单曲柄双摇杆扑翼机构多目标优化设计

对单曲柄双摇杆仿生扑翼机构进行多目标优化设计,可为机构实际应用提供多组备选解。在单曲柄双摇杆机构运动分析的基础上,建立其约束多目标优化模型。其中,以最小化左右扑翼角之差的最大值和最大化扑翼角幅值为目标,以满足Grashof准则、力传递性能和仿生学规律等为约束条件。采用一种改进多目标进化算法——扇形采样约束多目标差分进化算法求解该多目标优化问题,得到多组满足约束条件的Pareto最优解。最后,对Pareto最优解和被支配解进行比较分析,结果表明,前者的目标函数值优于后者。     

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。     

一种用于多目标约束优化的改进进化算法

当前求解多目标优化的进化算法主要考虑如何处理相互冲突的多个目标间的优化,很少考虑对约束条件处理的问题.对此,给出了一种基于双群体搜索机制的改进差分进化算法,以求解多目标约束优化问题.采用两个不同种群,分别保存可行个体与不可行个体的双群体约束处理策略,利用基于Pareto的分类排序多目标优化技术,完成对进化个体解的评价.并通过群体混沌初始化、自适应交叉和变异操作来提高基本差分进化算法的性能.对三个经典测试函数的仿真结果表明,文中算法在均匀性、逼近性及收敛速度三方面均优于非支配排序遗传算法,而收敛速度也优于另两种改进进化算法.     

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.     

基于直觉模糊数与多目标优化算法的工艺路线优化

为解决工艺规划中的工艺路线决策问题,提出基于直觉模糊数与元胞自动机—第二代强度Pareto进化算法的工艺路线多目标优化方法。分析了零件的加工特征并将其分解为可用知识化表达的加工元,为有效处理加工元之间的模糊性顺序约束关系,利用直觉模糊数设计结构矩阵来建立加工元之间的约束关系。在此基础上,构建了以加工设备变换成本、装夹变换成本、刀具变换成本为优化目标的工艺路线多目标优化模型。为提高求解多目标工艺路线的求解效率,利用元胞自动机和第二代强度Pareto进化算法对工艺路线优化模型进行求解,得到由多个可行的工艺路线组成的Pareto前沿,进而通过模糊熵对其评价后筛选出最佳工艺路线。以某设备的传动箱箱体为例,验证了所提方法的可行性与有效性。     

多目标不完全拆卸线平衡问题的建模与优化

针对实际生产中在满足约束条件下仅考虑拆卸需求零件和危害零件的特点,以工作站数目、空闲时间均衡指标和拆卸成本为优化目标,构建了不完全拆卸线平衡问题多目标模型。基于解的离散性和优化目标的多重性,提出一种Pareto解集思想的变邻域-粒子群融合算法。该算法通过建立拆卸任务和粒子群迭代搜索的对应关系,将变邻域搜索作为局部搜索策略,同时引入Pareto解集思想、拥挤距离机制处理多目标问题,以保证求解结果的多样性;通过Hyper-volume指标解决了多目标优化难以评价算法收敛性能及Pareto解集优劣等问题。采用所提算法求解不同规模完全拆卸线平衡问题测试算例,其中不同搜索深度的对比试验表明了变动搜索深度能很好地兼顾求解质量和求解效率,不同算法的对比试验表明了所提算法的优越性。最后,将所提模型与求解方法应用至某打印机不完全拆卸线的设计中。     

人机结合多目标协同进化算法求解卫星设备布局

针对多层系统多目标优化的多舱段卫星设备布局设计的工程满意Pareto最优解集求解困难问题,基于协同进化框架,给出一种人机结合的多目标协同差异进化算法。算法将人机结合方法引入基于协同进化框架的多目标协同进化算法,构建含人工和算法的精英解集合的档案,提出用差异进化算法随机自动实现由算法子个体和人工子个体两两组合生成个体的3种方式,用于子系统的人机结合。在迭代前期采用子系统人机结合增加算法的多样性和分散性,在迭代后期采用系统人机结合增加算法的收敛性和分布性,从而提高基于协同进化框架的多目标协同进化算法求解这类多层系统的多目标优化的计算性能,获得Pareto最优解集。最后,通过案例验证了该算法具有较好的计算性能。     

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。     

基于混合粒子群算法的数控切削参数多目标优化

为选择合理的数控切削用量,建立了加工成本和数控切削加工效率的数学模型。针对模型其多约束、非线性的特点,采用约束违背度方法处理约束条件。为避免算法陷入局部最优,两次引入Metropolis抽样准则,提出混合多目标粒子群优化算法(HMOPSO)求解。最后采用层次分析法选择最优Pareto解,并通过实例计算对所提出方法进行了验证。     

