基于支配强度的NSGA2改进算法

NSGA2是一种简单、高效且被广泛使用的多目标进化算法(Multi-objective Evolutionary Algorithm,MoEA),但在求解实际工程领域中的高维、复杂非线性多目标优化问题(Multi-objective Optimization Problems,MOP)时,存在无法有效识别伪非支配解、计算效率低、解集收敛性和分布性较差等设计缺陷。对此,文中提出一种基于支配强度的NSGA2改进算法(INSGA2-DS)。新算法采用快速支配强度排序法构造非支配集,引入了考虑方差的拥挤距离公式,并通过自适应精英保留策略动态调整精英保留规模。基于标准测试函数的仿真实验表明,INSGA2-DS算法较好地改善了NSGA2算法的收敛性和分布性。     

基于NSGA2算法的并行机多目标调度问题研究

针对并行机多目标调度问题,以完工时间和总延迟时间最小为目标函数建立了数学模型,从而将具有解决复杂组合优化问题的非劣排序遗传算法NSGA2应用于求解多目标并行机调度问题。文中详细描述了用NSGA2算法求解并行机调度问题的步骤,并通过Matlab仿真,表明YhqNSGA2算法求解多目标并行机调度问题的可行性和有效性。     

一种基于密度的局部搜索NSGA2算法

针对局部搜索类NSGA2算法计算量大的问题,提出一种基于密度的局部搜索NSGA2算法(NSGA2- DLS).使用解的密度衡量解的稀疏度,并将当前非支配解中稀疏度最小的解定义为稀疏解,每次遗传过程在稀疏解周围进行局部搜索.在局部搜索过程中,同时采用极限优化策略和随机搜索策略以提高解的质量和收敛速度.对ZDT系列函数和DTLZ系列函数进行仿真实验并与标准NSGA2算法、一种局部随机搜索算法和一种定向搜索算法进行比较,结果表明,NSGA2-DLS在消耗计算量和优化效果方面均优于对比方法.     

改进NSGA2在炼钢-连铸调度中的应用研究北大核心CSCD

针对具有多重精炼方式的炼钢-连铸调度排产问题,采用单纯带精英策略的非支配排序遗传算法(NSGA2)存在求解精度不高,求解速度慢、并得到Pareto解集后需要人工确定最优解的问题,提出了基于优先级策略的改进NSGA2新方法。首先基于炼钢-连铸生产工艺过程及调度目标和要素建立多目标优化调度模型,然后将所提出的方法应用到具有多重精炼的炼钢-连铸生产调度问题中,并与现有采用原始NSGA2的仿真结果进行比较。实验结果表明本文提出的基于优先级策略的改进NSGA2算法在求解速度、求解精度上均优于原始NSGA2算法,并能自动给出唯一的最优调度方案,避免人工确定最优解缺乏科学依据问题。     

基于NSGA2算法的混合流水车间多目标调度问题研究

针对混合流水车间多目标调度问题,以最大流程时间和生产中所消耗的总能量最小为目标函数,建立了混合整数数学规划模型;将具有解决复杂组合优化问题的非劣排序遗传算法2(NSGA2)应用于求解多目标混合流水车间调度问题,详细描述了NSGA2算法求解HFSP问题的步骤。利用Matlab仿真,结果表明,NSGA2算法求解多目标HFMSP问题可行性和有效性。     

基于广义改进分解策略的多目标代理优化方法

为解决多目标代理优化方法中代理模型选择单一问题,提出基于广义改进函数分解策略的多目标代理优化方法.该方法充分利用模型预测信息构建广义改进多目标分解准则和广义改进R2指标准则,有效拓展多目标代理优化中代理模型的选择空间.所提两种准则通过随机均匀权重实现全局探索和局部搜索能力的自适应平衡.研究结果表明,所提方法在有限仿真条件下拥有良好的寻优性能,获得Pareto前沿在收敛性、多样性及空间分布性方面均具有一定优势.相比同类方法,该方法具有优势:1)不需要模型预测不确定性信息,适用于基于不同种类代理模型的代理优化方法; 2)实现简单且计算复杂度低,能够有效提升昂贵黑箱问题优化效率.     

