灾情巡视问题的蚁群两目标优化算法研究

分析目前灾情巡视问题求解方法存在的缺陷,归纳出灾情巡视问题两目标优化模型.针对灾情巡视问题模型特点,引入蚁群算法和多目标优化理论,提出两个灾情巡视问题的蚁群两目标优化算法:算法1将灾情巡视问题的道路网络转化为完全图,增加m-1个(m为巡视组数)虚拟巡视起点,将灾情巡视两目标优化问题转化为单旅行商两目标优化问题,然后使用蚁群算法和多目标优化理论进行迭代求解.算法2使用一只蚂蚁寻找一个子回路,m个子回路构成一个灾情巡视可行方案,采用罚函数法和多目标优化理论构建增广两目标优化评价函数,使用g组,共g×m只蚂蚁共同协作来发现灾情巡视问题的最优解.算法特点:①算法1将灾情巡视两目标优化问题转化为单旅行商两目标优化问题,可以充分利用已有蚁群算法求解单旅行商问题的研究成果;②两个算法引入蚁群算法,提高了算法效率;③两个算法克服目前灾情巡视问题的求解方法不严密性缺陷;④两目标优化算法可以为用户提供多个满足约束条件的Pareto组合解,扩大了用户选择范围,增强了算法的适用性.算法测试表明:灾情巡视问题的蚁群两目标优化算法是完全可行和有效的.     

基于存档策略的多目标优化的遗传算法及其收敛性分析

设计了一种用遗传算法求解多目标优化问题的有效方法——基于存档策略的多目标优化的遗传算法,并讨论了此算法的收敛性.首先给出档案的定义,设计出基于支配关系下的带有存档策略遗传算法,并通过算例检验了算法的有效性;然后引入了两档案间的距离的概念,在此距离定义的基础上证明了算法在概率意义下是收敛的.     

A Hybrid Meta-Heuristic for Multi-Objective Optimization: MOSATS

Real optimization problems often involve not one, but multiple objectives, usually in conflict. In single-objective optimization there exists a global optimum, while in the multi-objective case no optimal solution is clearly defined but rather a set of solutions, called the Pareto-optimal front. Thus, the goal of multi-objective strategies is to generate a set of non-dominated solutions as an approximation to this front. However, the majority of problems of this kind cannot be solved exactly because they have very large and highly complex search spaces. In recent years, meta-heuristics have become important tools for solving multi-objective problems encountered in industry as well as in the theoretical field. This paper presents a novel approach based on hybridizing Simulated Annealing and Tabu Search. Experiments on the Graph Partitioning Problem show that this new method is a better tool for approximating the efficient set than other strategies also based on these meta-heuristics.     

解非线性规划问题的非参数罚函数多目标正交遗传算法

对非线性规划问题的处理通常采用罚函数法,使用罚函数法的困难在于参数的选取.本文提出了一种解非线性规划问题非参数罚函数多目标正交遗传算法,对违反约束的个体进行动态的惩罚以保持群体中不可行解的一定比例,从而不但有效增加种群的多样性,而且避免了传统的过度惩罚缺陷,使群体更好地向最优解逼近.数据实验表明该算法对带约束的非线性规划问题求解是非常有效的.     

出口海陆仓融资决策多目标优化模型与算法

授信额度分配决策是出口海陆仓融资业务中的重要问题,为权衡该项业务中的风险和收益,综合考虑出口国家政治风险、风险价值约束以及信用风险等因素,构建以收益最高和风险最低为目标的优化模型。针对所构建模型的特点,提出一种将模拟退火与NSGA-II算法相结合的混合算法对模型进行求解。最后,通过具体实例,分别以现实中常见的1~5个月质押期为例,验证了模型和算法的适用性及有效性。     

电力系统多目标优化运营研究

针对智能电网系统的安全与经济运行问题,建立了一个同时考虑经济、环境和安全指标的电网系统多目标优化模型,并运用理想点法对电网系统的多目标优化运营问题进行了相应的决策性分析,然后使用了一种新型的智能计算方法——标杆管理优化算法对该模型进行了求解计算.仿真实例表明,本文提出的决策分析和求解计算方法是切实可行的,具有一定的实用性和灵活性.此外,在计算过程中对一些相关的技术性问题,如对协调模型中的两类不同的控制变量、基因链的构造、约束条件的处理以及目标函数的选取等问题做了一些研究和探讨.     

