基于Epsilon-MOEA的给水系统多目标优化与决策

给水系统优化运行是多目标优化问题,决策者需要从众多的候选方案中筛选出一个综合性能最好的方案.将多目标进化算法与多属性决策相接合,采用两阶段方法来求解供水系统的多目标优化与决策问题.首先构建供水系统的多目标优化模型,包括供水系统的运行费用与维护费用最小化,以及水压服务水平的最大化,运用多目标进化算法Epsilon-MOEA求解,生成Pareto解集.然后,基于信息熵方法得到属性权重,用逼近理想的排序方法(TOPSIS)进行多属性决策(MADM)研究,对Pareto最优解进行排序.算例应用表明,该方法能够对供水系统运行的多个目标进行优化,并使决策者能够从众多的候选方案中选出综合性能较好的方案.     

基于多目标遗传算法的汽轮机转速PI控制器参数优化

针对常规PID参数整定方法不能兼顾系统快速性、稳定性和准确性要求的缺陷,提出了一种基于非支配排序多目标遗传算法-Ⅱ(Non-dominated Sorted Genetic Algorithm-Ⅱ,NSGA-Ⅱ)和多属性决策技术(Multiple Attribute Decision Making,MADM)的PID参数的优化设计方法。以系统的超调量、调节时间和时间乘以误差绝对值积分(ITAE)指标最小作为优化目标,以频域稳定性为约束条件,以PID参数为设计变量,建立多目标优化模型。利用NSGA-Ⅱ算法求出Pareto最优解集,采用逼近理想解的排序方法(Technique for Order Preference by Similarity to an Ideal Solution,TOPSIS)进行Pareto最优解排序,进而得到最终的最优解。以某型工业汽轮机转速PI控制器参数的多目标优化设计为仿真算例,验证了该文设计方法的有效性和优越性。     

基于粗集数据分析的船型方案模糊优选法

利用粗集理论,对多个船型方案的数据进行分析,消除冗余的属性、简化决策的目标;然后利用模糊模式识别理论与模糊关系优选理论,建立多目标多层次模糊优选模型,以n个决策的目标特征值作为最低层次的输入,依次以低层次的输出作为高层次的输入,对每一层次的单元系统进行优选计算,最后用级别向量的特征值对各个船型方案进行排序,从中选择最优的船型方案.算例说明:模型建立正确、计算结果可信、各个方案的综合评判值离散性大.这一方法为合理选择船型方案提供了参考.     

柔性作业车间多目标调度优化研究

研究了多目标柔性作业车间调度问题（FJSP）,提出了一种基于Pareto的混合遗传算法,并建立了包括生产周期、总拖期时间和机床负载在内的多目标优化模型．该算法采用基于工序的编码方式和活动化解码方法,将Pareto排序策略与Pareto竞争方法结合起来．为了保证解的多样性,采用小生境技术并同时使用多种交叉方法,用Pareto解集过滤器保存进化过程中的最优个体,防止最优解的遗失．算法最后给出问题的Pareto最优解集．仿真试验证明,提出的混合遗传算法可以有效解决多目标FJSP．     

基于遗传算法的多目标过程系统优化

提出了一种求解多目标优化问题的求解策略。在搜索寻优过程中 ,利用遗传算法生成 Pareto最优解集。在决策过程中 ,利用 TOPSIS方法来确定 Pareto最优解集中最佳协调解。最后 ,应用该算法对 DAM连续缩合过程的多目标过程系统做了优化研究。     

汽车行驶动力学性能的多目标优化

在1/4车辆模型的基础上建立7自由度人体-座椅-悬架模型。选取座垫加速度、悬架动挠度和车轮动载荷作为目标函数,根据参数灵敏度分析结果选择悬架和座垫参数作为设计变量。利用无量纲化消除多行驶工况对优化计算的影响,在此基础上建立了车辆行驶动力学性能多目标优化模型。选择带精英策略的非支配排序遗传算法(NSGA-II)对优化模型进行求解,得到了Pareto最优解集与Pareto前沿。优化结果显示:适当减小座椅座垫刚度并增大阻尼有助于改善乘坐舒适性并且几乎不影响其他性能;Pareto最优解集中的悬架刚度与阻尼呈线性正相关关系,这也决定了乘坐舒适性和悬架动挠度不可能同时达到最优设计;根据车轮动载荷的设计水平可以近似确定轮胎刚度。     

基于特征解选取的高维多目标可视化研究

为了解决高维多目标优化问题中有效可视化Pareto最优解集这一难题,提出了一种基于特征解选取的n维图表可视化技术.首先,针对多目标优化问题的特性,提取Pareto最优解集中特征性明显的特征解;然后,针对不同的决策需求提出2种目标信息共享机制,将特征解各目标信息共享后进行有效排序分层;最后,以子图表形式进行绘制.该方法有效去除Pareto最优解集中性能相近的冗余解,对特征解各目标数据信息、性能优劣变化趋势及决策者的决策信息进行可视化.基于此思想设计的高维多目标可视化模型,方便决策者对Pareto最优解集的分析和决策.     

基于故障-测点互信息的传感器多目标优化配置

针对大型流程工业系统状态监测故障诊断的传感器优化配置特点,建立能够定量反映测点获取故障信息效率的故障-测点互信息矩阵.提出传感器系统测点-故障关联度优化目标函数,建立兼顾测点获取故障信息效率、传感器系统可靠性、经济性的多目标优化配置模型.设计改进的非支配排序遗传算法(NSGA-II),在保证故障可检测性和可分辨性的前提下,获得兼顾3大优化目标的Pareto前沿解集.电站除氧器的实例分析表明了该方法的可行性和有效性.     

基于MOPSO算法的营养决策方法

针对营养决策多目标优化模型,提出基于MOPSO(Multi-Objective Particle Swarm Optimization)算法的营养决策方法.提出基于支配原则的选优方案,外部种群Pareto解集与当代解共同参与的竞争原则,最后把MOPSO算法应用到营养分析和决策的优化问题来获求最佳膳食营养结构.结果证明该方法是有效的.     

地对空武器—目标分配的多目标决策问题研究

地对空信息化作战中,合理高效的武器-目标分配方案对于降低我方损失、提高防御效能具有重要意义。本文以敌方所有来袭目标的剩余生存概率最小、我方弹药消耗量的价值最小、敌方对我方资产的损害最小为优化目标建立地对空武器-目标分配模型;设计一种改进第二代快速非支配排序遗传算法(NSGA-Ⅱ)对模型进行求解,针对两个种群进行不同的遗传操作,利用强化学习方法动态调整两个种群中个体迁徙参数,以保证种群的多样性;对获得的武器-目标分配模型的非劣解集(Pareto解),使用模糊决策进行评价,得出最优的分配决策方案。