基于个体邻域的改进NSGA-Ⅱ算法

带有精英策略的非支配排序遗传算法（NSGA-II）是在NSGA的基础之上，提出拥挤度和拥挤度比较算子，代替了需要指定共享半径的适应度共享策略，是解决多目标优化问题的经典算法之一。但是NSGA-II算法在保持种群多样性时采取的拥挤距离排挤机制有着pareto前沿分布不均匀的缺陷，因此，提出一种基于个体邻域的改进NSGA-II算法SN-NSGA2。SN-NSGA2将密度聚类算法DBSCAN中邻域的思想应用到排挤机制中去，提出一种个体邻域的构建方法，采用相应的淘汰策略去除个体邻域中的其他邻居个体。实验结果表明相对于NSGA-II算法来说，新算法求出的pareto解集有着更好的分布性以及良好的收敛性。     

基于局部搜索的改进SPEA2算法

由于追求收敛速度与防止陷入局部最优,标准的改进强度Pareto算法(SPEA2)过于注重全局搜索能力,从而导致局部搜索能力不足.为了增强SPEA2算法的局部搜索性能,进而提高算法收敛速度,提出了一种基于局部搜索的改进SPEA2算法.该算法单独设置一个新外部存档集以保存局部搜索后的非支配集,并且改进了交叉算子,加入了部分个体更新策略.将该改进算法与SPEA2算法进行了收敛性能比较实验.仿真实验结果表明,相比于标准算法,改进SPEA2算法不仅可以保证收敛到多目标优化问题的Pareto最优边界,而且在收敛能力上也得到了较好的改善.     

基于改进混合蛙跳算法的微电网优化配置方法研究

微电网内分布式电源波动较大,对并网产生了一些负面影响。将有功网损和静态电压结合建立多目标优化模型,采用改进的混合跳蛙算法求解含约束的多目标优化模型,并为微电网配置更好的运行模式。通过仿真进行对比分析,验证该方法的优越性。结果表明,该方法能较好地协调系统的多目标,虽然各子目标不是最优的,但可以很好地调整各子目标之间的关系,达到整体优化的效果。     

基于改进类电磁机制算法的UPFC多目标优化配置

统一潮流控制器(UPFC)能在不改变线路拓扑结构的条件下有效地改善电力系统潮流,从而提高输电能力与电压稳定性。针对系统可用输电能力、电压偏差和L指标等目标,建立了UPFC的多目标优化配置模型,采用结合差分进化算法(DE)的改进差分类电磁机制算法(DEEM)对所建模型进行求解,通过对算法中粒子的带电量、合力计算方式进行改进,同时添加自适应因子,进一步平衡算法的全局搜索与局部搜索能力。配置后的结果表明UPFC对增强系统输电能力、电压质量及电压稳定性的性能均有提高,且改进算法寻优效率的提升也得到了验证。     

基于动态规划的网络带宽分配机制

传统分组网络承载时分复用业务存在延时、抖动、报文到达次序不一致等问题。利用城域以太网面向连接的特性,提出了一种由用户为具体业务提出带宽申请,运营商根据共享带宽的大小和用户的优先级,利用动态规划的方法在以太网隧道中预留带宽的机制。提高了带宽利用率的同时,兼顾用户之间的公平性。实验结果表明,这种机制可以充分利用带宽资源,并且将带宽公平地分配给各用户。     

考虑多样化需求的诊疗设备维护和患者调度联合优化研究

针对诊疗设备维护和住院患者候诊难以有效协调的问题,建立了联合优化模型。首先,假设设备具有离散的劣化状态,将设备的劣化过程建模为连续时间马尔可夫链;其次,考虑到患者对诊疗设备的不同功能频率需求,以及不同劣化状态对患者治疗时间、费用的影响,以患者就诊顺序、检查策略、修复策略为决策变量建立了设备维护和患者调度模型;最后,采用改进后的非支配排序遗传算法对多目标问题进行了求解。实验结果验证了设备维护与患者调度联合优化模型的有效性。改进后的算法提高了整体和局部的搜索能力,且具有鲁棒性。     

基于改进NSGA2的临近空间通信网络优化设计

面向特定区域部署的临近空间通信网络需要兼顾考虑资源分配、覆盖率及载荷功率等多个因素。考虑到现有方法只采用单目标优化,以及非支配排序遗传算法（NSGA2）在求解实际问题时的缺陷等问题,提出一种基于改进NSGA2的临近空间通信网络多目标优化设计方法。分析下行链路性能,结合目标区域的需求分布,以最大化匹配度和覆盖率及最小化功耗代价为目标建立多目标优化模型。将动态反向学习机制和差分局部变异算子引入NSGA2,测试证明改进的NSGA2在解收敛性和分布性上表现更好。仿真验证了设计方法的有效性,为网络的实际部署提供了参考。     

