基于概念设计阶段的解耦模式车门截面形状优化方法

为了提高车门静态刚度, 采用基于HDMR理论的多参数解耦优化方法与Morph技术结合, 对一款处于概念设计阶段车门的主截面形状进行优化。这种建模方法的特点在于通过少量的样本点识别形状变量之间的耦合关系, 进而将高维问题进行分解, 在保证精度的前提下提高计算效率。采用Kriging插值方法对Cut-HDMR的各项进行构造, 得到车门各刚度下的考察点位移和质量的近似模型, 进而利用非支配排序多目标遗传算法（NSGA-Ⅱ）对近似模型进行优化, 在车门静态刚度均达到设计要求的前提下合理进行减重, 使垂直刚度和扭转刚度得到了很大的提高。     

基于响应面方法的航空发动机装配系统的多目标性能优化

将响应面方法应用于复杂的航空发动机装配生产系统的性能优化中,获取系统的最大平均生产率和最小在制品水平,并解决以平均生产率和在制品水平为目标函数,以系统单机加工速度和缓冲区总大小为决策变量进行多目标性能优化问题。解决多目标优化问题的方法是利用线性加权法将多目标转换为单目标,然后应用响应面方法进行优化。实验结果表明:响应面方法能够很好地解决复杂的航空发动机装配生产线的性能优化问题,并为决策者提供多种情况下的最优解。     

动态系统控制器的多目标优化设计方法

1　引言在控制系统理论与应用中 ,有两种多目标优化控制的提法 ,其一是将控制系统的传递函数的 l1 范数、H∞ 范数和 H2 范数作为目标函数的多目标优化控制 ,这方面的工作可参考文 [1 ]及所引用文献 ;其二是将控制系统的一些时域性能指标作为优化目标的多目标优化控制 .本文考虑后一种形式的多目标优化控制问题 .众所周知 ,对一个动态系统设计控制器时 ,一般有多个指标需要考虑 .最优控制器的设计可以是将这些指标加相应的权系数作和求解最小问题 .但是 ,这样处理存在两个问题 :对于某些问题 ,采取重要目标加大权往往达不到期望的目的 ;另…     

薄壁管抗撞性能的多目标结构优化

以交通工具中部分锥形薄壁方管的安全装置作为研究对象,建立以薄壁管在碰撞过程中吸收能量最大化,比吸能最大化和初始碰撞力峰值最小化为多目标的优化问题.用锥形部分的几何参数作为设计变量,在保证不降低薄壁管吸能能力的情况下,通过对其结构的优化达到初始碰撞力峰值最小化的目的.论文采用有限元软件LS-DYNA得到不同几何参数模型的碰撞信息,用响应面法构造近似函数,同时引入权系数以表征各个目标在优化问题中的重要程度,并采用理想点法求解多目标优化问题,分析了锥形薄壁方管各几何参数对结构的能量吸收、比吸能和初始碰撞力峰值的影响,最终得到了给定权系数下的最优模型.     

基于多目标遗传算法的RITS物理结构优化设计

提出了RITS物理结构优化设计问题模型和基于多目标优化的解决思路。RITS结构优化设计待优化函数具有高维、多峰、非线性等特点，求解难度人。重点研究了一类基于Pareto机制的具有快速全局收敛能力的多目标遗传算法，并以紧急救援系统为例进行结构优化设计，验证了算法的有效性。     

基于改进ILS算法的多目标优化试验设计

现有的拉丁超立方设计优化大多以正交属性度量或均匀属性度量为单一优化准则,针对该单一优化准则存在的缺陷,提出一种基于改进ILS算法的多目标优化试验设计方法,对拉丁超立方设计的均匀属性和正交属性同时进行优化,并与已有的几种典型试验设计方法进行对比。实验结果证明了该方法的优良特性。     

基于神经网络的多目标数据压缩方法的研究

根据多目标函数优化的理论，提出了多目标优化神经网络的理论模型，研究了一种基于神经网络的多目标数据压缩方法．该方法根据数据特征的变化，自动调整神经网络的结构参数(联接权和偏置值)，以获得在较小的信息损失代价下的尽可能大的数据压缩量．该方法具有自适应能力强、并行处理、知识分布存储和抗干扰等特点．     

基于黑洞多目标进化算法的永磁直线同步电机优化设计

应用一种改进的黑洞多目标进化算法(MOBH),实现对圆筒型无槽无铁芯直线永磁同步电机(LPMSM)的多目标优化设计.黑洞进化算法在不同Pareto区域的收敛速度、种群多样性、种群收敛性和亚种群获取等方面具有良好的性能.在分析无槽无铁芯圆筒直线电机的电磁解析模型和MOBH算法基础上,建立电机推力、推力体积比、铜损(效率)...     

基于变密度法的飞行器升力面结构多目标拓扑优化设计

为研究权衡结构刚度与低阶振动频率的飞行器升力面最优结构设计,提出两种多目标拓扑优化方案（约束法、结合约束法与评价函数法）.基于变密度方法,在约束法方案中将多目标优化转化为设定参考点位移约束和低阶振动频率约束下,求解结构质量最小化的优化问题.在结合约束法与评价函数法方案中,定义组合柔度指数为评价函数（结构柔度与振动频率的函数）,将多目标优化转化为设定低阶振动频率约束和体积分数约束下,求解结构最小组合柔度指数的优化问题.结果表明两种方案的优化结果具有一定的相似性,各有所长.优化设计不仅减轻了升力面结构重量,而且提高了结构的一、二阶振动频率.     

