光学薄膜自动设计的多目标优化方法

光学薄膜中已使用的优化方法郜是单目标寻优的,通过分析光学薄膜优化设计的原理,将薄膜设计的物理问题归结为混合离散变量的多目标优化设计的数学模型,并认为这是薄膜设计的一般性模型,现行的单目标优化算法只是这个模型的简化.基于这一新思路,并结合多目标优化算法的研究现状,采用了一种基于免疫应答原理的智能型多目标优化算法.该算法隐含并行处理能力,原理上是具备全局搜索能力的自适应随机性算法.将此算法运用到光学薄膜设计中,给出了一些优化的设计实例.结果表明,将多目标优化算法引入薄膜设计的新思路是可行的,将来会有较好的发展前景.     

多传感器目标识别系统的特征优化方法

来自多传感器的目标特征往往是高维数的,并且包含了更多的冗余信息和噪声。为了减小数据获取的代价,提高目标识别器的性能和效率,提出了基于遗传算法(GA)的多传感器目标识别系统特征优化方法。将遗传算法与神经网络目标分类器结合,通过识别结果的反馈信息,控制GA的遗传进化方向,从而实现特征优化。为了克服遗传算法的未成熟收敛问题,提出了相关选择与自适应遗传算子相结合的改进遗传算法。仿真实验结果验证了方法的有效性。     

基于遗传算法的光伏–热电耦合系统多目标优化研究

多因素共同作用下的系统优化设计是光伏–热电耦合系统研究的难点之一。本文建立了光伏–热电耦合系统与单一光伏系统的理论模型,以最高耦合效率与相对于单一光伏系统的最大效率差值为优化目标,采用多目标遗传算法,开展了耦合系统优化设计研究。结果表明,最高耦合效率与最大效率差值两个优化目标是负相关的,且其负相关性是由光伏参考效率所导致,需综合考虑系统经济性,确定最高耦合效率和最大效率差值的折中方案,从而获得耦合系统最佳设计。     

多目标模糊工期的维修保障资源调度优化研究

以某型特种车辆维修保养的三级保养工艺流程为对象,提出了不确定性维修保障资源调度优化问题;针对具有工序模糊作业时间和模糊工期的调度问题,采用一般三角模糊数来表示工序作业时间和完工时间,一般梯形模糊数来表示任务期望工期;并设计了一种混合粒子群-遗传算法,以完工时间最短、关键人力负荷最小和满意度最高为优化目标进行求解;算法可以有效求得其8个最优解,对求得的Pareto最优解集进行了结果分析,评价了不同评价指标对调度方案的影响;实例结果表明,算法求解结果与实际情况相吻合,较之精确调度,更加具有可操作性,为调度部门制定合理的调度方案可以提供理论支撑。     

基于免疫遗传算法的接地网腐蚀故障诊断

为了解决在接地网腐蚀故障诊断问题的研究中,接地网诊断模型复杂,故障诊断效率和精度低的问题,提出了基于改进免疫遗传算法的接地网腐蚀故障诊断方法:根据节点撕裂法将接地网分块并建立多目标优化函数来减少约束条件,再采用改进的免疫遗传算法对诊断模型进行求解,对选取算例的仿真实验结果表明:该方法能快速收敛于模型优化函数最优解,且得到的支路诊断结果与实际状态一致的达90%,能够准确有效地诊断出接地网各处的腐蚀程度,具有一定的工程应用价值。     

混沌免疫多目标算法求解认知引擎参数优化问题

合理的认知引擎参数设置可以提高频谱的使用性能. 通过分析认知无线网络中的认知引擎参数配置, 给出了其数学模型, 并将其转化为一个多目标优化问题, 进而提出一种基于混沌免疫多目标优化的求解方法. 算法使用Logistic混沌映射初始化种群, 并在每一代将混沌特性用于最优解集的搜索; 设计了适合此问题的免疫克隆算子和抗体群更新算子, 保证了Pateto最优解集分布的多样性和均匀性. 最后, 在多载波环境下对算法进行了仿真实验. 结果表明, 算法可以根据信道条件和用户服务的动态变化, 自适应调整各个子载波的发射功率和调制方式, 可以求出更多满足偏好需求的解, 满足认知引擎参数优化要求.     

