基于改进NSGA-Ⅱ的梯级水电站多目标发电优化调度

在一种典型多目标进化算法NSGA-Ⅱ基础上做了以下改进：1）引入了外部档案集并提出一种基于局部搜索的算子,用于提高其收敛性及非劣解的分布性;2）为了便于决策者决策,采用一种基于偏好的简单有效决策方法优选调度方案;3）为提高算法的效率,在建立偏序集时,采用快速排序算法对子目标进行排序.最后,采用改进NS-GA-Ⅱ算法求解...     

基于NSGA-Ⅱ算法的低通滤波器优化

为满足滤波器多个性能参数优化的需求,提出了一种基于NSGA-Ⅱ算法的滤波器多目标优化方法,并对算法中群体的多样性和全局搜索能力进行了改进.通过对5阶定K型低通滤波器进行仿真,截止频率与设计目标有较大偏差.针对这个滤波器利用NSGA-Ⅱ算法将插入损耗、反射损耗以及群时延作为目标函数按照不同要求进行优化,并对优化后的滤波器...     

基于NSGA-Ⅱ算法的轨道转移优化方法研究

在普适变量法求解Lambert转移问题基础上,提出基于NSGA-Ⅱ（non-dominated sorting genetic algorithm-Ⅱ）算法的轨道转移时间-能量优化问题解决方法：通过修改非优超排序方法和采用空间扩张策略对NSGA-Ⅱ算法进行了改进,运用约束支配的概念解决了约束条件下Pareto最优集分层困难的问题。仿真实验表明：改进的NSGA-Ⅱ算法能有效求解轨道转移时间-能量优化问题,且比原算法提高了Pareto前沿散布性能。     

基于NSGA-Ⅱ的多目标航班登机口调度研究

民航客运量的增加加剧了各机场的候机紧张程度,增加登机口对中转旅客的航班衔接具有重要的影响。本文针对登机口候机紧张和中转旅客航班衔接的问题,对多目标航班登机口调度问题进行研究,建立多目标航班登机口调度问题的数学模型,设计最小化登机口总使用量、最小化旅客最大总步行时间的目标函数。针对建立的多目标问题模型,提出基于NSGA-Ⅱ的求解方法,以快速非支配排序及拥挤距离为适应度评价方法,根据航班登机口调度问题与柔性作业车间调度问题的共性特点进行类比,提出一种问题假设与数据处理方法,将所有航班处理为各个工件的工序,采用工序排序和加工机器分配两部分结合的编码方法,最后以某机场当日51个航班15个登机口调度问题为例,验证了模型及提出的算法。结果表明,登机口的总使用量和旅客最大总步行时间的目标函数并非线性关系,采用单目标优化算法求解,无法兼顾两个目标,使用本文提出的NSGA-Ⅱ算法求解,可以最终确定一组Pareto解集,该解集中的每个解都能得到兼顾。     

基于NSGA-Ⅲ算法的多目标集成工艺规划与调度问题研究

为了减少工业制造中的碳排放,设计以生产过程碳排放最小、最大完工时间最小和总拖期最小为目标的多目标集成工艺规划与调度问题,建立相应目标的优化模型。针对建立的优化模型,提出一种改进的NSGA-Ⅲ算法,使用三段式编码方式解决工艺规划的柔性特征;使用变邻域搜索方法增强算法的局部搜索能力;引入Pareto解集更新策略,保存种群更新过程中的非支配解。在工艺规划阶段,以完工时间、碳排放最小为优化目标,为每个工件生成工艺路线非支配解集,并从中随机挑选非支配解输入到调度阶段;在调度阶段,对优化目标的模型进行优化,生成调度非支配解。使用测试实例对提出方法进行验证,并与现有算法对比,实验结果验证了本文算法找到的非支配解更接近真实的Pareto前沿。     

基于改进NSGA-Ⅱ的冷链物流多目标车辆路径优化

在考虑冷链物流配送时效性、易腐性等严苛条件的前提下,构建以客户满意度最大、配送总成本最小的多目标车辆路径优化模型,运用改进的非支配排序遗传算法(Improved Nondominated sorting genetic algorithmⅡ,I-NSGA-Ⅱ)对模型进行求解,获取冷链物流配送方案。在NSGA-Ⅱ算法中引入C-W节约算法构造问题初始解,通过改进变异算子、改进拥堵距离计算方法改进算法。结果表明：改进算法克服了传统NSGA-Ⅱ算法全局搜索能力差、收敛速度慢的缺点,得到了更优的Pareto解集,验证了改进算法的有效性。     

基于改进NSGA-Ⅱ的云服务PDTs调度算法

基于多目标优化的云计算PDTs调度是一个NP问题,考虑云计算用户的服务质量(Qo S)要求,将处理PDTs的成本和时间要求作为目标,提出一种基于改进NSGA-Ⅱ的云服务PDTs调度算法.采用相似任务序列交叉(STOX)操作加快进化,而采用位移变异避免算法过早收敛,此外,还利用一个拥挤距离自适应算子(SCD)来改善Pareto最优前沿的个体多样性.仿真结果表明该算法在云PDTs调度中保持Pareto最优解的多样性和分布性方面优于NSGA-Ⅱ算法.     

