带自适应动态变异和二次变异的差分进化算法

为解决差分进化算法在解决多目标优化问题时的多样性与收敛性之间的平衡维持难题,首先提出了一种基于自适应动态变异和非支配解二次变异的改进差分进化算法。该算法的核心是将前N代进化的群体多样性值作为多样性判别准则,根据群体多样性变化情况自适应地选择对应的变异算子产生新个体;其次提出通过对所存档Pareto非支配解进行二次变异来增加新个体解群的优解质量和数量,以同时改进算法的多样性和收敛速度。仿真结果表明,与标准差分进化算法和改进的基于分类排序的Pareto遗传算法相比,所提算法在收敛性、分布性与分散度性能指标上都有较好的表现,多样性和收敛性之间的平衡维持能力则远优于另两种算法。     

扇形采样约束多目标差分进化算法及工程应用

工程实践中存在大量约束多目标优化问题(Constrained multi-objective optimization problems, CMOPs),多目标进化算法是求解这类问题的一类有效方法。引入扇形采样技术,将二次变异双种群差分进化算法和约束处理方法相结合,设计求解CMOPs的进化算法——基于扇形采样的约束多目标差分进化算法(Sector-sampling-based constrained multi-objective differential evolution algorithm, SS-CMODE)。扇形采样可避免耗时的非劣操作,且能保证Pareto最优解集的良好逼近性和多样性。通过3个典型CMOPs的对比测试,表明SS-CMODE的解集均匀性和计算效率明显优于对比算法。以J23-80机械压力机使用的双曲柄串联机构多目标优化为例,研究新算法求解工程问题的有效性。以锻冲工作阶段平均速度波动最小和力传动性能最优为目标,建立机构的约束多目标优化模型,再应用SS-CMODE求解该问题。结果表明,该算法能求出多组满足约束条件的Pareto最优解,且解集均匀性良好。     

多目标产品配置优化研究

针对多目标产品配置优化问题,考虑实例关系和个性化等约束,构建了以性能、成本和交货期为目标的产品配置模型。设计了一种改进的非支配排序遗传算法(Non-Dominated Sorting Genetic AlgorithmⅡ,NSGA-Ⅱ)进行配置模型求解,并根据顾客偏好推荐配置方案。该算法采用动态罚函数处理约束问题,采用自适应交叉和变异概率提高算法收敛速度,对变异操作结果进行模拟退火操作,避免了算法陷入局部最优解,并针对多目标问题改进了Metropolis准则。通过算法验证与实例应用,证明本模型有效可行,改进NSGA-Ⅱ算法在配置问题求解上优于NSGA-Ⅱ算法。     

工程约束优化的自适应罚函数混合离散差分进化算法

将离散约束优化问题转化为非负整数约束规划问题,开发求解该问题的离散差分进化算法。该算法采用基于混沌映射的种群初始化、双版本变异和带随机扰动项的取整运算等新策略。针对非线性约束条件,给出惩罚基数的计算方法和连续映射基函数的表达式,在此基础上设计处理非线性约束的自适应惩罚因子。提出一种刻画种群多样性的新测度——种群二次平均基因距离及基于新测度的依概率混沌移民算子。将自适应罚函数法、依概率混沌移民操作与离散差分进化算法有机融合,构造面向工程约束优化的混合离散差分进化算法。对3个离散约束优化实例进行验证,结果表明,混合算法具有良好的鲁棒性且优于离散粒子群算法。应用混合算法求解斜齿圆柱齿轮传动优化设计问题,结果优于遗传算法及其改进算法、离散粒子群算法,目标函数值较遗传算法及其改进算法分别下降41%和10%。     

一种新的约束多目标优化方法

为解决带约束的多目标优化问题,在改进的强度Pareto进化算法的基础上设计了双存档机制,分别存储进化过程中产生的优秀可行解和不可行解,增加了进化种群的多样性,避免了罚函数法需要设计惩罚系数的缺点.为提高算法的收敛速度和约束边界附近的寻优能力,通过分析不同边界与Pareto前沿的关系,提出了一种判断不可行解优劣和环境选择的新方法.通过仿真实例,并与其他算法进行比较,验证了所提算法的可行性以及在收敛速度上的优越性.     