Necessary and sufficient optimality conditions for fractional multi-objective problems

Using a special scalarization, we give necessary optimality conditions for fractional multiobjective optimization problems. Under a generalized invexity, sufficient optimality conditions are also given. All over the article, the data are assumed to be continuous but not necessarily Lipschitz.     

Pareto Simulated Annealing for Fuzzy Multi-Objective Combinatorial Optimization

The paper presents a metaheuristic method for solving fuzzy multi-objective combinatorial optimization problems. It extends the Pareto simulated annealing (PSA) method proposed originally for the crisp multi-objective combinatorial (MOCO) problems and is called fuzzy Pareto simulated annealing (FPSA). The method does not transform the original fuzzy MOCO problem to an auxiliary deterministic problem but works in the original fuzzy objective space. Its goal is to find a set of approximately efficient solutions being a good approximation of the whole set of efficient solutions defined in the fuzzy objective space. The extension of PSA to FPSA requires the definition of the dominance in the fuzzy objective space, modification of rules for calculating probability of accepting a new solution and application of a defuzzification operator for updating the average position of a solution in the objective space. The use of the FPSA method is illustrated by its application to an agricultural multi-objective project scheduling problem.     

多目标线性规划的一种交互式单纯形算法

本文基于分析有效极点解的有效变量的特点以及在有效点处各个目标函数的数值来得到改进的搜索方向的研究思想,提出了求解目标函数和约束均为线性的多目标线性规划问题的一种交互式算法。该方法可以保证每一步得到的解均为有效极点解,且根据决策者的偏好不断得到改进,直至最终得到满意的最终解。     

基于遗传算法的多目标柔性工作车间调度问题求解

本文针对柔性工作车间调度问题给出了一个有意义的综合目标尽可能缩短制造周期的同时尽可能的减少机器负荷。由于传统遗传算法在多目标柔性工作车间调度问题上的局限性，我们提出了一种改进遗传算法：首先，我们给出了针对综合目标的工序调度算法获得初始集合；接着，针对柔性工作车间调度问题的特点，我们在常用的基于工序顺序的编码方法上融入了基于机器分配的编码方法，并据此设计了相应的交叉变异操作；最后借鉴了物种进化现象中的环境迁移思想设计了解决多目标优化问题的迁移操作。实验结果表明，改进的遗传算法在多目标柔性工作车间调度问题的解决上要优于传统遗传算法。     

基于遗传算法的割缝衬管防砂多目标优化

割缝衬管防砂是油田重要的防砂方式之一,过去的研究往往专注于一个目标来设计割缝衬管参数,从而在参数设计上不能使多个参数在整体上达到最优.基于遗传算法中的gamultiobj多目标优化算法,以衬管使用寿命、地层流动阻力、产能和衬管强度为目标,建立了割缝衬管防砂优化设计模型,得出了高产能,长使用寿命,低流动阻力的割缝参数防砂的最优组合.结果表明,制定多目标适应性分析,建立评价模型,在给定的取值范围内得到的工艺参数,该技术有助于优选和优化调整防砂方法,提高防砂成功率,增强油田寿命和降低开采成本.     

基于多目标规划和智能优化算法的旅游线路设计研究

针对设计耗时最短,花费最少以及体验指数最高的合理的旅游路线进行研究.首先,以耗时最少为目标,构建改进的TSP路线规划模型,同时将正态分布随机数(ND)与遗传算法(GA)相结合,提出ND-GA算法,并且利用所提算法对模型进行求解,得到出行的路线及详细行程.其次,综合考虑到旅游花费最低以及旅游指数最高,构建最优旅游线路设计的多目标规划模型.考虑到未来10年的交通费、住宿费以及餐饮费等会随着时间变化,因此,基于组合预测模型对各项费用进行了预测,最终得到基于多目标动态优化的10年旅游路线设计模型.最后,详细的分析了模型的结果,并对参数做了灵敏度分析.     

不确定条件下工程项目的多目标模糊均衡优化

在工程项目多目标优化问题研究基础上,研究不确定环境下工程项目多目标均衡优化问题.利用模糊数表示费用变化率和质量变化率,考虑模糊集的不同可能性水平,建立工程项目多目标模糊均衡优化模型,给出模型的求解方法和步骤,得到不同可能性水平下多目标优化问题的最优折衷解变化范围.优化方法使决策者能够根据决策风险的大小进行最优目标值的确定.     

