多目标优化的进化优化算法

进化优化算法具有全局优化能力,可以一次性求解多个非劣解。近年来,此类方法已经成为求解多目标优化问题一个重要的研究方向。本文分析了进化优化算法的关键步骤,介绍了几种代表性的多目标进化优化算法,并指出了值得进一步研究的相关问题。     

智能网联汽车多目标预测优化换道决策方法

换道决策是智能网联汽车的核心难题之一,其面临着高动态、复杂交通场景下需要综合考虑行驶安全及效率等目标的巨大挑战。提出一种多目标预测优化的换道决策方法,主要包括动力学矩阵建模及多目标预测优化问题解算。基于智能网联汽车的通讯大数据信息构建交通流矩阵模型,然后分别设计表征车辆换道安全、行驶效率的动力学模型,通过多目标综合预测优化方法,求解条件约束下预测优化问题从而优化出最优换道决策指令。结果表明,所提出的预测优化换道方法较其他方法提高了智能汽车的行驶安全性和效率。     

铝电解生产过程的多目标优化

针对某铝厂铝电解生产过程中的摩尔比、电解温度和极距难以根据不同工况进行实时调整,无法达到期望综合生产目标的问题,提出以电流效率最高、槽电压最低为优化目标,以氧化铝浓度指标和生产工艺要求为约束条件的基本优化思想.首先采用多元线性回归与改进BP神经网络方法,建立铝电解生产过程非线性不等式约束的多目标优化模型;然后,采用比例加权系数法与广义简约梯度组合算法求解多目标优化问题,获得摩尔比、电解温度和极距的优化设定值.研究结果表明,在工况正常时,模型优化结果的相对误差在5％左右;工况异常时,模型优化结果的相对误差在10％以内;本文所用方法的优化精度较高,基于实际生产数据的仿真结果的有效率都在90％以上,在工况正常情况下可以达到97％,此结果能很好地满足企业的要求.     

基于多目标满意优化的热轧非对称工作辊设计

热轧非对称工作辊可兼顾板形控制和自由规程轧制,其关键参数通常采用经验设计法,缺乏相应的依据.本文提出了热轧非对称工作辊关键参数的理论设计方法.由于设计过程中无法精确给定已知条件,因此把多目标满意优化引入到非对称工作辊的参数设计中,建立了综合满意度目标函数,并用模拟退火遗传算法进行满意度最优值求解.采用满意解代替最优解,使得辊形参数的优化设计结果更具科学性.在某热连轧生产线上的实际应用表明,优化设计的辊形在板形控制和自由规程轧制方面均取得了理想的效果.     

计及差异化用户偏好的光储充一体化家庭用能系统多目标优化调度

基于价格型需求响应的家庭能源管理系统优化调度可显著提升家庭用能体验。同时,用户侧光储充一体化用电新模式也给家庭能源管理带来新的挑战。针对供给侧光伏出力问题,提出了一种耦合改进惯性权重混沌粒子群算法和长短期记忆神经网络的ICPSO-LSTM组合预测模型,对光伏发电进行精准化预测;针对用能侧负荷多样性特点,将其划分为不可调度、可中断、可转移三类进行精细化建模,并综合考虑电动汽车短途、中途、长途个性化用能行为及反向供电模式Vehicle to Home(V2H)。在此基础上,根据不同用能偏好,将用户划分为经济型、标准型和舒适型,构建考虑用户用能成本和舒适度的多目标优化模型,并采用ICPSO算法进行求解。最后,对比分析了典型场景下家庭能源管理系统的实施效果。     

多种群蚁群算法在多目标优化中的研究

本文针对多目标优化问题提出了一种多种群蚁群算法,按照目标函数的个数建立蚁群种群数,在各个种群搜索过程中,创新性的引入了种群间的全局信息素更新和局部信息素更新,既提高算法对pareto解的搜索效率又避免了陷入局部最优,并针对多目标优化问题进行了仿真,证明了算法的可行性。     

炼油厂原油选购多目标优化

为保证原油加工装置的平稳生产和取得好的经济效益,大多数炼油厂会通过控制混合性质同时选购几种原油进行混炼.原油选购优化现已成为提高炼油厂经济效益的重要手段.以炼油厂原油选购利润最大以及混合原油与目标原油的性质相对偏差最小作为目标,建立了一个多目标原油选购优化混合整数非线性规划模型.在多目标列队竞争算法(MOLCA)的基础上,改进了目标值的排序方式,并加入变异算子,提出了一种改进的多目标列队竞争算法(IMOLCA).利用IMOLCA优化求解该模型,可以得到两优化目标最优解集的Pareto前沿.通过实例分析,验证了模型和算法的有效性.计算得到的方案可为炼油厂原油选购提供参考.     

面向节能的建筑设计多目标优化方法

考虑绿色建筑设计时重点关注的两个指标(节能和舒适度),建立绿色建筑节能设计的多目标优化模型;采用建筑能耗模拟软件EnergyPlus评价个体的适应值,利用基于分解的多目标进化算法优化上述模型,给出融合EnergyPlus的建筑节能多目标进化优化算法及其执行方法.以我国北方常见的多房间居民建筑为例进行多目标优化,结果表明...     

并行混沌与和声搜索的多目标混合优化算法

针对传统的混沌优化算法对初始值敏感、搜索精度低和收敛速度慢,以及和声搜索收敛不稳定、处理多目标优化问题时适应性差等不足,研究了一种多目标并行混沌与和声搜索混合优化算法(MOCOHSA).MOCOHSA利用并行混沌优化的全局搜索能力与和声搜索算法的局部搜索能力,并在和声搜索中引入自适应操作,在解决多目标优化问题时表现出良好的搜索速度和收敛性能.对8个多目标优化测试函数的优化计算中,该算法表现出比其它多目标优化算法更好的性能.算法最后用于解决卫星热管设计问题.     

