-种基于Pareto解集的无约束条件的多目标粒子群算法

鉴于多目标优化问题的广泛存在性以及目前关于它的研究还较少,且没有一种很好的、通用的多目标PSO算法,本文提出了一种基于Pareto解集的多目标粒子群算法.通过采用一个"记忆体"来存储当前得到的Pareto最优解,对每次迭代得到的Pareto解集里的解两两进行比较以选取一个较优的解作为更新方程中当前最优解,这样可以更好的引导粒子群进行下一步的寻优操作,最终得到一个完整的Pareto最优解集.几个测试函数的仿真实验结果也表明了该算法取得了很好的效果.     

基于柔性靠泊的港口疏船调度多目标优化及最优解选择

针对集装箱码头大量船舶压港后的疏船调度需求,以船舶平均等待靠泊时间最短和港口加班作业成本最低为目标,构建了基于柔性靠泊的港口疏船调度多目标优化模型.采用嵌入邻域搜索规则的自适应粒子群算法进行求解,并基于得到的Pareto非劣解集,通过挖掘Pareto前沿分布的特点,以同时兼顾船公司和港口各方利益的无偏向概念,求出令船方...     

基于改进的非支配排序遗传算法的模块化产品多目标配置优化研究

在产品族模块化设计的基础上,应用模糊数学评价理论与最小二乘法,构建了以产品性能、成本及出货期为目标函数的配置优化数学模型,并采用基于改进的非支配排序遗传算法对三者进行并行优化.由此获得一系列基于Pareto最优集的配置方案来满足不同客户对产品性能、成本及出货期的要求,解决了客户需求侧重点对产品设计结果的适应性处理.最后,结合项目实施,给出该方法在机床制造业中的典型应用实例,验证了文中提出方法的有效性和适应性.     

基于小生境粒子群算法的公差多目标优化设计

为解决产品设计中的公差优化问题,提出一种基于小生境粒子群算法的公差多目标优化方法。以加工成本、质量损失成本和公差敏感性为优化目标,以装配功能要求和加工能力为约束条件,建立了公差多目标优化模型。对标准粒子群算法进行改进,根据小生境数和Pareto优劣性确定孤立粒子,并通过个体历史最优粒子与孤立粒子的变异、选择操作更新粒子的个体历史最优位置;利用Pareto支配数排序更新粒子群的全局最优位置。利用改进的粒子群算法对公差多目标优化模型进行求解,得到分布均匀的Pareto前沿。设计并开发了原型系统,通过实例验证了该方法的有效性。     

基于网格支配的微型多目标遗传算法

提出了一种基于网格支配的微型多目标遗传算法,该算法在求解较多目标函数的优化问题时具有较好的收敛性和较高的计算效率。该算法引入网格支配概念并结合微型多目标遗传算法,在每一代进化种群中计算各个个体的网格值、网格拥挤距离和网格坐标点距离,根据网格支配分级和网格选择机制策略选取精英个体,并对其进行交叉和变异操作,使其朝前沿面收敛以获得Pareto最优解。4个测试函数和2个工程实例验证了该算法的有效性。     

基于混合粒子群算法的多目标车辆路径研究

为解决多目标下带时间窗车辆路径的优化问题,提出了将粒子群算法与变异操作相结合的求解方式.设计了一个随迭代次数增加而变化的变异算子,采用轮盘选择机制,以使多目标离散问题能收敛到Pareto最优解集,并在Pareto曲线上有均匀的分布.采用随机键,将连续的粒子位置向量转化为离散的解向量,并通过提出相对最短距离法来评价解集的优劣.所提出的无间隔编码方式,减少了算法的无效迭代.通过实验,验证了该方法的简单有效性.     

