快速提高NSGA-Ⅱ算法双目标优化效率的方法

NSGA-Ⅱ是一种性能优良的多目标进化算法,近年来非常流行。为了进一步改进NSGA-Ⅱ在双目标优化时的效率,采取了按需分层的策略,提出了一种新的非支配前沿集分层方法以替代NSGA-II原有的分层方法。与NSGA-Ⅱ的时间复杂度O(N2)相比,新方法的时间复杂度减少为O(kN+NlogN),k为所分前沿层数(k<相似文献   

基于随机算子的快速多目标遗传算法

在NSGA-Ⅱ算法的基础上,对NSGA-Ⅱ构造非支配集的方法进行了改进,用擂台赛法则构造非支配集,当非支配集小于种群大小时,采用随机算子在可行域内随机产生新的解个体填充到下一代父种群中,形成了一种新的多目标遗传算法。在实验部分将改进后的算法和NSGA-II进行了性能比较,实验结果表明改进后的算法具有良好的分布性,算法运行效率也较高。     

基于LCA与NSGA-II的混合算法解多目标优化问题

针对非支配遗传算法(NSGA-Ⅱ)存在易过早收敛和计算时间长的问题,本文提出一种列队竞争算法(LCA)与非支配排序遗传算法的混合算法(LCA-NSGA-Ⅱ)。通过将列队竞争算法引入NSGA-Ⅱ,均衡全局搜索和局部搜索,以解决NSGA-Ⅱ早熟的问题,并利用一种快速排序方法,降低非支配排序的时间复杂度,采用动态的拥挤度计算方法,保持外部存档集的均匀性。将LCA-NSGA-Ⅱ用于经典测试函数的计算,在收敛性、分布性和运算效率方面都取得了比NSGA-Ⅱ更好的效果。最后,在ASPEN PLUS与MATLAB集成平台上,用LCA-NSGA-Ⅱ算法以烯烃回收率和能耗为目标优化MTO烯烃分离过程,为实际操作优化提供指导方向。     

基于非支配排序遗传算法的多学科鲁棒协同优化方法

针对鲁棒协同优化(robust collaborative optimization,RCO)具有两级优化结构和多目标形式的特点,提出基于非支配排序遗传算法(non-dominated sorting geneuc algorithm,NSGA-Ⅱ)的RCO求解方法.在NSGA-Ⅱ非支配排序中,根据个体的不可行度和不可...     

基于改进NSGA-Ⅱ的列车运行多目标优化方法

针对目前城市轨道交通列车运行节能控制必须满足工程校验、实时高精度需求以及快速非支配排序遗传算法(NSGA-Ⅱ)在优化列车运行速度曲线时解集分布性差的问题,提出一种基于改进NSGA-Ⅱ的列车运行多目标优化方法.首先建立以站间牵引能耗、到站时间、停车精度为优化目标,以多种规范约束为支配惩罚,以实数编码的位置-工况组合为变量下的列车节能运行数学模型.然后,以限速曲线与坡度变化原则分段离散化站间线路,基于NSGA-Ⅱ加入动态矫正计算适应度值并引进自适应选择与混合交叉算子.最后,采用北京地铁8号线数据进行优化仿真.结果表明,改进NSGA-Ⅱ算法在标准测试函数上解集分布性指标最高提升27％,在列车节能工程优化问题上,运行备选方案数量提升2倍以上,方案分布性提升26％,牵引能耗降低4.8％.本方法为城轨列车节能运行的优化设计及决策者对目标条件的权衡提供了更广泛的选择.     

基于NSGA-Ⅱ的频控阵发射波束优化

为了改善频控阵波束方向图，达到波束宽度、旁瓣电平的整体最优，提出一种基于非支配排序遗传算法(Non-dominated Sorting Genetic AlgorithmⅡ,NSGA-Ⅱ)的频控阵发射波束优化方法。该方法将距离维主瓣波束宽度和最大旁瓣电平作为优化目标，采用NSGA-Ⅱ优化频率偏移求解Pareto最优解集。仿真结果表明该方法可以得到分布均匀、多样性良好的Pareto前沿，结合实际应用需求可以从Pareto最优解集中选择一组合适的频率偏移，与现有的频控阵相比具有更好的目标定位能力。     

采用循环拥挤排序策略的改进 NSGA-II算法

采用循环拥挤排序策略,形成改进的NSGA-Ⅱ算法.循环拥挤排序策略首先计算同一级非支配解的拥挤距离,删除其中拥挤距离最小的解;然后重新计算剩余解之间的拥挤距离,再次删除其中拥挤距离最小的解.以次类推,直到选出指定数量支配解为止.与单次拥挤距离排序相比,循环拥挤距离排序得到的解具有更好的多样性.ZDT1～ZDT4四个基准函数测试结果表明,改进的NSGA-Ⅱ比NSGA-Ⅱ具有更好的收敛性和多样性.     