基于多目标猫群算法的混流装配线排序问题

针对现实混流装配线上各工作站内设备闲置/超载的成本不同的问题,在传统的最小化闲置/辅助工作总成本目标的基础上,考虑不同工作站内设备闲置/超载成本的差异,建立了以改进的最小化工作站闲置/超载总成本、产品变化率和产品切换总时间为目标的多目标优化模型,并设计一种改进多目标猫群优化算法进行求解。提出一种基于线性混合比率的猫行为模式选择方法,以提高算法前期的全局搜索能力和后期的局部寻优能力;提出能生成分布广泛的候选个体、基于多样化搜寻算子的改进搜寻模式,拓展算法的搜索空间,提高算法的全局搜索能力。运用基准实例对所提算法与第二代非支配排序遗传算法、多目标粒子群算法、第二代强度Pareto进化算法进行比较,结果表明所提算法在解的收敛性、分布性和Pareto解的搜索能力上均具有优势。将该算法用于求解某实例企业的混流装配线排序问题,为车间调度人员的决策提供了多样化的选择,且优于车间已有方法的求解结果。     

空间约束下多目标拆卸线平衡问题的改进狼群算法

考虑实际拆卸过程中的工作站空间面积约束,以最小化工作站数目、空闲时间均衡指标、拆卸成本及工作站实际使用面积极差值为优化目标,建立空间约束下的多目标优化数学模型,提出一种离散多目标改进狼群算法求解.通过对游走行为、召唤行为和围攻行为进行离散化,引入Pareto解集思想及NSGA-Ⅱ拥挤距离机制,获得多个高质量、多方面综合的较优解.通过对不同规模基准算例的求解,对比说明所提算法的有效性和优越性.最后,将该算法用于求解考虑空间约束的某打印机拆卸实例中,得到10组可行的任务分配方案,表明考虑空间约束的模型和所提算法的可行性.     

基于MOPSO的航空发动机分支管路多目标布局优化

分支管路的布局优化属于NP难问题,其多目标优化情况则更加复杂。针对航空发动机分支管路多目标敷设问题,以分支管路长度最小化、分支点数量最小化以及管路平滑度最优为优化目标,建立了基于避障Steiner树的分支管路多目标布局模型。考虑到模型的复杂性,设计基于多目标粒子群优化（Multi-objective particle swarm optimization,MOPSO）的模型求解算法。其中,以分支点数量和坐标作为决策变量;针对分支管路拓扑结构特点,提出一种分支管路平滑度计算方法,结合非支配排序和网格密度计算完成个体多目标评价;通过可视图和测地线处理约束条件;通过多目标粒子群进化计算求得Pareto解集。所建立的分支管路多目标布局模型及求解算法考虑了多端点情况、多目标优化以及避障约束。最后通过管路敷设算例验证了可行性。     

基于仿真试验和Kriging模型的多目标优化问题全局优化算法

针对复杂工程系统的多目标仿真优化问题,基于Kriging模型,提出一种将优化过程与试验过程相结合的全局多目标优化算法。该算法利用构造的加点准则序贯选取能应对约束和逼近真实Pareto解集的试验点,只需少量仿真试验就能得到优化问题的高精度Pareto解集。考虑试验点的可行性概率、间隔距离和Kriging模型的不确定性,设计亦能有效辨识非连通可行域的加点准则;提出以最大化试验点的期望超体积改进和可行性概率为目标的近似Pareto解集改进准则,使新试验点兼顾改进近似Pareto解集的质量和精确刻画可行域边界。通过三个数值算例将所提算法与已有算法进行比较,计算结果验证了所提算法的有效性和高效性。     

基于自适应进化多目标约束的青霉素发酵过程优化EI北大核心CSCD

发酵过程多目标优化控制是提高发酵过程生产水平和经济效益的有效途径。提出了一种自适应进化多目标约束粒子群优化算法,并应用于青霉素分批补料发酵过程多目标优化。该算法根据不符合约束条件粒子的约束违反程度,修正了多目标粒子群优化算法的进化学习公式,提高了算法在约束边界区域的搜索能力;引入基于拥挤距离的Pareto最优解分布性动态维护策略,改进了Pareto前沿的分布性。实验结果表明,该算法能获得具有较好分布性的Pareto前沿,给出的底物补料策略能够使青霉素发酵过程在消耗更少底物的同时获得更多的产物产量,实现了发酵过程的多目标优化。     