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。     

多目标动态车辆路径问题建模及优化

针对物流配送中动态车辆路径优化问题,综合考虑动态需求、路网影响、车辆共享、时间窗以及客户满意度,建立了多目标动态数学规划模型,该模型能更好地描述现代物流配送问题.同时,提出一种两阶段求解策略,第一阶段采用多目标混合粒子群优化算法获取预优化阶段Pareto最优解,采用改进的粒子状态更新策略并融合模拟退火操作提升粒子群搜索性能,采用自适应网格技术保持解的分布性;第二阶段对客户的需求变化采用贪婪插入和变邻域搜索进行实时路径调整.实验表明,该算法在解空间中有更好的探寻能力,并能快速收敛到全局最优,满足动态路径优化实时性要求.     

基于多点非均匀变异的多目标极值优化算法研究

多目标进化算法因其在解决含有多个矛盾目标函数的多目标优化问题中的强大处理能力,正受到越来越多的关注与研究。极值优化作为一种新型的进化算法,已在各种离散优化、连续优化测试函数以及工程优化问题中得到了较为成功的应用,但有关多目标EO算法的研究却十分有限。本文将采用Pareto优化的基本原理引入到极值优化算法中,提出一种求解连续多目标优化问题的基于多点非均匀变异的多目标极值优化算法。通过对六个国际公认的连续多目标优化测试函数的仿真实验结果表明：本文提出算法相比NSGA-II、 PAES、SPEA和SPEA2等经典多目标优化算法在收敛性和分布性方面均具有优势。     

基于模拟退火的多目标优化算法

该文剖析了多目标优化问题和物体退火之间的关系,发现两者之间有着天然的联系,并在此联系的基础上,构建了一种新型的多目标优化算法———基于模拟退火的多目标优化算法。最后,基于典型算例的数值仿真验证了算法的有效性。     

基于区间可信度下界的多目标优化算法研究及应用

旨在填补多目标优化算法研究的不足,以制造业中多因素耦合作用下的多目标优化问题为研究对象,首先提出区间可信度和占优关系等概念;其次基于区间可信度和占优关系建立基于区间可信度下界的多目标优化算法;最后通过多目标数值优化对所建立的优化算法进行探究。结果显示,在γ的取值相同时,H测度与进化代数呈现正相关,可以说明随着个体进化代数的增大,所提出的基于占优可信度下界的算法得到的γ-Pareto前沿越能反映真实的Pareto前沿;通过文中建立的算法与IP-MOEA和SPGA的比较可以看出,文中所建立的基于区间可信度下界的多目标优化算法与实际情况的吻合度更高,说明所建立的算法可以填补多目标优化算法的不足。     

多目标优化的一类模拟退火算法

多目标优化是运筹学中的重要研究课题,但迄今仍缺少高效的优化技术。通过对搜索操作和参数的合理设置,提出了一类求解多目标优化问题Pareto最优解的高效模拟退火算法。基于典型算例的数值仿真验证了算法的有效性。     

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。     

基于直觉模糊熵的粒子群多目标优化

针对现有多目标算法存在的收敛性不强、分散性不高等问题,提出了一种基于直觉模糊熵的粒子群多目标优化算法(IFEMOPSO)。首先,计算出种群的直觉模糊熵(IFE),作为衡量种群在多目标空间下多样性的测度;其次,设计基于IFE的惯性权重动态变化、外部档案调用以及变异操作等3种增强算法探索力度的策略,建立了直觉模糊多目标规划模型,有效地提高了群体进化过程中的多样性,防止了算法陷入局部收敛;最后,仿真结果表明,所提算法很好地提高了所得非劣解集的收敛性和分散性,有效地解决了多目标优化问题。     

基于APSO算法的多目标满意优化研究

提出了多变量系统的多参数多目标满意优化方法.将系统性能指标要求的满意设计与控制器参数优化融为一体考虑,通过设计性能指标满意度函数和系统综合满意度函数,构造出多目标系统满意优化模型,并用自适应粒子群算法实现其满意优化.仿真结果显示该方法可获得比传统粒子群算法更满意的综合性能指标,表明了该方法的有效性和实用性.     

机器人路径规划的多目标二次优化方法

基于多目标进化算法的机器人路径规划问题存在求解速度慢的不足,为提高求解效率,提出了一种多目标二次优化方法(MOQO)。在MOQO方法中首先引入二次优化的思想,通过离线的全局优化为在线的局部优化提供一个次优的初始解集,以更有效利用全局优化过程的先验信息和进化信息,从而加速后期的局部优化操作;其次,在MOQO方法中还提出了一种改进的多目标进化算法PPMOEA,以进一步提高优化求解的实时性能。最终的机器人路径规划仿真实验测试了MOQO方法对进化求解操作的加速效果,证明了方法的有效性和可行性。     

基于混沌粒子群算法的多目标多执行模式项目调度问题研究

在工程项目调度中保持工期、成本、质量以及资源的均衡控制是构成项目建设总目标的关键因素,关系到整个工程的成败。同时,鉴于基本粒子群算法容易陷入局部最优,提出一种将混沌算法嵌入基本粒子群的新算法,并将其用于求解多目标项目调度问题,通过建立工期、费用、资源和质量多目标综合优化模型,再运用基于优先规则的混沌粒子群算法解决该模型问题。最终通过实例计算表明:相对于基本的粒子群算法,混沌粒子群算法可以更为准确快速地解决该模型下的项目多目标多执行模式优化调度问题。