基于改进微粒群算法的建设项目多目标动态优化

针对建设项目的复杂性和动态性,建立基于改进微粒群算法的多目标动态优化模型.首先,为提高算法性能,引入外部归档集和阈值并构建基于理想点法的适应度函数;其次,分别建立工期模型、加入系统可靠度的质量模型以及加入费用现值的成本模型,由其得到综合优化模型;最后结合工程实例对算法进行验证并与非劣分类遗传算法(NSGA-Ⅱ算法)对比.结果表明:方法比NSGA-Ⅱ算法的优化结果更科学、收敛速度更快.     

改进的NSGA-Ⅱ算法研究风力机叶片多目标优化

将一种采用精英控制策略和动态拥挤方法用于快速非支配排序遗传算法（NSGA-Ⅱ）,并应用到风力机叶片的优化研究中,获得了一种新颖的风力机叶片多目标优化设计方法．作为应用算例,以设计风速下的功率系数最大和叶片质量最小为优化目标,用该方法设计了5 MW大型风力机叶片．优化结果表明,此算法在处理风力机多目标优化问题取得了良好的效果,给出的是一个Pareto最优解集,而不是传统优化方法追求的单个最优解,为风力机多目标优化设计提供新的思路和通用的算法．     

基于iSIGHT平台的三维机翼气动优化设计

基于iSIGHT设计平台,结合CFD软件Fluent对三维机翼进行多目标优化设计,以提高其气动性能．设计过程中采用NCGA(neighborhood cultivation)——邻域培植遗传算法,NSGA-Ⅱ(non-dominated sorting)——非支配解排序遗传算法为优化算法,以N-S方程作为主控方程,对三维机翼优化．经过优化设计后结果表明,机翼的气动性能有了显著改善,该优化方法可推广用于多种翼型和机翼优化．     

一种基于DE算法和NSGA-Ⅱ的多目标混合进化算法

设计了一种新颖的基于差分进化算法和NSGA-Ⅱ的混合进化算法用来解决多目标优化问题。在此算法中,根据算法的搜索情况设计相应的自适应变异算子,以便在突变操作中找到Pareto解。同时,选择操作将基于NSGA-Ⅱ快速非优超排序和拥挤机制将父代与子代的双种群进行截短,确保最优解不会丢失并保证解的多样性。三个经典测试函数的仿真结果表明,文中算法在实现多目标优化问题的两个目标(获得收敛于真实Pareto前沿的解和解沿着前沿均匀扩展)方面表现出良好的综合性能。     

制造单元布局问题的双目标模型与算法研究

单元制造系统的布局对于提高系统的效率起着十分重要的作用。以最小化物料周转量和设施面积为目标,建立了一个单元制造系统布局的双目标优化模型,在该模型中不同制造单元的布局、单元内部不同设施的位置与方向这几个问题可以同时进行优化。基于模拟退火邻域解的变尺度生成机制和双目标抽样准则设计了模型的求解算法。算例表明本文算法所得Pareto解集优于经典的NSGA-Ⅱ算法。     

基于改进粒子群算法的翼型稳健型气动优化设计

基于标准粒子群算法,将位移变化作为影响微粒速度的变量,使得粒子群算法关于粒子位置为二阶精度函数,加快了收敛速度;进一步地在粒子速度更新公式中引入振荡环节,提高了群体多样性,改善了算法的全局收敛性．以改进粒子群算法为基础,结合气动分析程序、代理模型以及翼型参数化方法,构建了翼型稳健型气动优化设计系统．针对某型客机的基本翼型以及翼梢小翼翼型气动优化设计结果表明,优化后的翼型气动特性相对于初始翼型在较宽的设计范围内都有了大幅度提高．     

考虑输电约束下区域电网风储能联合调度鲁棒优化模型

随着我国可再生能源大规模的建设,引入到电力系统中,对能源改革及节能减排具有重要意义.构建了含有风电、储能设备以及火电机组10机组30节点区域电网系统中,利用鲁棒优化方法,将风电出力作为随机变量.以发电系统中的发电成本、排污成本及风电惩罚成本作为目标函数,运用强化学习算法对目标函数求解.通过对算例模拟得到,分时电价与储能设备引入电网系统,可有效的平抑风电出力随机性、波动性,并降低区域电网的发电成本及排污成本.     