基于多目标优化的虚拟机放置方法

在虚拟机放置问题中,传统启发式方法不能完全适用于复杂的云计算环境,采用智能算法的研究又缺乏对时间开销的考虑。针对上述问题,提出一种基于Memetic算法的虚拟机放置(Memetic algorithm-based virtual machine placement MAVMP)方法。MAVMP方法针对云数据中心运营情况建立了最小化能耗、最小化运行时服务等级协议违例率(service level agreement violation time per active host, SLATAH)以及最大化资源利用率的多目标优化模型,将虚拟机按照资源请求情况进行分类,并利用该分类方法改进了Memetic算法,利用改进后的Memetic算法求解多目标优化模型,得到虚拟机放置方案。仿真实验结果表明,仿真数据中心利用MAVMP方法进行虚拟机放置后,其在能耗、资源利用率以及服务质量的评价指标上都有着良好表现。并且,MAVMP方法与已有的基于智能算法的虚拟机放置方法相比计算时间也大幅下降。     

基于公理设计的多目标优化方法研究

针对利用多目标优化理论进行产品设计时存在求解困难的问题,综合应用多目标优化理论与公理设计理论,提出利用公理设计理论独立公理中的全参直度和全能直度来解决多目标优化问题中求解困难的一般方法．并通过对一个简单的多目标优化问题的求解,验证了该方法的有效性．     

多目标粒子群优化算法研究

在过去的十多年,粒子群算法对多目标优化问题的应用研究取得了较大的进展．本文首先描述多目标粒子群优化算法（MOPSO）的基本流程,然后从算法设计与应用等方面回顾MOPSO的研究进展,最后对该算法未来的研究进行了分析和展望.     

基于高效非支配排序的多目标人工蜂群算法

多目标优化问题广泛存在于科学与工程领域,为了提高求解效率,改进算法中的关键环节——非支配排序,提出了一种基于高效非支配排序的多目标人工蜂群算法。本文算法根据精英指导离散解生成策略进行局部搜索,运用高效非支配排序计算解的前沿面,最后根据前沿面排名和拥挤距离来挑选表现较好的解进行下一轮迭代。在基准函数上的实验验证了本文算法在保证求解性能的前提下,可以降低1/2的比较次数,运行效率提升近65%。     

多目标优化问题的非单调对角最速下降算法

【目的】为了更高效的求解多目标优化问题,得到更有效的Pareto前沿面。【方法】通过引入非单调Armijo准则,得到新的步长搜索方式,进而提出了多目标优化问题的非单调对角最速下降算法。【结果】在目标函数无凸性、梯度Lipschitz连续性和下有界假设下,证明了算法产生序列的每个聚点均是多目标优化问题的Pareto弱有效解,并在适当条件下证明了算法的次线性收敛性。【结论】数值实验表明提出的算法目标函数值的平均值更小。     

多目标优化问题的同伦方法

用组合同伦方法求解带有不等式约束的多目标优化问题, 该同伦方法不要求可行域满足法锥条件, 且目标函数权重向量的初始值是非可行的. 在上述条件下, 给出了同伦路径的存在性、 有界性和收敛性的证明.     

油库选址问题的多目标优化方法

【目的】研究油料运输过程中油库的最优选址问题。【方法】综合考虑多方面因素，建立以经济成本最小化、用油单位满意度及油库安全性最大化为目标的多目标优化模型，并对模型进行分析。【结果】基于多目标优化问题经典的线性加权标量化方法，引入模拟退火算法对多目标优化模型进行求解。【结论】提出的多目标优化方法能够在较高的安全性和满意度下获得更优的经济成本，为更好解决油库选址提供决策参考。     

改进蚁群算法求解多目标优化问题

针对传统蚁群算法在多目标优化问题中容易陷入局部最优的缺点,提出一种采用直接学习机制的改进蚁群算法。该算法通过采用模拟蚂蚁用触角交流信息过程的直接通信学习机制,用以改进信息素的更新规则,从而维持群体的多样性。通过两组多目标基准函数验证算法性能,仿真结果表明该算法所获得的Pareto解具有多样性以及均匀分布性,有效地提高了蚁群算法全局寻优的能力。     

基于万有引力定律的多目标优化算法

针对一类多目标优化问题,提出一种基于万有引力定律的优化算法．首先把决策变量空间的解看成带有质量的个体,然后根据万有引力定律,计算每个个体的合加速度,再根据运动规律,给出产生新解的迭代公式．仿真实验结果表明,算法是可行的、有效的．     

基于多目标优化方法的一类k-Means自适应算法

【目的】针对k-Means聚类算法及MinMax k-Means聚类算法需要人为提前给定聚类数量而导致数据划分准确率偏低以及MinMax k-Means算法聚类效果受类簇边缘点影响较大等不足提出解决方案。【方法】将k-Means和MinMax k-Means算法的目标函数相结合,建立多目标优化模型,提出基于多目标优化方法的k-Means算法。分析簇数异常情况下最小中心方差与最大簇内方差之间的关系。【结果】发现当分类簇数大于最优簇数时,最小中心方差小于最大簇内方差,据此提出了基于多目标优化方法的k-Means自适应算法。【结论】数值实验表明：提出的自适应算法在人工数据集和UCI标准数据集均具有较好的自适应性且聚类效果较优。     

分层多目标优化的区间算法

文章根据分层多目标优化的基本原理,结合区间分析的方法,提出了求解约束分层多目标规划问题的区间算法,克服了传统算法中存在的评价函数选取难和有效解可选性差的缺点,证明了算法的收敛性,给出了数值算例。