基于多目标优化算法的发动机进气道设计

在发动机进气道满足性能的基础上采用多目标优化方法对其结构进行多目标优化设计.提出了利用多目标进化算法的优化策略对进气道进行优化设计,选取进气道气流转折角作为设计变量,在进气道尺寸以及流量的约束条件下,采用Halton序列产生初始均匀种群,利用Pareto的非支配排序的方法对发动机进行优化设计以达到尽可能小的阻力系数、尽可能大的总压恢复系数和进气道升压.通过文中设计的多目标进化算法对发动机进气道进行优化设计,得到的优化解均优于初始设计的Pareto最优解,表明多目标进化算法较强的适应能力,达到了进气道优化设计的目的,为发动机进气道的优化设计提供了参考.     

聚类差分进化算法求解多目标工艺规划与 调度集成问题

针对多目标工艺规划与调度集成问题,以完工时间、交货总拖期和设备工作负荷为优化目标,建立了多目标非线性工艺规划集成模型,提出一种聚类差分进化算法。该算法设计了包含工艺、设备和加工顺序信息的3层编码结构,结合聚类算法、差分进化算法和遗传算法的相关操作,有效地优化工艺信息和调度方案,保持可行解的多样性,实现Pareto非支配解集快速更新。通过对Pareto非支配解集进行领域搜索,使其更加接近或到达Pareto最优解集。最后通过实例验证了算法的性能。     

多品种小批量产品冲压计划排程多目标优化

为提高混合冲压车间的生产效率、缩短交货期并减少生产成本,以最小化最大完工时间、换模次数、加工成本为优化目标,建立了混合冲压计划排程的多目标优化模型,采用基于非支配排序的遗传算法进行求解。设计了包含模具信息的染色体编码和解码方式,并利用线性加权法从Pareto解集中筛选出满意解。以某汽车生产企业冲压车间一个生产周期的生产任务为例,验证了所提方法的可行性与有效性。     

供应商参与下的产品方案多目标优化与多属性决策规划方法

针对现有供应商参与下的产品方案规划方法在零部件优化和供应商评价等两方面所存在的局限性,提出零部件多目标优化和供应商模糊动态多属性决策评价相集成的二阶段规划方法。建立以产品零部件组合方案的质量、成本和交货期等为目标的数学优化模型,以Epsilon策略和主导性约束处理机制对强度Pareto多目标进化算法进行适应性改进后用于对该优化模型进行求解并获得有限数量的Pareto最优解。引入傅里叶级数对伯努利预测模型的误差进行修正来提高预测精度,将修正的伯努利预测模型和模糊动态多属性决策模型相结合用于对Pareto最优解中包含的各零部件供应商进行评价,进而确定出各零部件的最佳供应商和最终的产品规划方案。以供应商参与下的空分设备研发过程作为实例,进行数值仿真计算,结果表明所提出方法具有可行性与有效性。     

基于强度Pareto进化的注塑机注射性能多目标优化

为实现大型注塑机注射性能的优化设计,构建了注射压力、注射速率和注射功率优化模型,应用多目标进化算法,系统分析了影响注射性能的各方面因素.改进强度Pareto进化算法,引入模糊C均值聚类,加快外部种群的聚类过程.采用约束Pareto支配和浮点数、二进制混合染色体编码策略,一次运行就能求得分布均匀的Pareto最优解集,并使用基于集合理论的方法选择一个最优解.试验分析表明:结合了强度Pareto进化算法与模糊C均值聚类方法的混合算法在提高注射综合性能的同时,能够获得比线性加权法分布性更好的Pareto前沿;且与强度Pareto进化算法相比,显著缩短了运算时间,具有较高的效率与鲁棒性.     

带模糊预约时间的车辆路径问题的多目标禁忌搜索算法

为优化具有模糊预约时间的车辆路径问题,应用模糊事件给出了车队服务满意度的一个新的度量方法和求最大满意度的计算方法.建立了多目标数学规划模型,并提出多目标禁忌搜索算法求解Pareto最优解.采用随机车辆配载方法生成初始解放入候选解池中,提出插人可行邻域和2-Opt可行邻域进行邻域搜索.对池中的Pareto解进行并行的禁忌搜索得到局部Pareto解再注人池中,最后求得一组Pareto解.通过Solomon的benchmark算例,与非支配排序遗传算法Ⅱ进行对比实验,说明了所提算法的优越性.