舟山潮流能示范工程水轮机组选址与阵列优化

通过OpenTidalFarm开源代码建立浙江舟山潮流能示范工程海域的水动力数值模型,结合实测数据对其进行验证。模型中通过增加局部底摩擦的方法概化了潮流能水轮机对水动力环境的影响,利用迭代算法快速优化水轮机阵列。结果表明,阵列优化后的舟山潮流能示范工程水轮机组提取的潮流能比其初始布局时提高了15.2%,说明水轮机布局对潮流能提取量有很大的影响。     

水下航行器仿生侧线探测阵列优化布置模型及评估方法

为了解决水下航行器仿生侧线探测系统传感器阵列优化布置的问题,提出了一种结合贝叶斯概率模型及顺序启发式算法的传感器阵列优化布置方法。该方法首先基于贝叶斯概率定理对水下航行器目标位置探测问题进行数学建模;接着构建仿生侧线探测阵列物理模型及其流场仿真数据集,采用顺序启发式算法优化阵列布局位置;然后根据特征筛选方法计算不同阵列布置下目标位置探测信息的相关性,对传感器阵列布局进行冗余度约减及优化评估;最后利用后验概率验证仿生侧线探测阵列优化布置模型,同时估计运动目标物位置。通过仿真实验结果表明,本文提出的阵列优化布置模型及评估方法与传统方法相比,非目标位置的干扰区域探测概率减小到1％以下,有效提高了目标物位置的探测概率,证明了阵列优化方法的可行性与有效性,为水下航行器侧线传感器阵列的优化布局提供了理论与技术支撑。     

基于改进粒子群算法的海洋钻机系统布局优化

为提高海洋钻机的工作效率和平台的空间利用率,应用改进的粒子群算法对海洋钻机系统进行布局优化研究。针对多目标、多约束的钻机系统布局优化问题,建立钻机系统布局优化数学模型,应用多目标粒子群算法直接求解,得出相应的最优解集。利用线性加权法将多目标转变为单目标进行求解分析,针对单目标粒子群算法的缺点,基于约束条件、惯性权重以及遗传算法的选择和杂交对粒子群算法进行改进,完成不同改进算法的测试实验。结果表明,在应用粒子群算法求解布局问题时将约束条件作为目标函数、单独引入遗传算法的杂交思想求解速度和精度更好。提出的基于杂交的动态惯性权重粒子群算法的布局优化问题求解性能更优,得到的优化方案符合海洋钻井作业要求且占用甲板面积较小。     

相控阵雷达天线多保真度优化设计

研究了某型相控阵雷达天线多保真度优化设计技术.基于代理模型,提出了天线单元优化、阵列优化和近似模型的分层次多保真度优化方法,以提高计算效率;采用KS包络函数将多目标问题转化为单目标函数;以雷达天线几何模型参数为设计变量,以提高雷达天线电磁性能为目标,以温度、应力、变形等为约束,在Isight平台下建立了某型相控阵雷达天线的多学科设计优化系统,实现了雷达天线阵列的多学科设计优化,在满足传热、强度等学科约束的条件下,提高了雷达天线的电磁性能.     

考虑客流约束的出租车服务台多目标优化模型

为提高客运枢纽场站服务水平,归纳总结出租车蓄车场上客区服务台布局类型,引入排队论方法,构建了考虑旅客体验(旅客排队长度、时间、最大走行距离)及组织方管理难易程度(上客区面积)的多阶段多目标整数优化模型.以南京南站为例的数值仿真结果表明:多目标优化模型能够使综合指标优化42％.此外,相较单一布局下的优化,综合考虑多种布局的方案优化效果更加显著.     

基于多目标优化的游戏地图生成研究

游戏地图自动生成是目前过程内容生成PCG(Procedural Content Generation)研究的热点之一.本文以开源RTS游戏MegaGlest的地图为研究对象,以公平性、可玩性、战略性和趣味性为优化目标,提出多目标粒子群优化的游戏地图生成算法.实验结果表明,自动生成的地图在4个优化目标方面具有明显改进,能给玩家提供更好的游戏体验.     

桁架结构智能布局优化系统

应用模糊、混沌、神经网络等理论，以结构质量为优化目标函数，在构造一个新型的布局优化模型的基础上，对桁架结构布局优化这一结构优化领域的难点问题进行了研究。构造了一个完整的桁架结构智能布局优化系统，该系统由5 个模块组成，具有智能、自适应的特点，在确定了结构选型情况下，可以自动完成从基结构的智能自动建立到结构布局寻优的全过程。经实例验证，系统性能稳定，可以得到满足要求的结构布局优化解。     

求解复杂约束优化问题的演化多目标算法

在分析了传统的求解带约束的单目标优化问题存在的问题的基础上,利用多目标优化算法的框架,把单目标优化问题中的软性约束化为新增的目标,把原问题化为一个多目标优化问题,然后利用演化多目标优化算法求解转化后的问题,分析了该方法处理约束的优势,并给出了初步实验结果.     

并行混沌与和声搜索的多目标混合优化算法

针对传统的混沌优化算法对初始值敏感、搜索精度低和收敛速度慢,以及和声搜索收敛不稳定、处理多目标优化问题时适应性差等不足,研究了一种多目标并行混沌与和声搜索混合优化算法(MOCOHSA).MOCOHSA利用并行混沌优化的全局搜索能力与和声搜索算法的局部搜索能力,并在和声搜索中引入自适应操作,在解决多目标优化问题时表现出良好的搜索速度和收敛性能.对8个多目标优化测试函数的优化计算中,该算法表现出比其它多目标优化算法更好的性能.算法最后用于解决卫星热管设计问题.     