兼顾效率和成本的ARMA控制图多目标优化设计

ARMA控制图是一种有效的自相关过程质量监控方法,为了能够同时对ARMA控制图监控方案的效率和成本进行优化,本文分别研究了ARMA控制图的平均运行长度和质量成本的计算方法,并由此建立了ARMA控制图的多目标优化设计模型。采用NSGA-Ш智能优化算法,通过一个具体的算例对该模型的计算方法进行了说明,针对不同程度的过程偏移给出了多目标优化设计的非劣解解集。然后通过灵敏度分析的方法研究了模型中的主要设计参数对监控方案的效率和成本的影响程度。最后,通过与其它几种ARMA控制图优化设计方案的比较分析,说明了本文提出的设计方法的优势。     

基于自适应萤火虫算法的液压缸优化设计

针对液压缸优化设计问题,以液压机法兰支承液压缸为应用背景,在ANSYS软件中对液压缸进行有限元分析.建立以液压缸体积最小为优化目标的优化数学模型,提出一种自适应萤火虫算法求解模型对液压缸的结构参数进行优化.仿真结果表明,所提出自适应萤火虫算法比基本萤火虫算法收敛的精度更高,迭代次数更少,优化后液压缸的体积相对减少了42.3%,较好地解决了液压缸优化设计问题.进一步对优化后的油缸进行了有限元分析,验证了优化结果的正确性.     

基于粒子群优化的神经网络预测模型

BP学习算法多采用梯度下降法调整权值,针对其易陷入局部极小、收敛速度慢和易引起振荡的固有缺陷,提出了一种改进粒子群神经网络算法.其基本思想是:首先采用改进粒子群优化算法反复优化BP神经网络模型的权值参数组合,再用BP算法对得到的网络参数进一步精确优化,最后用得到精确的最优参数组合进行预测.实验结果表明,该算法在股指预测中的预测性能明显提高.     

基于群智能算法的预防性维修周期优化

分析将蚁群优化算法应用于预防性维修周期工程寻优问题时遇到的算法参数选择困难等问题,提出将粒子群优化算法和空间划分方法引入该过程以改进原蚁群算法的寻优规则和历程.建立混合粒子群和蚁群算法的群智能优化策略:PS_ACO(Particle Swarm and Ant Colony Optimization),并将其应用于混联系统预防性维修周期优化过程中,以解决由于蚁群算法中参数选择不当和随机产生维修周期解值带来的求解精度差、寻优效率低等问题.算法的寻优结果对比分析表明:该PS_ACO算法应用于预防性维修周期优化问题,在寻优效率及寻优精度上有部分改进,且可相对削弱算法参数选择对优化结果的影响.     

基于NSGA-Ⅱ的应急储备库多目标

应急物资储备库选址问题是在近年世界灾害多发的现实背景下产生的,根据具体选址问题特点建立了多目标选址决策模型。该模型综合考虑了两种灾害风险下储备库的成本费用、覆盖效率以及对重点地区的备用覆盖,以使模型更加符合实际目标及约束情况。算法设计上,首次采用带精英策略的非支配排序遗传算法(Fast and elitist Non-dominated Sorting Genetic Algorithm Ⅱ,NSGA-Ⅱ)解决储备库多目标选址问题,得到了Pareto非劣解分布并同不带精英策略的常规NSGA算法下的仿真结果进行对比分析。验证了模型的可行性以及NSGA-Ⅱ在解决储备库多目标选址问题的有效性。     

基于NSGA-Ⅱ的应急储备库多目标选址决策模型及算法研究

应急物资储备库选址问题是在近年世界灾害多发的现实背景下产生的,根据具体选址问题特点建立了多目标选址决策模型。该模型综合考虑了两种灾害风险下储备库的成本费用、覆盖效率以及对重点地区的备用覆盖,以使模型更加符合实际目标及约束情况。算法设计上,首次采用带精英策略的非支配排序遗传算法(Fast and elitist Non-dominated Sorting Genetic AlgorithmⅡ,NSGA-Ⅱ)解决储备库多目标选址问题,得到了Pareto非劣解分布并同不带精英策略的常规NSGA算法下的仿真结果进行对比分析。验证了模型的可行性以及NSGA-Ⅱ在解决储备库多目标选址问题的有效性。     

考虑路径冲突的AGV配置与调度优化

合理调度有限的码头资源以满足船舶的装卸时间要求是自动化集装箱码头的重要目标之一。针对自动化集装箱码头自动导引车(automated guided vehicle,AGV)配置与调度问题,考虑船舶装卸时间要求和AGV运输过程中的路径冲突,提出分阶段调度策略。将船舶装卸作业分为卸船阶段、装卸同步阶段、装船阶段三个阶段,在每个阶段中,建立以最小化最大完工时间和最小化AGV空载和等待时间为双目标的调度优化模型,并设计基于NSGA-Ⅱ的启发式算法求解。根据本阶段的实际完工时间,从最优解集中选择下一阶段AGV的配置与调度方案。最后对比其他调度方案表明本文调度方案能够满足集装箱船的装卸时间要求,且提高了AGV的利用率,更符合码头实际作业要求。     

多目标优化问题的Pascoletti-Serafini标量化方法

非线性标量化方法是研究非凸多目标优化问题的一个重要途径.目前Pascoletti-Serafini标量化方法是处理非凸多目标优化问题的有力工具之一.但绝大部分结果是针对多目标优化问题的弱有效解和有效解建立的.因此,本文深入研究Akbari等(2018)提出的3类改进的Pascoletti-Serafini标量化方法,主要考虑在什么条件下可以建立非凸多目标优化问题真有效解的非线性标量化刻画.通过限制相应标量化问题中的参数范围,获得了非凸多目标优化问题弱有效解、有效解和真有效解的充分和必要条件.此外,举例说明了主要结果.     