动态物流网络多目标优化模型及求解算法

针对动态物流网络优化问题,构建了多阶段三级物流网络模型。为了同时保证物流网络的效益和效率,以产品供应总成本最小和供应总时间最短为目标建立多目标优化模型。针对该模型多目标、多约束且存在时变参数的特点,提出了动态自适应多目标差分进化算法(DSMODEA)对模型进行求解。DSMODEA算法为元启发式智能优化算法,通过比较种群个体的Pareto支配关系和拥挤度距离来判断个体优劣,采用差分进化策略不断迭代收敛。同时,提出了环境变化检测算子、环境变化响应策略和自适应策略以保证算法能很好地求解动态优化问题。算例表明,DSMODEA算法能够求得各阶段物流网络的最佳可行供应方案,且所采用的响应策略和自适应飞行策略大大提高了算法的性能。     

基于差分元胞多目标遗传算法的动压滑动轴承优化设计

为研究液体动压滑动轴承的多目标优化设计问题,提出了一种改进的多目标差分元胞遗传算法。改进的差分算子利用个体的Pareto支配关系进行排序,在排序的基础上进行差分操作,将该差分操作融入到元胞遗传算法中,以加快种群的收敛速度。同时采用了一种带扰动的多项式变异以提高种群的多样性。测试结果表明,该算法在收敛性和多样性方面优于其它优异算法。将该算法应用于液体动压滑动轴承的多目标优化设计,优化结果表明该算法具有较高的工程实用价值。     

圆柱齿轮传动多目标优化的差分进化算法

针对单级斜齿圆柱齿轮传动机构优化设计问题,建立以体积最小化和重合度最大化为目标的约束多目标优化模型。为提高Pareto前沿的分布均匀性和分布广度,将网格Pareto占优技术与约束多目标差分进化算法结合,设计网格占优约束多目标差分进化算法(ε-CMODE)。根据工程实践需要,将离散约束多目标优化模型映射为约束非负整数规划问题,再改进ε-CMODE算法以求解该模型。最后,给出优化设计实例。结果表明,ε-CMODE算法能有效求解齿轮机构多目标优化问题,得到均匀分布的Pareto前沿,可为设计人员提供多组备选解。     

基于多策略差分进化的元胞多目标遗传算法

针对现有的多目标进化算法在求解复杂的多目标优化问题时收敛性不佳和解的分布性差等问题,提出一种基于多策略差分进化的元胞多目标遗传算法。通过分析不同差分进化模式的优劣,结合元胞模型,定义了一种多策略差分协同进化的选择算子;针对当前拥挤距离评估方法存在的缺陷,引入一种基于熵的拥挤距离评估方法,同时改进了替换策略。通过12个标准测试函数进行测试,证明了新算法相对于非支配排序遗传算法、元胞多目标遗传算法和混合元胞遗传算法,不仅具有更好的收敛性和多样性,而且在解的覆盖率上得到了一定程度的提高,尤其适合于高维复杂多目标优化问题的求解。     

基于改进粒子群优化算法的冗余机械臂逆运动学求解

以末端执行器的位姿误差最小为优化目标,将机器人的逆运动学问题转换为一个等效的最优化问题,并利用提出的改进粒子群优化算法对该问题进行求解.该算法从粒子群的初始化、惯性权重调整策略、差分变异进化及搜索空间的越界处理等多方面对标准粒子群优化算法进行综合改进,同时构建了以粒子群进化和差分变异进化为基础的两阶段混合协同进化机制,达到了有效平衡算法全局探索能力与局部开发能力的目的,提高了算法的收敛精度和收敛速度.以平面冗余机械臂和7自由度冗余机械臂的运动学逆解运算为例,将提出算法与对比算法用于逆运动学问题的求解.仿真结果表明,与对比算法比较,该算法具有更高的收敛精度、更快的收敛速度以及更强的寻优稳定性,能有效解决冗余机械臂的逆向运动学问题.     

Multi-objective Optimization of a Parallel Ankle Rehabilitation Robot Using Modified Differential Evolution Algorithm

Dimensional synthesis is one of the most difficult issues in the field of parallel robots with actuation redundancy. To deal with the optimal design of a redundantly actuated parallel robot used for an...     

基于粒子群算法的后桥可靠性稳健优化设计

为提高车辆零部件的安全性和稳健性,应用可靠性稳健优化设计理论和多目标决策方法,将车辆后桥的可靠性稳健优化设计转化为多目标优化问题.通过模糊多目标粒子群算法求出所有满足约束性条件的pareto解集,结合实际情况,依据pareto解集确定零部件的设计规格.实验表明,所提方法能迅速有效地获得可靠性稳健设计的信息.     