基于NSGA-Ⅱ算法的地基伪卫星定位系统布站方法研究

在地基伪卫星定位系统独立组网时,可将其布站问题转换为多目标优化问题求解,以提高系统信号覆盖率、优化基站几何布局为目标,从而达到减少基站数量同时保证良好定位精度的目的。提出了基于带精英策略的非支配排序遗传（NSGA-Ⅱ）算法的伪卫星系统多目标布站方法,通过可视域分析技术确定系统信号覆盖率,并采用一种多矩阵相乘的加权水平精度因子计算方法衡量基站几何布局,最后利用NSGA-Ⅱ算法求解两个优化目标的非支配最优解集。以张家界某山区地形进行仿真,结果显示只需28个基站系统信号覆盖率就可以达到90%,同时能保证系统基站几何布局较优,性能优于普通遗传算法,在实际工程布站应用中有一定的指导意义。     

基于集对分析与NSGA-Ⅱ的生产作业多目标优化

针对生产过程中生产作业的优化调度问题,以生产质量、效率和成本阈值为约束条件,基于集对分析建立了的生产质量—效率—成本控制的生产作业多目标优化模型;利用快速非支配排序遗传算法（NSGA-Ⅱ）求解优化模型,得到相对确定条件下质量—效率—成本控制的Pareto最优解集。决策者依据实际生产过程需要,为各项生产作业从Pareto最优解集中筛选最合理的调度方案。最后,通过算例仿真验证了结合集对分析与NSGA-Ⅱ的方法解决生产作业多目标优化问题的准确性、有效性和实用性。     

基于多目标免疫系统算法的云任务调度策略

针对云计算环境下任务调度问题,为减少任务完工时间,同时降低任务执行费用,提出一种改进的基于多目标免疫系统的任务调度算法IMISA来寻找较优的可行分配方案。与传统分配适应度值不同,该算法将抗体群划分为非支配解集和支配解集,分别将非支配解的独立支配区域面积、支配解与所有非支配解所围成的多边形面积作为相应的抗体-抗原亲和力,根据相应亲和度计算克隆比例后克隆变异生成子代。在CloudSim平台上进行仿真实验,结果表明,与NSGA-Ⅱ及多目标免疫系统算法(MISA)相比,IMISA能够找到具有更短完工时间及更小的执行费用的调度方案,同时获得的Pareto解集也具有更好的分布性。     

一种基于快速排序的快速多目标遗传算法

多目标遗传算法的一个重要步骤就是构造非支配集,本文提出了一种基于快速排序的非支配集构造方法,提高了非支配集构造效率,并且在Deb提出的NSGAⅡ的基础上,改进了其种群构造策略,设计了一类新的多目标遗传算法。实验表明,这种方法比NSGAⅡ具有更快的收敛速度且保持了良好的分布性。     

基于改进NSGA-Ⅱ算法的多目标设施动态布局问题研究

为解决高效的车间动态设施布局问题,以重布局费用、非物流关系和面积利用率为目标,对NSGA-Ⅱ算法进行了优化,将随机变异操作与最近和最远法的非支配解选择结合,对NSGA-Ⅱ算法进行了改进并对其进行求解。通过经典算例的模型求解测试,验证了该方法的可行性和有效性。     

改进NSGA-Ⅱ算法的海上搜救调度方法

针对海上搜救资源调度决策困难、干扰多、实时性差、难以实现全局最优问题,本文以黄渤海海域为例,采用改进的非支配排序遗传(NSGA-Ⅱ)算法解决海上船舶搜救资源调度问题.首先,根据AIS以及北斗数据,建立了海上搜救资源的多目标优化模型;其次,改进的NSGA-Ⅱ算法采用基于正态分布交叉(NDX)算子,在扩大搜索范围的基础上,避免陷入局部最优,得到多目标问题完整的Pareto解集;采用综合评价法(TOPSIS)从Pareto解集中求得折衷解,即最终设计的搜救调度方案;最后,在考虑船舶数量约束以及时间约束的条件下,采用改进的NSGA-Ⅱ算法分别与NSGA-Ⅱ算法和贪婪算法进行对比,并采用黄渤海海域船舶采集数据进行仿真.结果表明该算法能够有效解决海上搜救资源调度优化问题.     

基于NSGA-Ⅱ的大规模本体映射方法

现有的基于进化算法的本体映射技术在面对大规模本体映射问题时,由于搜索空间太大导致算法效率低下,从而使其无法有效地在实际中得到应用。针对这一问题,提出了基于快速非支配排序的多目标遗传算法(NSGA-Ⅱ)的大规模本体映射方法。该方法通过三个步骤来映射本体:1)通过基于邻居相似度的划分算法来将源本体划分为不相交的概念块;2)通过相关概念过滤方法来确定目标本体中同源本体概念块相关的概念块;3)使用NSGA-Ⅱ方法来完成概念块之间的映射并通过贪心算法集成最终的结果。使用OAEI 2012的小规模的书目本体测试数据集和大规模的生物医学本体测试数据集对所提出的方法进行测试。同OAEI 2012的参与者的比较结果表明,所基于NSGA-Ⅱ的大规模本体映射方法能够在较短的时间内获取较好的本体映射结果,因此该方法是有效的。     

