topic. This paper discusses several issues that has not been reported in the static multi-objective optimization literature such as the loss of non-dominated solutions, the emergence of the false non-dominated solutions and the necessity for an online decision-making mechanism. Then, a dynamic multi-objective optimization algorithm is developed, which is inspired by membrane computing. A novel membrane control strategy is proposed in this article and is applied to the optimal control of a time-varying unstable plant. Experimental results clearly illustrate that the control strategy based on the dynamic multi-objective optimization algorithm is highly effective with a short rise time and a small overshoot.     

目标空间非凸的多目标相容迭代控制算法

针对现有控制算法难以解决多目标空间为非凸的控制问题的现状,结合多目标遗传进化理论的最新成果,提出了多目标相容控制算法。考虑到控制过程中对计算速度的要求,利用控制问题状态具有连续性的特点,提出了迭代算法。在算法进行过程中,通过选择函数进行目标的选择,保证了非凸目标可控性。仿真实例说明了与原有控制算法相比,新算法在非凸目标可控性方面的有效性。     

一种无线传感器网络的优化速率控制方法

拥塞控制是无线传感器网络中的一个关键性问题。从解决拥塞问题出发,提出了一个基于优化速率的拥塞控制算法ORCC。算法构建了一个分布式的分簇网络结构,利用缓冲的占用情况进行拥塞检测,并使用基于优化理论的速率调节策略来保证网络吞吐量的稳定,从而通过求解出的最优解来实现簇内节点效用的最大化。仿真实验表明,ORCC算法不仅能有效缓解网络拥塞,降低平均延迟,还具有较好的网络传输公平性。     

基于Pareto最优的PID多目标优化设计

现有的PID优化方法往往难以同时兼顾系统对时域和频域性能的要求,针对这一缺陷,提出了一种PID多目标优化方法：将动态性能指标作为优化目标,频域性能指标作为约束条件,采用基于Pareto最优的多目标优化算法对其求解。该算法采用新的拥挤距离计算方法,引入双重精英机制,进化效率高,得到的Pareto最优解集多样性好,决策者可根据当前工作需求从中选择最终的满意解。仿真结果证明了本文方法的有效性。