基于脑模型联接控制器的车间布局多目标优化技术研究

该文根据车间物流费用和车间面积2个优化目标，建立车间设备布局多目标优化模型。并根据车间布局优化特点，设计了基于脑模型联接控制器的混合遗传算法对该模型进行求解。该算法具有自学习和自适应的特点。最后给出算例，通过对仿真结果的分析，证明该文所提算法能解决提出的问题。     

多障碍建筑群图像空间布局智能寻优方法优化

为了解决传统方法大多将注意力放在建筑群体局部优化方面,缺少对整个含多障碍建筑群体空间布局优化研究的问题。通过改进粒子群法研究多障碍建筑群图像空间布局智能寻优方法优化问题。建立寻优问题模型,将最小化最大风速比、最大化采光满足率、最优化容积率作为多障碍建筑群图像空间布局智能寻优目标,依据寻优问题模型建立总目标函数。针对粒子群算法的弊端,对其进行改进;将粒子和种群最优粒子差异程度当成依据对权重进行确定。通过密集距离对粒子和相邻粒子间的密集程度进行描述,依据密集程度,选用逐一去除法对最优解进行更新。针对提出的多障碍建筑群图像空间布局多目标寻优问题,采用改进粒子群算法进行求解。结果表明:采用所提方法优化后,日照满足率虽然略低于优化前;但最大加速比和容积率均更优;所提方法 WBGT指标(湿球黑球温度)高于其他方法。可见所提方法可令各指标均衡最优化,能够保证新陈代谢率低,热适应差的人舒适性。     

汽轮机扩容改造方案优化设计

在对某汽轮机进行扩容改造过程中,以机组的做功能力和整机效率为目标函数,运用模拟退火算法进行了多目标优化设计。优化结果表明,此方法不仅能够提供满足设计要求的解集,而且能够克服传统优化算法极易陷入局部极值的缺点,实施后获得了很好的扩容改造效果。     

基于改进多目标粒子群算法的风力机大厚度翼型优化设计

仅以气动性能最佳为目标进行优化设计的翼型,结构性能较差.为了克服这一缺点,基于改进的多目标粒子群算法(MOPSO),提出了综合考虑气动性能和结构性能的大厚度翼型多目标优化设计方法.针对相对厚度为40%的翼型,应用翼型集成理论对翼型进行参数化表达,以翼型主要攻角处的升阻比最大和翼型面对弦线轴的惯性矩最大为设计目标,综合考虑翼型的粗糙度敏感性、失速特性及非设计工况特性,进行翼型的多目标优化设计,得到了Pareto最优解集.分析最优解集中的翼型,由此挑选出的新翼型在气动性能和结构性能上均比常用翼型DU00-W2-401有较大提高.     

设施布置算法性能比较和仿真

为了解决多目标的优化问题,提出了变动临近区域遗传算法。算法在解决设施布置问题时,改进了质化研究和量化研究中的一些不足。仿真结果表明,与传统的NPGA、VEGA遗传算法相比较,该算法在最终解个数、算法的稳定性、染色体的均匀程度等评价指标上为最优。     

多目标混合混沌优化算法研究及应用

为了求解多目标优化问题,提出一种基于混沌搜索的多目标模糊混沌优化算法．将混沌优化方法与模糊优化方法有机地结合起来,应用混沌优化算法求出各个单目标的最优解;将各最优解模糊化;应用模糊非对称方法的思想和模糊集合理论中的最大满意度原理,将多目标优化问题转化为单目标非线性规划问题;最后应用混沌优化算法求解单目标优化问题,得到满意度最大的解．结果表明,所提出的多目标模糊混沌优化算法是可行和有效的,为求解多目标优化问题提供了一种新的有效方法．     

汽轮机叶片参数的多目标优化设计

由于制造误差和不平衡力的作用,汽轮机叶片的周向气动力除合成一个力倡外,还合成一个横向力,这个横向力使转子发生进动,在一定条件下会使转子失稳,是转子的一个自激激振力。为保证机器正常工作,应对汽轮机叶片参数进行多目标优化、本文首先导出了力偶和激振力的公式,建立了汽轮机叶片参数的多目标优化设计的数学模型,提出了求解该模型的算法,并给出了算例。     

基于物理规划的弹道多目标优化

针对加权系数法求解弹道多目标优化问题时不能获取非凸Pareto非劣解,并且主观依赖性严重,难以选取合适的权值的问题,将物理规划引入弹道多目标优化中,建立了基于物理规划的弹道多目标优化模型,详细分析了基于物理规划的弹道多目标优化方法的求解流程,指出了该方法的优点. 最后分别采用加权系数法、最优控制方法以及本文所提方法进行拉平段弹道多目标优化. 优化结果对比研究表明,物理规划法效率更高,结果更好,对初值不敏感,鲁棒性更强,并且有利于获得非凸Pareto非劣解,从而体现了所提方法较强的工程实用价值.      

基于后悔函数的多目标优化决策问题研究

研究多目标优化决策问题.针对目标之间常常相互制约、决策者需要进行反复权衡的问题,通过定义后悔值并设计基于后悔函数的目标函数,在进行多目标优化时,可以定量地表示决策者对各个目标的重视程度.仿真实验结果表明,在多目标优化问题中,基于后悔函数的目标函数具有很好的通用性.与传统方法的对比表明,后悔函数法避免了权重难以定量描述,需要反复试凑的问题,且具有较好的逼近多目标理想值的能力,优化结果能直接反映决策者初衷,并且易于针对不同问题进行改进.