贝叶斯优化算法在多目标优化问题中的应用

贝叶斯优化算法是近年来在进化算法领域兴起的一种新兴算法,用贝叶斯网络概率模型来显式地反映变量之间的依赖关系及可行解的分布,更符合实际问题的本质,在众多领域获得应用。针对多目标优化问题,在Pareto优化概念的基础上,用非占先排序及拥挤距离的方法来选择群体,形成解决多目标优化算法的Pareto贝叶斯优化算法,实验结果表明,Pareto贝叶斯优化算法要优于经典多目标优化算法NSGA-II。     

基于改进NSGA-Ⅱ算法的军事应急物流路径优化

在考虑实际复杂道路条件的情况下,对军事应急物流路径建立了多目标优化问题的数学模型,选用NSGA-Ⅱ作为求解多目标优化问题的算法基础,对NSGA-Ⅱ中的快速非支配排序环节进行改进,然后选择Matlab作为软件工具进行代码编写。2种算法仿真结果的比较分析结果表明:所建军事应急物流路径优化问题的数学模型具有现实可行性,改进的NSGA-Ⅱ算法在克服早熟现象,提高算法效率、算法稳定性和种群多样性方面是有效的。     

基于NSGA—Ⅱ算法的RLV多目标再入轨迹优化设计

传统的再入轨迹优化设计通常只考虑单目标优化问题，例如最小热流、最小大航程、最小控制能量等。随着人们对降低费用和提高性能的期望越来越高，多目标再入轨迹优化问题也引起了注意。以往人们通过加权因子等方法将多目标问题转化为单目标问题，避免了复杂的多目标优化算法的应用。但也引入了新的参数，且每次优化只能获得与该参数相关的1个解。NSGA—Ⅱ算法是最近发展起来的具有优良性能的多目标遗传算法，它引入了快速分类、约束支配和精英策略，1次运行可以获得多个Pareto最优解。文中利用NSGA—Ⅱ算法来求解具有最小热载和最大横程的2个目标的再入轨迹优化问题。算例表明NSGA—Ⅱ算法能够有效地搜索到优化轨迹的Pareto前沿，是RLV初步设计的有力工具。     

基于映射矩阵的多目标交换式以太网拓扑优化

针对工业现场交换式以太网网络传输时延过长、子网间负载不平衡的问题,在第二代非支配排序遗传算法的基础上,提出基于0-1映射矩阵的多目标交换式以太网拓扑优化方法。该方法利用网络拓扑0-1映射矩阵所具有的特殊性质构建多目标优化数学模型,采用类似无性生殖的单亲多点交叉杂交与双变异策略实现种群进化,进而得到交换式以太网网络拓扑映射矩阵的离散Pareto前沿。基准测试与仿真实例结果表明,网络拓扑结构优化后交换机子网间通信负载降低,局部网段内出现信息拥堵或功率闲置的几率减小,以太网的网络传输性能得到提高。     

多目标粒子群优化算法及其应用研究综述

现有研究较少涵盖最先进的多目标粒子群优化（MOPSO）算法.本研究介绍了多目标优化问题（MOPs）的研究背景,阐述了MOPSO的基本理论.根据特征将其分为基于Pareto支配、基于分解和基于指标的3类MOPSO算法,介绍了现有的经典算法.介绍相关评价指标,并选取7个有代表性的算法进行性能分析.实验结果展示了传统MOPSO和3类改进的MOPSO算法各自的优势与不足,其中,基于指标的MOPSO在收敛性和多样性方面表现较优.对MOPSO算法在生产调度、图像处理和电力系统等领域的应用进行简要介绍.并探讨了MOPSO算法用于求解复杂优化问题的局限性及未来的研究方向.     

