基于自适应进化多目标约束的青霉素发酵过程优化EI北大核心CSCD

发酵过程多目标优化控制是提高发酵过程生产水平和经济效益的有效途径。提出了一种自适应进化多目标约束粒子群优化算法,并应用于青霉素分批补料发酵过程多目标优化。该算法根据不符合约束条件粒子的约束违反程度,修正了多目标粒子群优化算法的进化学习公式,提高了算法在约束边界区域的搜索能力;引入基于拥挤距离的Pareto最优解分布性动态维护策略,改进了Pareto前沿的分布性。实验结果表明,该算法能获得具有较好分布性的Pareto前沿,给出的底物补料策略能够使青霉素发酵过程在消耗更少底物的同时获得更多的产物产量,实现了发酵过程的多目标优化。     

基于多目标粒子群算法工业机器人最优轨迹规划

针对工业机器人,以时间最优、能耗最优、脉动最优工作指标为目标,考虑多目标的轨迹优化问题,提出一种基于粒子群算法(PSO)的多目标轨迹优化的方法。采用五次多项式插值的方法建立工作轨迹的数学模型,添加相应的运动学的约束,以机器人运行时间、能量消耗、脉动冲击为目标建立目标函数,采用多目标粒子群算法(MOPSO)对其运动轨迹进行优化,获得Pareto最优解集,选择出期望的解。对六自由度PUMA560机器人的仿真结果表明,五次的多项式插值曲线轨迹规划方法可以很好地构造平滑的轨迹,多目标粒子群算法(MOPSO)可以在添加相应约束条件前提下,实现运动轨迹的多目标优化,得到理想的Pareto解集。     

基于模糊关联熵的高维多目标流水车间调度优化

针对现有优化方法在求解高维多目标问题上的弊端,将多目标解映射为模糊集,提出利用表征模糊集间关联相似程度的模糊关联熵方法解决多目标优化问题。建立基于模糊关联熵的多目标优化方法,以模糊关联熵系数的大小衡量Pareto解模糊集与理想解模糊集的相似程度,并以该系数作为粒子群优化算法适应度值引导算法进化,建立基于模糊关联熵的多目标粒子群优化算法。实验表明,基于模糊关联熵的粒子群优化算法可以有效解决高维多目标Flow Shop调度问题,算法在优化解和各性能指标上皆优于基于随机权重的粒子群优化算法,特别在求解较大规模问题时,基于此法的粒子群优化算法表现更佳。     

周期式退火炉作批处理机的可重入批离散机流水车间调度

针对无缝钢管冷拔生产中的周期式退火炉作批处理机的可重入批离散机流水车间调度问题,建立以总工件完工时间与批处理机总能源消耗最小化的双目标优化调度模型,设计包括多目标粒子群算法、快速非支配等级排序、拥挤度比较以及变异进化操作的多目标粒子群算法,该算法采用非支配等级排序与拥挤度比较进行最优粒子的选择策略和算法前期与后期变异相结合使用策略。试验结果表明,与带变异进化操作的多目标粒子群算法和非支配排序粒子群算法相比,该算法在两个目标函数上都找到更优的最小值,其结果平均水平更靠近Pareto解集的前沿,有效提高了算法的优化求解能力。通过Pareto解的方式该算法可得到一组综合权衡了完工时间和退火炉能源消耗两个指标的Pareto解集,能提供多种可选的调度方案,当生产时间充足,可尽量选取退火炉能源消耗较低的方案,当企业订单繁多追求生产效率时,可尽量选取完工时间较小的方案,有效地解决了此类实际问题。     

解决多目标优化问题的一种粒子群优化算法

优化设计已发展成为一种有效的新型工程设计方法.粒子群优化算法作为一种新型优化算法,逐渐被用于解决多目标优化问题.但目前研究还较少,本文提出了一种基于Pareto解集的多目标粒子群优化算法.采用一个"记忆体"来存储当前得到的Pareto最优解,对当前所得到的Pareto最优解进行相互比较,以确定一个较优的微粒作为微粒群更新方程中的全局极值,由此来引导其它粒子尽快向最优靠拢,达到算法收敛的目的.测试函数的仿真实验结果表明该算法取得了很好的效果.     

基于小生境粒子群算法的公差多目标优化设计

为解决产品设计中的公差优化问题,提出一种基于小生境粒子群算法的公差多目标优化方法。以加工成本、质量损失成本和公差敏感性为优化目标,以装配功能要求和加工能力为约束条件,建立了公差多目标优化模型。对标准粒子群算法进行改进,根据小生境数和Pareto优劣性确定孤立粒子,并通过个体历史最优粒子与孤立粒子的变异、选择操作更新粒子的个体历史最优位置;利用Pareto支配数排序更新粒子群的全局最优位置。利用改进的粒子群算法对公差多目标优化模型进行求解,得到分布均匀的Pareto前沿。设计并开发了原型系统,通过实例验证了该方法的有效性。     

热轧板坯库出库计划编制模型与算法研究

为了解决板坯库出库计划的编制问题,提出了将板坯库出库计划分解为板坯出库优化决策和板坯最优倒垛决策组合优化问题,分别建立了板坯出库优化决策模型和板坯最优倒垛决策模型,利用两个模型分层协作完成出库计划的编制。为求解模型,构造了一种离散粒子群优化算法,采用适合模型的粒子取值方式和粒子速度变化方式。实际排产的结果表明,所建立的模型和算法切实可行。     

基于混合粒子群算法的数控切削参数多目标优化

为选择合理的数控切削用量,建立了加工成本和数控切削加工效率的数学模型。针对模型其多约束、非线性的特点,采用约束违背度方法处理约束条件。为避免算法陷入局部最优,两次引入Metropolis抽样准则,提出混合多目标粒子群优化算法(HMOPSO)求解。最后采用层次分析法选择最优Pareto解,并通过实例计算对所提出方法进行了验证。     

-种基于Pareto解集的无约束条件的多目标粒子群算法

鉴于多目标优化问题的广泛存在性以及目前关于它的研究还较少,且没有一种很好的、通用的多目标PSO算法,本文提出了一种基于Pareto解集的多目标粒子群算法.通过采用一个"记忆体"来存储当前得到的Pareto最优解,对每次迭代得到的Pareto解集里的解两两进行比较以选取一个较优的解作为更新方程中当前最优解,这样可以更好的引导粒子群进行下一步的寻优操作,最终得到一个完整的Pareto最优解集.几个测试函数的仿真实验结果也表明了该算法取得了很好的效果.     

供应链环境下产能优化配置问题的混合粒子群算法

针对供应链环境的协作特征,研究以下游企业需求为导向的产能优化配置,建立了以最大化企业盈利、设备利用率以及下游企业需求饱和度为目标的问题模型,并设计了基于精英集的多目标粒子群算法。算法结合模型的约束特征,采用约束满足技术生成初始解,基于惩罚函数的思想设计适应度函数,并对不可行解提出了修复规则;针对多目标优化特征,在求解过程中通过建立精英集来保存非劣解,并基于Pareto最优的概念更新精英集,利用基于k-means聚类的精英集裁剪策略,来保证精英集规模和粒子的分布性。实验结果表明了模型和算法的可行性和有效性。