基于NSGA-Ⅱ的催化裂化分馏塔的多目标优化

在催化裂化装置生产中,主分馏塔的操作水平和技术水平直接影响整套装置的经济效益;研究催化裂化加工装置优化设计,分馏系统的操作优化非常重要;引入已经建立的分馏塔多目标优化函数并运用NSGA-Ⅱ对模型进行求解;通过深入研究算法并对NSGA-II算法中各项参数设置后,求解得一组Pareto最优解,该组最优解具有良好的延伸和分布;并引入多目标综合评价优化函数,求得一组最优解;结果表明在满足约束条件下,分馏塔的汽油和柴油的产率能得到显著的优化。     

自然循环流动不稳定性的多目标优化极限学习机预测方法

极限学习机是近年来提出的一种前向单隐层神经网络训练算法,具有训练速度快、不会陷入局部最优等优点,但其性能会受到随机选取的输入权值和阈值的影响.针对这一问题,提出一种基于多目标优化的改进极限学习机,将训练误差和输出层权值的均方最小化同时作为优化目标,采用带精英策略的快速非支配排序遗传算法对极限学习机的输入层到隐层的权值和阈值进行优化.将该算法应用于摇摆工况下自然循环系统不规则复合型流量脉动的多步滚动预测,分析了训练误差和输出层权值对不同步长预测效果的影响.仿真结果表明,优化极限学习机预测误差可以用较小的网络规模获得很好的泛化能力.为流动不稳定性的实时预测提供了一种准确度较高的途径,其预测结果可以作为核动力系统操作员的参考.     

多级轴流压气机变几何扩稳多目标优化分析

对轴流压气机叶型流动损失和落后角模型进行了系统归纳与整理,并将其与逐排基元叶片模型相结合,建立了计算多级轴流压气机特性工程方法,并进一步将其与锦标赛式遗传算法相结合,发展了一种新的多级轴流压气机变几何扩稳多目标优化算法,并成功应用于某型8级轴流压气机扩稳分析,取得了明显成效。与单目标优化相比,多目标扩稳调节能明显改善压气机性能,其最大效率提高了近4个百分点,且静叶安装角调节范围也明显减小。     

基于近似模型的透平机械多目标优化

本文研究了采用多目标优化算法NSGA—II与前馈神经网络的耦合优化方法的收敛性问题。提出了一种改进的拥挤距离和coarse-to-fine的迭代策略,有效地解决了原耦合方法不收敛的问题。在此基础上,提出了基于数值模拟和耦合优化方法的多目标气动设计框架,并对转子37进行了三目标优化。优化结果表明,多目标优化结果的气动性能...     

基于遗传算法的透平级多目标优化设计

本文发展并完善了一种基于非受控解的排序、基于共享机制的小生境技术和交配约束的多目标遗传算法,在一元热力设计基础上,对一个透平级取实际压力与给定压力的差值和级的作功能力为目标函数进行了优化。算例表明该算法具有同时捕获—组解的能力,对于解决多目标优化问题具有很强的适应性和合理的优化结果,是一种有效的多目标优化方法。     

多目标优化的舰船磁场建模方法

针对舰船磁场混合模型建模中存在的建模精度不高和稳定性差的问题,提出一种高精度稳定模型建立方法,结合混合模型中磁偶极子参数与舰船结构的相关性,以建模精度和模型稳定性为目标构造了多目标函数,通过对多目标函数优化获得合理的磁偶极子参数,间接地将建模求解问题转化为多目标函数优化问题.利用多目标粒子群优化算法进行求解,得到了建模...     