基于拥挤距离排序的铝电解多目标优化

针对铝电解生产过程难以快速、准确地获得节能减排多目标优化Pareto前沿问题,提出一种基于拥挤距离排序的多目标细菌觅食算法。方法在保证铝电解槽平稳运行的基础上,建立电流效率最大和温室气体排放量最小的多目标优化模型;利用拥挤距离更新外部档案及对菌群步长进行自适应动态调整,以改进种群的收敛性和多样性,最后对优化模型求解。通过实验可知,改进后的算法能快速获得分布均匀的Pareto最优解,运用优化后的决策参数指导生产,能在提高电流效率的同时减少温室气体的排放量,实现铝电解生产过程节能减排的目的。     

基于多目标优化的备件保障决策研究

备件供应保障优化是提高武器装备的战备完好性和降低寿命周期费用的重要途径.通过分析复杂武器装备可修复备件两级供应保障系统,提出了一种基于Pareto最优多目标优化算法,研究了备件保障与装备战备完好性的关系,建立了基于并列选择备件购置费用和库存费用、以系统供应保障度为目标的多目标可修复备件供应保障优化模型,并结合边际效能法和Pareto多目标优化方法进行求解,得到一个均匀分布于Pareto前沿的优化解集.最后,对模型进行了算例分析和参数敏感性分析.实例应用证明,模型可以优化备件库存,并可以评估备件库存水平、两级维修能力和系统自身可靠性等因素对系统保障效能的影响.     

基于iSIGHT的鼓式制动器多目标优化设计

以鼓式制动器效能因素最大和制动鼓体积最小为目标,对鼓式制动器进行多目标优化设计,利用iSIGHT集成的多目标优化遗传算法,得到多目标优化问题的Pareto最优解集,再利用Pareto最优解集专用后处理工具EDM,找到最合适的折衷解.     

基于拥挤距离排序的多目标粒子群优化算法及其应用

针对多目标粒子群算法在全局寻优能力和Pareto集多样性上的不足,提出基于拥挤距离排序的多目标粒子群算法.该算法采用精英策略,基于个体拥挤距离降序排列,进行外部种群的缩减和全局最优值的更新,并在内部粒子群中引入小概率变异机制,增强算法的全局寻优能力,控制Pareto最优解的数目,同时保证其收敛性和多样性特征.在电梯曳引性能的多目标优化应用中,证明了该算法对于两目标和三目标优化问题求解的有效性.不同规模实例的运算对比表明,该算法在Pareto前沿的收敛性和多样性方面均优于改进强度Pareto进化算法,且缩短了运算时间,具有较高的效率与鲁棒性.     

基于决策偏好的多目标粒子群算法及其应用

针对传统多目标粒子群算法在解决复杂多目标优化问题上的不足,提出一种基于决策偏好的交互式多目标粒子群算法。该算法考虑决策者的正偏好和负偏好对粒子的引导作用,首先计算外部种群粒子与双极偏好点的相对贴近度,并进行排序;根据排序结果进行外部种群管理和全局最优解更新;使用δ-邻域值控制Pareto解集的分布性。在随机多目标库存控制应用中,证明了该算法对复杂应用问题求解的有效性,性能对比结果表明,该算法的收敛性、多样性和运算时间优于基于参照点的第二代非支配解排序遗传算法。     

基于网络分析的发电机无功优化研究

为解决发电机无功优化的问题,提出了一种具有概念清晰、计算便捷等特点的基于网络分析的发电机无功优化方法。该方法的实现过程包括,首先利用节点功率平衡的关系以及支路电压损耗的关系,得到了各节点电压以及支路无功潮流对除平衡节点以外的发电机节点无功出力以及平衡节点电压的近似灵敏度;其次,根据基于无功潮流追踪的网损分摊方法,将有功网损分摊到各发电机节点,且按照网损分摊的大小选取了发电机无功优化点;然后,通过各支路潮流以及节点电压,建立了近似的网损优化模型,且计算得到了发电机无功优化点的优化量;最后,用IEEE39节点系统验证了所提方法的有效性以及可行性。研究结果表明,所采取的措施能同时改善无功功率分布以及电压水平,具有一定的实用价值。     