基于改进SPEA2算法的火力分配问题

火力分配是战前任务规划的重要环节。考虑攻击效果、资源等约束条件,以攻击效益最大,武器消耗最小,自身损伤最小原则建立了火力分配多目标数学模型。针对传统方法在求解火力分配多目标优化问题时存在收敛效果差以及Pareto前端分布不均匀等不足,将近邻传播算法引入到SPEA2算法中,改进了SPEA2算法的多样性保持策略,优化了算法性能。实验结果表明：改进的SPEA2算法在解决多目标火力分配问题时,相较于标准SPEA2算法,具有收敛效果好,Pareto前端分布均匀的特性。通过实验,验证了模型的合理性和算法的可行性。     

基于改进YOLOv2的无标定3D机械臂自主抓取方法

提出了一种多物体环境下基于改进YOLOv2的无标定3D机械臂自主抓取方法。首先为了降低深度学习算法YOLOv2检测多物体边界框重合率和3D距离计算误差,提出了一种改进的YOLOv2算法。利用此算法对图像中的目标物体进行检测识别,得到目标物体在RGB图像中的位置信息; 然后根据深度图像信息使用K-means++聚类算法快速计算目标物体到摄像机的距离,估计目标物体大小和姿态,同时检测机械手的位置信息,计算机械手到目标物体的距离; 最后根据目标物体的大小、姿态和到机械手的距离,使用PID算法控制机械手抓取物体。提出的改进YOLOv2算法获得了更精准的物体边界框,边框交集更小,提高了目标物体距离检测和大小、姿态估计的准确率。为了避免了繁杂的标定,提出无标定抓取方法,代替了基于雅克比矩阵的无标定估计方法,通用性好。实验验证了提出的系统框架能对图像中物体进行较为准确的自动分类和定位,利用Universal Robot 3机械臂能够对任意摆放的物体进行较为准确的抓取。     

基于改进ENN2 聚类算法的多故障诊断方法

针对可拓神经网络无法解决多故障诊断的问题,建立问题模型,将多故障诊断问题转化为多特征样本的聚类问题。从模型结构和学习算法两个方面对ENN2进行改进,提出基于改进ENN2聚类算法的多故障诊断方法,并对其参数和时间复杂度进行分析。采用工程实例对所提出的方法进行验证,结果表明,所提出的方法能够解决离线的多故障诊断问题,且得到的诊断模型可用于在线状态监控,具有较好的应用前景。     

蜂窝网络下基于max-min公平性的D2D功率分配

针对多个终端直通通信（D2D）用户共享多个蜂窝用户资源的公平性问题,在保证蜂窝用户速率的前提下,提出了基于最大最小公平性（max-min fairness）的功率分配算法。该算法首先将非凸优化问题转化为含凸函数的差（DC）规划问题,然后采用凸近似的全局优化算法和对分算法对D2D实现功率优化。仿真结果表明,与只采用凸近似的全局优化算法相比,所提算法收敛性更优,同时最大化了瓶颈用户的速率。     

基于R2指标的高维多目标差分进化推荐式课程系统

针对高等教育新形态下网络教学平台缺乏精准推荐选课问题，提出了一种基于高维多目标进化算法的课程引导、推荐式选课方法。首先为节省存储空间设计了多维事实数据仓库模型，并对课程、学生、教师、课程难度、课程推荐指数等数据仓库中的相关属性进行形式化定义以及规约处理；其次构建了基于R2的高维多目标差分进化（R2-MODE）算法的推荐式选课模型，算法改善了高维复杂空间中的搜索能力；最终实现对课程教师专业度、课程的专业相关度、课程难度系数、课程综合评价这4项性能的同时最优化。实验结果表明，所提算法与基于参考点的NSGA-Ⅲ相比，在收敛性上提高了50%，与基于支配关系的ε-MOEA相比，在分布性上提高了5%，所设计的方法在数据集的收敛性和分布性上整体效果最优。实验中，所提算法成功实现了根据学生个体的特征、意愿来进行的课程的精准推荐，为网络平台精准引导、推荐课程选择提供了必要的理论支持，为智能选课提供了一种新的方法。