多目标优化量子进化算法及其在PID控制器中的应用

目前量子进化算法主要应用于单目标优化问题．本文结合量子进化算法和经典多目标优化算法中常用的非支配排序技术,提出一种解决多目标优化问题的多目标优化量子进化算法（Multi—objective Optimization Quantum Evolutionary Algorithm,MOQEA）,并将其应用于PID控制器参数整定．经过实验证明,无论是解的质量还是解的分布均匀性,MOQEA都优于经典多目标优化算法NSGA—II．     

遗传算法求解多目标柔性Job-shop问题

本文描述了基于可变机器约束的多目标柔性Job-shop调度问题模型,并应用一种改进的遗传算法进行求解。我们采用了表示工序先后顺序及机器选择的二维编码方式,以多目标优化函数为度量,通过三种遗传操作扩展后代的多样性和算法的搜索空间。仿真结果验证了该算法能有效解决多目标优化问题。     

基于GAAA算法的深海集矿车的最优路径规划

针对提高深海集矿车的集矿效率,实现最优路径规划的目标,建立了从起始点到达目的点时,集矿机所需时间最短、耗能最少的多目标优化问题的模型,并通过对子目标加权将多目标优化问题转换成单目标优化;在蚁群算法的基础上,采用了将遗传算法与蚁群算法相融合的算法,即GAAA算法;对集矿车作业路径进行寻优控制,在实现高集矿覆盖率和集矿效率的同时,提高了集矿车整机作业效率;仿真实验表明,GAAA算法用于集矿车路径寻优是可行的和有效的。     

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．