基于改进粒子群优化算法的多目标铜卷加工生产调度研究

针对多目标铜卷加工生产调度问题,提出一种自适应的改进粒子群优化算法。该算法采用基于个体拥挤距离排序的外部种群保留策略以避免陷入局部极值,基于个体拥挤距离概率更新全局极值以及基于支配关系更新个体极值,同时采用基于非支配解和单点交叉的内部种群规模自适应调整策略以及自适应动态惯性权重来保持种群的多样性。通过应用实例验证了该方法求解多目标铜卷加工生产调度问题的有效性。     

基于量子粒子群优化算法的斜齿轮设计

粒子群优化算法是一种基于群智能的优化方法,量子粒子群优化算法是基于PSO进行改进的算法,规则简单、收敛速度快、易于编程实现。对于多约束条件的斜齿轮传动的优化设计,笔者提出了一种基于量子粒子群优化算法优化求解的方法,实践表明能够快速、有效求得优化解,是求解齿轮优化设计问题的一个较好方案。     

公差设计多目标模型及其粒子群优化算法研究

为解决成本一公差设计模型中忽视产品质量的问题，以新型的田口质量观和Pareto最优解集概念为基础，提出了一种公差设计多目标模型。该模型将加工成本和质量损失分别作为设计目标，并以统计法公差装配成功率为约束条件，获得了比极值公差法更加宽松的公差限。改进了传统的粒子群优化算法，利用Pareto最优性重新定义粒子，然后采用快速非支配排序技术进行粒子的适应度排序，使其能够有效地对多目标模型进行求解。该算法对具体工程实例求解时，一次运行就可求得令人满意的Pareto最优解集，设计者可以根据生产实际和市场需求从中进行选取。通过对求得的Pareto进行最优前沿的分析，可得到该类零件公差设计的特性，其结果验证了公差诒计的一船规徨．     

智能优化算法在无功优化中的应用综述

对无功优化的研究现状进行了总结,对现有的无功优化算法进行了分类。重点介绍了智能优化算法在电力系统无功优化中的应用及其优缺点,在此基础上,概括了几种常用混合优化算法。最后指出了无功优化的发展趋势。     

基于NSGAⅡ的齿轮减速器多目标优化研究

为了解决工程设计中有离散变量、多约束的多目标优化问题,对改进的非占优排序遗传算法(NSGAⅡ)进行了研究,通过基于拥挤距离的非占优排序,提出了离散变量和多约束的处理方法,利用Matlab软件编写了NSGAⅡ的多目标优化程序,并以二级减速器多目标优化设计为例,建立了多目标优化数学模型,运用NSGAⅡ算法求解得到了帕累托最优解集,根据模糊集合理论的有关方法选取了最优解,与传统方法得到的结果相比,体积、失效概率和传动误差都有不同程度的降低。研究结果表明,修改后的NSGAⅡ能用于有效地求解有离散变量、多约束的多目标优化设计问题。     

基于多目标优化的矿用救援机器人动力匹配

目前,矿用救援机器人只有通过动力系统参数的合理匹配解决其在复杂恶劣的井下环境中无法随时补充能源及防爆电池组对机器人动力性能影响严重的问题。为此,提出基于多目标粒子群优化算法的动力匹配设计方法。该方法根据矿用救援机器人动力性能要求,确定了其动力系统参数匹配的优化目标和约束条件;基于履带行驶动力学,并考虑防爆电池组对机器人动力性能的影响,建立矿用救援机器人动力匹配模型,确定动力系统参数匹配多目标优化的决策变量;通过多目标粒子群优化算法确定了矿用救援机器人动力系统参数匹配的合理取值范围。通过试验与优化前的设计相比,机器人的总质量降低了24.36%,续航时间增加了1倍,进而验证了该方法能够有效、快速地解决矿用救援机器人动力系统参数的合理匹配问题。