基于贝叶斯网络的多目标优化算法

针对多目标进化算法中存在的无效进化和计算浪费,本文探讨了基于贝叶斯网络的多目标进化算法,并提出一个新的贝叶斯多目标优化算法。该算法结合个体的强度值和密度值完成非劣择优,利用具有局部结构BD度量机制进行网络度量,采用树形模型构建网络结构。实验结果表明了该算法的有效性。     

基于改进的NSGA-Ⅱ算法的飞机等效拟配

文章针对传统等效拟配方法中,时域响应和频域特性不能兼顾带来的缺点,提出了一种基于改进的多目标进化算法NSGA-Ⅱ的时域频域并行双拟配方法。在改进的NSGA-Ⅱ进化算法中,提出了新的精英保留策略增强了算法收敛性;同时,使用了改进的自适应模拟二进制(ASBX)算子提高了算法效率。仿真结果表明,采用该算法进行等效系统拟配,可以兼顾时域和频域响应,拟配效果良好。     

基于混合算法的自由曲面网格结构多目标优化

为有效提高自由曲面网格结构的性能,改进了自由曲面网格结构的多目标优化方法,基于NURBS技术生成自由曲面,以曲面控制点高度为优化变量,结构应变能为静力性能优化目标,提出了以综合考虑曲面相似性、流畅性以及网格规整性的几何综合量化指标为几何优化目标;将目标函数的敏感度与进化算法NSGA-II结合,提出了敏感度混合进化算法。进行了自由曲面索撑网壳与自由曲面空间网格结构的多目标优化。研究结果表明：与其他3种算法相比,敏感度混合进化算法不仅可获得精确性、均匀性更好的Pareto解集,而且明显提高了算法的优化效率;两个结构优化后的应变能分别下降了21.2%、60.9%,几何综合量化指标分别下降了15.4%、30.9%;优化后结构自身的力学性能有所提高,以综合量化指标为目标函数有效提高了自由曲面的相似性、网格流畅性以及网格规整性。     

基于NSGA-Ⅱ的插层熔喷非织造材料工艺参数优化方法

插层熔喷非织造材料较传统熔喷非织造材料拥有更好的压缩回弹性、过滤效率,将成为未来医用口罩生产的趋势和潮流。为了实现插层熔喷非织造材料过滤效率、过滤阻力的最优化,本文运用皮尔逊相关系数和回归函数得出工艺参数、结构变量和产品性能之间的线性相关度,建立产品性能多目标优化模型,然后采用博弈论组合赋权和COWA算子改进的NSGA-Ⅱ遗传算法获得最优解集,并引入评价函数法和神经网络预测法进行对比分析,最后通过TOPSIS法从最优解集中选出最佳方案,结果表明参数优化后的产品过滤效率提高8.758%,过滤阻力减小18.536Pa,证实了基于NSGA-Ⅱ的插层熔喷非织造材料工艺参数优化设计方法的有效性。     

基于改进NSGA-Ⅱ算法的氯乙烯精馏过程多目标优化

针对氯乙烯精馏过程中氯乙烯产品纯度低、能耗高的现状,研究了一种新的改进型非支配排序遗传 算法(ImprovedNon-dominatedSortingGeneticAlgorithm,NSGA-Ⅱ),用于解决氯乙烯精馏过程多目标优化问题。 首先建立了氯乙烯精馏的模拟流程,然后通过对高低沸塔中进料位置、回流比等主要影响因素进行灵敏度分析,在 考虑其机理模型及实际生产状况等多种约束条件的基础上,建立了以氯乙烯纯度和能耗为目标的多目标优化函数, 最后利用改进NSGA-Ⅱ对目标函数进行求解。实验结果表明,相比于NSGA-Ⅱ,该改进算法能得到分布更为均匀 的Pareto最优解集,为氯乙烯精馏过程中参数的选择提供了有力支撑。     

基于核分布估计的动态多目标优化进化算法

建立了一种近似估计下一环境进化种群和问题的Pareto最优解集的核分布估计方法, 当问题环境发生改变时, 算法利用以前不同环境搜索到的有用解信息对下一环境进化种群及Pareto最优解集进行近似估计, 极大地提高了算法的搜索效率。在对进化算子的合理设计基础上提出了一种核分布估计的动态多目标优化进化算法。通过对4个常用标准测试函数所作的数据仿真实验表明:提出的算法是十分有效的.     

一种基于杂草克隆的多目标粒子群算法

多目标粒子群算法(MOPSO)在优化函数时,尤其对于Pareto前沿是分段不连续的优化函数,存在收敛速度慢,种群多样性差的缺陷。针对此问题,将杂草克隆机制引入MOPSO,提出了一种新的多目标粒子群算法,称之为IWMOPSO。该算法利用改进的档案维护策略和不可行解增强多样性和均匀性,通过标准测试函数验证,能够使所求得的Pareto最优解逼近整个Pareto真实前沿,收敛性和多样性明显优于MOPSO和NSGA-Ⅱ,具有较强的应用性。