应急联动区域下选址分配协同优化模型研究

针对我国现有应急储备库按照属地管理布局的不足,例如当受灾点发生重大灾害时,各应急储备库实行均匀配置,导致应急系统救援效率低以及资源的浪费,文章引入集合覆盖选址模型和"覆盖满意度"思想,将应急联动区域内的服务需求分为第一时间救援服务需求和后续救援服务需求,以应急服务成本最小和覆盖满意度最大为目标,建立应急联动下区域储备库选址分配协同优化模型.对四川省地震灾害下的应急储备库选址分配问题进行案例分析,考虑到各区县抗灾能力的不同,采用TOPSIS方法对模型中受灾点的脆弱性进行评价,并利用NSGA-Ⅱ算法对模型求解.研究表明,模型能降低应急联动区域内的应急服务成本,提升应急服务水平,同时模型可以为决策者提供多种优化方案.     

考虑应急设施中断风险与防御的可靠性选址模型研究

为提高应急设施运行的可靠性和抵御中断风险的能力, 研究中断情境下的应急设施选址-分配决策问题。扩展传统无容量限制的固定费用选址模型, 从抵御设施中断的视角和提高服务质量的视角建立选址布局网络的双目标优化模型, 以应急设施的建立成本和抵御设施中断的加固成本最小为目标, 以最大化覆盖服务质量水平为目标, 在加固预算有限及最大最小容量限制约束下, 构建中断情境下应急设施的可靠性选址决策优化模型。针对所构建模型的特性利用非支配排序多目标遗传算法(NSGA-Ⅱ)求解该模型, 得到多目标的Pareto前沿解集。以不同的算例分析和验证模型和算法的可行性。在获得Pareto前沿的同时对不同中断概率进行灵敏度分析, 给出Pareto最优解集的分布及应急设施选址布局网络的拓扑结构。     

用改进的MOEA/D算法求解微电网电力调度多目标优化问题

针对包含可再生能源发电装置,微型燃气轮机(microturbine,MT),燃烧电池(fuel cell,FC)以及镍氢电池(nickel-metal hydride battery,Bat)的典型低压微电网电力调度多目标优化问题,文章提出一种改进的基于分解的多目标进化算法IMOEA/D (improved multi-objective evolutionary algorithm based on decomposition),最小化发电成本和污染物气体排放量.IMOEA/D算法将多目标问题按照切比雪夫权重射线均匀展开分解为若干子问题进行优化;基于Pareto占优概念以及模糊聚类策略更新子问题非劣解,引入基于欧氏距离的解的稀疏度评估法对非劣解保留集进行更新和对其储存空间大小进行控制.最后,将提出的算法与其它进化算法如GA (遗传算法)和AMPSO (自适应改进粒子群优化算法)等分别进行单多目标性能比较,结果表明,IMOEA/D算法在多目标优化性能比较中能较稳定的得到质量更高,范围更广,分布更均匀的非劣解保留集,即该算法在解搜索的深度和广度上都有较好的表现.     

海底管道分布浮力式侧向屈曲控制的多目标优化设计

基于弹性解析模型,提出了大尺度海底管道系统分布浮力式侧向屈曲控制的多目标优化设计策略,以满足管道系统侧向屈曲控制的不同性能要求.采用快速非支配排序遗传算法(NSGA-Ⅱ算法),对某分布浮力式海底管道浮力模块的设计参数及布置位置进行了优化设计,使侧向屈曲的位移和轴力控制达到最佳.算例结果表明,浮力模块的数量并不能对管道侧向屈曲的控制效果产生绝对的影响,通过多目标优化设计方法得到的Pareto最优集,可以为设计人员在海底管道侧向屈曲控制设计中兼顾多个性能需求以及选择更理性的设计方案提供参考.     

多品种生鲜农产品的车辆路径优化

针对多品种生鲜农产品建立了带软时间窗约束的车辆路径优化模型,模型以配送总成本最少为目标,以生鲜农产品新鲜度阈、时间窗等为约束条件.然后,通过引入Dijkstra算法,改进交叉算子,提出了针对上述模型的改进遗传算法.最后,以上海市交通道路生鲜农产品配送作为案例,对算法进行测试.