基于自适应混合非支配个体排序策略的改进型NSGA-Ⅱ算法

针对经典快速非支配排序遗传算法(NSGA-Ⅱ)中基于拥挤距离的种群多样性保持策略不能客观反映个体间真实拥挤程度的问题,提出了一种基于自适应混合非支配个体排序策略的改进型NSGA-Ⅱ算法(NSGA-Ⅱ^h)。首先,设计一种新的循环聚类个体排序策略;然后,根据Pareto分层信息来对基于经典拥挤距离和循环聚类的两种个体排序策略进行自适应的选择;最终,实现对进化后期的种群多样性保持机制的改进。通过5个标准测试函数进行算法验证,并与经典的NSGA-Ⅱ、多目标粒子群优化算法(MOPSO)和GDE3等算法进行对比分析,NSGA-Ⅱ^h算法获得了80%的最优反向世代距离(IGD)值,且显著性水平为5%的双尾t检验结果表明,新算法具有明显统计意义上的性能优势。改进算法不仅能提高进化种群的分布性,而且能增强算法的收敛性,有效提高了优化效果。     

NSGA-Ⅱ算法的改进策略研究

带精英策略的非支配排序遗传算法(NSGA-Ⅱ)在多目标优化领域具有广泛的应用,但该算法种群收敛分布不均匀,全局搜索能力较弱,算法运行速度较慢。针对这些局限性提出了改进的排序适应度策略、算术交叉算子策略、按需分层策略和设定阈值选择策略。在典型的测试函数集上的数值实验结果表明,根据这些策略改进的算法得到的非劣解集具有较好的分布性,同时收敛速度更快。     

基于NSGA-II的扩展置信规则库激活规则多目标优化方法

针对扩展置信规则库（extended belief rule base,EBRB）系统在不一致的激活规则过多时推理准确性不高的问题,引入带精英策略的快速非支配排序遗传算法（NSGA-Ⅱ）,提出一种基于NSGA-Ⅱ的激活规则多目标优化方法。该方法首先将激活权重大于零的规则（即激活规则）进行二进制编码,把最终参与合成推理的激活规则集合的不一致性以及激活权重和作为多目标优化问题的目标函数,通过带精英策略的快速非支配排序遗传算法求解不一致性更小的激活规则集合,从而降低不一致激活规则对于EBRB系统推理准确性的影响。为了验证本文方法的有效性和可行性,引入非线性函数和输油管道检漏实例进行测试。实验结果表明,基于NSGA-Ⅱ的扩展置信规则库激活规则多目标优化方法能够有效提高EBRB系统的推理能力。     

基于改进的非支配排序遗传算法的无源滤波器设计

工业中的电网谐波不但降低了电能的质量,还可能引起故障甚至事故,因此有必要对电网谐波进行有效地滤除;实际的工程实践中,无源滤波器常被用来滤除该谐波,而其滤波参数的确定是个关键;基于带精英策略的非支配排序遗传算法NSGA-Ⅱ,文中提出了一种新的无源滤波器的参数优化方法,克服了传统的凭个人经验选择滤波器参数的缺陷.利用NSGA-Ⅱ对无源滤波器进行参数优化,不仅能节省初始投资,还能更有效地消除谐波干扰;仿真结果证明了该方法的有效性.     

基于NSGA-Ⅱ和BP融合的青霉素发酵过程建模

针对BP(Back Propagation)网络对青霉素发酵过程建模时,会遇到陷入局部极小点、收敛速度慢等问题,提出将BP训练看成多目标寻优过程,以网络输出节点的误差最小作为并行搜索的多个目标,通过精英策略的非支配排序遗传算法(NSGA-Ⅱ,Non-Dominated Sorting Genetic Algorithm Ⅱ)算法对BP网络的初始权值和阈值进行优化,给出了应用该方法的步骤.通过仿真验证,这种NSGA-Ⅱ&BP融合的算法对青霉素发酵过程建模,能克服BP网络训练的缺陷,且所需训练次数大大减少.     

一种差分多目标优化算法

提出一种基于差分进化多目标优化算法.首先,采用基于差分进化的种群启发式搜索,根据多目标优化的特点,进行基于全部种群的Pareto占优比较和选择,有效实现全局搜索和局部搜索.另外,利用一个外部种群来储存非支配解,当非支配解的个数大于外部种群预先设定的规模时,对每个非支配个体采用基于支配关系和拥挤信息的适应度策略评价,然后采用基于密度的选择策略对外部种群进行删减,进一步提高算法的均匀性和宽广性.与NSGA-Ⅱ、PESA-Ⅱ、SPEA2的比较结果表明,该算法不仅收敛性较好,而且在均匀性和宽广性上优势明显.