基于多物理场耦合分析的压接型IGBT散热器多目标优化

为研究处于电磁场、温度场和应力场相互耦合的多物理场环境下的压接型IGBT水冷散热器热阻、流阻及表面压力分布特性,结合ANSYS软件,提出一种在电磁–热–应力多物理场耦合环境下水冷散热器多目标优化方法。在满足表面压力的前提下,以水冷散热器热阻、流阻最小化为优化目标。采用Kriging方法构建响应面模型,利用AMGA优化算法对水冷散热器内部流道结构进行多目标优化设计,计算出了最优方案。搭建试验平台对仿真分析结果进行试验验证,证明文中对压接型IGBT水冷散热器的多物理场耦合分析方法可以指导多物理场下的水冷散热器的设计。     

基于多目标遗传算法的增程式电动汽车动力系统参数匹配优化研究

在完成增程式电动汽车（E-REV）动力匹配与性能仿真基础上,针对E-REV动力系统参数匹配优化问题,以整车制造成本、汽车两种运行模式下等效百公里油耗以及百公里加速时间为目标,以驱动电机峰值功率、发动机额定功率以及电池能量为变量,设计了基于线性加权的多目标遗传算法。结果表明,适当牺牲汽车动力性可最大降低制造成本5.19%,并降低等效油耗9.61%以上。可以得出,通过改善匹配方案能进一步提高整车的动力经济性并降低制造成本,研究对E-REV市场推广及量产化具有重要意义。     

基于多目标遗传算法的回旋行波放大器分布式损耗参数优化

通过使用多目标遗传算法对回旋行波放大器加载分布式损耗的电阻率和厚度参数进行优化,得出了两个参数的最佳组合值:损耗层厚度0.116mm,电阻率为铜的77 882倍,此时放大器达到最大增益15.9dB。并且通过单目标遗传算法对该值的准确性进行了验证,使得放大器在有效抑制回旋返波振荡的同时实现了增益的最大化。     

基于多目标遗传算法的回旋行波放大器分布式损耗参数优化

通过使用多目标遗传算法对回旋行波放大器加载分布式损耗的电阻率和厚度参数进行优化,得出了两个参数的最佳组合值：损耗层厚度0.116 mm,电阻率为铜的77 882倍,此时放大器达到最大增益15.9 dB。并且通过单目标遗传算法对该值的准确性进行了验证,使得放大器在有效抑制回旋返波振荡的同时实现了增益的最大化。     

基于神经网络和多目标优化算法的掺铋光纤放大器设计

掺铋光纤放大器有助于将光纤通信系统拓展至新的传输波段。然而,其增益和噪声性能存在相互制约的关系,提升增益往往会导致噪声性能的恶化,反之亦然。因此,提出一种结合反向传播神经网络(BPNN)和带精英保留策略的快速非支配排序遗传算法(NSGA-Ⅱ)的多目标优化方法,通过对两级掺铋光纤放大器结构进行设计,实现了增益和噪声性能的同时优化。使用经过训练的BPNN对增益和噪声系数预测的均方根误差分别为0.191和0.084,具有较高预测精度。以高增益和低噪声系数为目标,使用NSGA-Ⅱ算法进行优化,得到包含500个解的Pareto最优解集。优化后,放大器所能实现的平均增益范围为15～37 d B,相应的平均噪声系数范围为4.95～5.31 d B。利用BPNN代替求解耦合微分方程来评价个体适应度,使得优化时间较传统方法由10⁶ s左右降低为80 s左右,大幅提升了优化效率。所提方法也为其他掺杂光纤放大器的高效率、多目标结构优化设计提供了一种新的思路。     

基于注意力机制的多目标优化高光谱波段选择

神经网络的注意力机制可以从数据中提取关键信息,将这一特性运用在高光谱波段选择上有助于充分学习波段之间的相互依赖和非线性关系,提取更重要的波段。提出了一种基于注意力机制的多目标优化高光谱波段选择算法。首先,利用注意力模块和自编码器构建网络;然后,将一维光谱数据作为网络输入,采用两种损失函数并结合多目标优化方法对输入数据进行训练,使嵌入在网络中的注意力模块充分学习各波段之间的非线性关系,对信息量大和易于分类的波段赋予更大的权重,以实现波段选择;最后,利用支持向量机分类器和平均光谱散度验证波段子集的性能。实验结果表明:相比于其他算法,所提算法在Botswana与Indian Pines数据集上提取的波段子集的分类精度更高,信息量更大,由此证明了所提算法对高光谱波段选择的有效性。