面向绿色高效制造的铣削工艺参数多目标优化

为了实现数控机床的绿色高效制造,考虑加工过程中刀具寿命和零件表面质量的实际约束条件,建立了以能量效率最高、碳排放最低和材料去除率最高为目标的多目标优化模型。通过设计面中心复合试验获取试验数据,采用信噪比方法将不同要求的优化目标转换成同要求的信噪比,使用基于组合权重的灰色关联分析法将多目标优化转化为单目标优化问题,基于响应曲面法建立关联度与工艺参数的二阶关系模型,应用量子遗传算法对优化模型进行求解。最后通过试验验证了该多目标优化模型的有效性。     

基于双层配置体系的产品配置算法研究

在大规模定制生产模式下,产品配置遇到了复杂模糊配置数据的处理问题,为此,提出了基于实例重用的产品配置模糊求解技术,设计了基于多目标遗传算法的产品配置优化算法.将产品配置过程划分为部件配置与零件配置两部分,利用典型条件概率解决产品配置领域的部件模糊配置问题,设计了基于非支配排序遗传算法-Ⅱ,求解以成本、时间和库存为优化目标的零件配置,并结合两者建立完整的产品配置求解算法体系.该算法有效地解决了复杂产品配置中模糊数据处理及配置组合爆炸的问题.     

基于多目标优化策略的螺旋弹簧可靠性稳健优化设计

应用可靠性稳健优化设计理论和多目标决策方法,将车辆螺旋弹簧的可靠性稳健优化设计转化为多目标问题.运用层次分析法选取粒子群算法中的全局极值和个体极值,提出基于层次分析法的多目标粒子群算法,并将该算法应用于可靠性稳健优化设计的多目标模型求解中.与传统方法相比,该方法简便、易行,并能迅速准确地得到车辆螺旋弹簧的可靠性稳健优化设计信息.     

基于神经网络的薄壳多目标振动优化控制研究

针对目前主动控制方法主要集中于减振降噪方面的研究,无法满足工程中频率特性改变的需求等问题,结合神经网络的多目标并行处理能力,提出基于神经网络的多目标振动优化控制方法。首先,基于神经网络算法,构造频域主动控制架构,相较于时域方法,该架构一个控制循环只需一次傅里叶变换(Fast Fourier transform,FFT),无傅里叶逆变换(Inverse fast Fourier transform,IFFT),因此,控制时效性得到有效保证。其次,基于全局频域误差与特征频点误差,构造混合型误差评判准则,提升算法的自适应性,可靠性与抗干扰能力。再次,基于多自由度系统方程,研究了多目标控制中的可控性问题,保证控制的可行性。最后,通过大型薄壳结构的八点多目标振动优化控制,有效验证了方法的有效性与可行性。     

海工产品分段建造中日程计划优化

为解决海工产品分段建造中日程计划管理效率低、计划决策结果不符合生产预期要求等问题,梳理了船厂海工产品分段实际建造先行中日程活动约束关系,提出非线性建造方式下的工期/工作量约束及将其转化为正常约束的方法。在对多目标非支配遗传算法改进的基础上,设计了将单船项目建造工期、成本增额和资源均衡程度作为优化目标的海工产品分段建造中日程计划优化算法。通过实例验证与对比分析,证明了算法在面对复杂进度网络与非线性建造方式下优化中日程计划的有效性和可靠性。     

基于Agent多层次的柔性车间调度多目标决策研究

对于多目标job-shop柔性制造系统调度决策问题,在实际调度过程中不同优化目标之间存在层次关系,同时在实际生产环境中所调度追求目标并非固定常常处于变动之中。为此提出了基于Agent多层次目标任务调度规划模型,将复杂的求解问题按层次分解为具有相对独立性的各求解子问题单元并建立各单元间的联系机制,采用交互式策略对复杂调度问题进行求解。通过对不同调度算例的求解并得到满意调度方案,并验证此方法的合理性及可行性。     

基于粒子群算法的电网检修计划编制

在电网检修计划编制的基本原则和工作流程下,根据粒子群基本算法原理对电网检修计划编制进行数学建模。考虑检修时间作为自变量矢量,考虑期望缺供电量和检修成本作为其目标函数,考虑检修时间、检修资源和安全性等多个因素作为约束。结合粒子群算法原理和多目标优化理论,全局搜索非支配解集,形成帕累托前沿。最后依据管理者不同的偏好,通过加权计算的方式量化评估各优化目标,从而遴选出最优解,也即最符合决策人员预期的检修计划。通过与非劣排序多目标遗传算法和多目标粒子群算法进行对比,证明本文算法具有较高的实用性,提升了电网运行维护的自动化水平。