复合隔振体系多目标优化研究

传统动力设备的隔振,往往仅着眼于设备本身的振动抑制,而将其连接基础视为绝对刚性,忽略其振动.考虑"设备-隔振器-薄板基础"为复合隔振体系,设备通过4点安置在薄板上;并基于机械四端连接特性,推导了力的传递率.随后,在固支薄板振动分析的基础上,引入功率流理论,提出了多目标优化策略:使多点安置的设备隔振体系输入薄板的峰值功率流最小;与此同时,使动力设备尽可能地趋于均匀振动,以降低设备振动损害.多目标粒子群优化算法具有参数设置少,收敛快,优化能力强等优点,且可基于Pareto支配获得最优解.该研究将设备隔振、薄板振动、功率流传递以及智能多目标优化技术结合,固支薄板振动理论作为切入点为优化策略创造了有利条件.多目标粒子群优化算法的应用亦为工程隔振及振动控制提供了新思路.     

绿色建筑前期设计阶段的多目标优化及多属性决策模型

综合考虑建筑物的体型参数、围护结构参数和功能布局的影响,运用层次分析法将描述性的功能目标转化为定量值,建立绿色建筑前期设计阶段的能耗、成本和功能的多目标优化模型。针对模型变量的离散性,以邻域拓扑结构改进粒子群算法,防止陷入局部最优,得到绿色建筑方案的Pareto解集。在绿色建筑多属性决策中引入马氏距离与组合赋权方法,对最优方案进行排序决策。通过案例分析验证该模型的效果,在保证一定功能的前提下,可获得较低的能耗和成本,实现绿色建筑设计理念。     

基于多目标进化聚类的信用风险特征识别

在信用风险识别领域,聚类算法常被用于区分不同风险等级的样本并识别风险特征。然而该领域中通常面临高维数据处理问题,导致传统聚类算法存在不适应此类问题的缺陷：易陷入局部最优、受冗余特征干扰、鲁棒性不强等。采用高维信用风险数据,研究上市公司信用风险,建立信用风险特征识别的三目标优化模型,设计基于分解的多目标子空间聚类算法进行求解。通过算法的横向对比实验,展示了所提出的算法在聚类精度和鲁棒性方面的优势,并根据聚类算法的权重分配结果,归纳总结上市公司信用风险评估过程中应重点关注的指标。     

夹芯型雷达吸波结构的多目标优化

通过引入一个无量纲参数,将重量和雷达吸波性能两个优化目标结合于同一个目标函数中,提出了针对含有多孔材料芯层的夹芯型雷达吸波结构（RASS）的一种多目标优化设计方法．优化模型为承受均布载荷的悬臂夹芯板,考虑4种不同形式的芯层．由传输矩阵法和周期矩量法计算出镜面反射率的平均值,作为表征吸波性能的指标;而面板屈服、芯层剪切破坏和面板起皱则作为优化设计中的力学性能约束．优化结果表明,以填充超轻质海绵体的复合材料二维点阵为芯层的夹芯结构,比含有多孔泡沫或六角蜂窝芯层的夹芯结构更适合作为轻质夹芯型雷达吸波结构．Kagome二维点阵则表现出优于正方二维点阵的吸波性能．     

基于模拟退火算法的城市物流多目标配送车辆路径优化研究

基于传统模拟退火算法,通过引入记忆函数、结合GIS手段,运用SPSS聚类分析来确定初始化状态种群、多种群并行机制和新状态的产生.依据种群规模采用不同产生算法来改进算法,并将改进算法应用于城市物流中确定的多目标车辆路径优化问题,验证了算法的可行性与实用价值.此外,改进算法分别与传统模拟退火算法和GIS图解法相比较,优化效率和准确率都得到了很大的提高.     

求总极值问题的最优性条件

郑权提出了求总极值问题的积分－水平集的概念性算法,同时给出了最优性条件。本文提出了修正的积分－水平集算法,并且给出了类似的总极值存在的最优性条件。     

基于车身装配结构优化的改进图分解算法

在考虑车身制造和装配成本的前提下对车身装配结构优化方法进行了研究,提出一种改进的图分解算法将车身装配结构最优地分解为一组部件.以白车身侧围的装配模型为例,将结构的几何图形转化为与之对应的关系拓扑图,再分割该关系拓扑图为一组工程约束下的单连通不交叉子图集,结合遗传算法中的算子操作,利用有限单元法分析并计算得到产品几何图形的最优分割,采用NSGA-Ⅱ算法并实现该装配体综合性能最优的目标.