多目标优化的遗传算法及其实现

遗传算法是一种通过模拟自然进化过程搜索最优解的方法,在优化方法中具有独特的优越性,有着非常重要的理论意义和广泛的应用领域．多目标优化问题求解已成为遗传算法的一个重要研究方向,而基于Pareto最优概念的多目标遗传算法则是当前遗传算法的研究热点．本文对遗传算法的理论基础进行分析,包括模式定理等,讨论用遗传算法来解决多目标优化问题的方法并给出其实现,介绍遗传算法的各种改进措施,并指出遗传算法的发展动向．     

基于遗传算法的多目标优化方法

本文通过建立多目标问题模型,提出了运用改进的遗传算法求解多目标物流网络问题.该算法借鉴AHP方法的思想,采用将其与遗传算法混合的求解策略,并采用分阶段化的实数编码思想以及相应的遗传算子设计,对遗传算法进行适应性改进.     

基于遗传算法的多目标优化算法

本文先介绍了遗传算法的实现技术,又介绍了多目标优化问题的概念,然后使用遗传算法来求解多目标优化问题。文中使用了均匀设计方法来设计适应度函数,并设计了新的变异算子,算法结果是有效的。     

多目标优化的遗传算法及其实现

遗传算法是一种通过模拟自然进化过程搜索最优解的方法,在优化方法中具有独特的优越性,有着非常重要的理论意义和广泛的应用领域．多目标优化问题求解已成为遗传算法的一个重要研究方向,而基于Pareto最优概念的多目标遗传算法则是当前遗传算法的研究热点．本文对遗传算法的理论基础进行分析,包括模式定理等,讨论用遗传算法来解决多目标优化问题的方法并给出其实现,介绍遗传算法的各种改进措施,并指出遗传算法的发展动向．     

基于遗传算法的刨煤机系统多目标模糊可靠性优化

 针对刨煤机系统常规优化方法难以处理具有相互矛盾属性的系统可靠性多目标优化设计问题,提出一种基于遗传算法非概率分布信息的多目标模糊可靠性优化决策方法。该方法利用模糊集隶属函数的特性将各个单一目标函数模糊优化处理为能够反映各子目标相对重要程度,对不完全概率信息采用随机摄动法和Edgeworth级数方法转化为标准正态分布函数,将各个目标的协调满意度函数综合统一的单目标优化模型,再用常规优化方法即可求出多目标优化模型的满意解,最后给出刨煤机实例以验证该方法的有效性。     

液氮洗工艺的多目标遗传算法优化

为了优化大化肥中的液氮洗关键流程以提高能量效率、控制CO2排放,在使用Aspen Plus软件对某低温液氮洗工艺进行模拟分析的基础上,结合多目标遗传算法和二次规划法(MOGA-QP)来解决局部极值和大规模优化问题.根据超结构方法,构建了液氮洗工艺流程总结构,即在原流程中加入了一个减压阀和一个分离器,由此可以增补29.546 kJ/kg冷量,使得液氮洗涤塔出口净化气中的CO体积分数为0.55×10-6.利用MOGA-QP求解了超结构,即在进化过程中用二次规划法来模拟流程表单的各个子模块,在最终收敛的环节用二次规划法求解子问题,从而对遗传算法产生的Pareto解做进一步的精细优化.实际应用显示:在满足工艺指标的前提下,优化后的液氮入口流量减至0.131 2 kmol/s,出口CO体积分数降至0.25×10-6,液氮入口流量减少了1.7%,火用损失减少了15.7%,表明改进流程更佳,MOGA-QP算法有效.     

集成化服务链多目标全局优化模型与算法

基于集成化服务链网络模型和候选服务资源评价指标,建立集成化服务链的多目标全局优化模型,并提出一种基于改进多目标遗传算法的集成化服务链多目标全局优化算法。算法采用基于距离的无参数种群多样性度量算子,在适应值分配、精英保持和选择操作中均进行了种群多样性控制,能在满足多约束条件下同时优化多个目标,得到一组满足决策者不同主观偏好的Pareto全局最优解集。仿真实验表明算法具有全局收敛性并具有较好的解的质量和分布,能有效求解集成化服务链多目标全局优化问题。     

多目标优化问题的研究

针对传统方法求解多目标优化问题的局限性,应用一种新的算法求解。遗传算法从问题解的串集开始搜索,覆盖面大,可以同时处理群体中的多个个体,利于全局择优,减少陷入局部最优的风险,而最小生成树具有过程简单清晰、适用性广泛的特点,结合两者的优点,构造了基于生成树的遗传算法。首先通过加权目标规划法求出最优解,然后通过遗传算法和基于生成树的遗传算法求解,结果表明,对于小规模的多目标优化问题,两种算法都可以求出最优解,在求解时间方面,基于生成树的遗传算法比遗传算法更优越。     

改进遗传算法的行星齿轮传动多目标模糊物元可靠性优化

运用模糊可靠性优化理论和物元分析法,建立多目标模糊可靠性优化数学模型．并在标准遗传算法的基础上,通过改进遗传算子,引入菱形思维和模拟退火算法,得到了具有实值编码技术的改进型自适应遗传算法．实现了具有混合设计变量的行星齿轮传动参数优化．     

基于反馈控制原理可靠性多目标优化设计的满意解

通过对多目标优化问题不确定性因素的分析,将有效解问题扩展到模糊多目标优化模型软计算满意解求解问题．利用模糊集理论中隶属函数,将各子目标模糊化后处理为满意度函数,进而在分析控制系统中的闭环控制原理和多目标满意解优化软计算的动态过程的相似性后,提出了建立基于闭环反馈控制原理,由协调校正权函数、相对优属度函数和重要性加权指数构成的多目标满意解总评价函数方法．最后,给出机械零件可靠性多目标满意解优化实例进行验证．     

遗传算法在系统可靠性优化中的应用

将遗传算法用在可靠性优化中，更好地解决了文献[2]中提出的非线性优化模型。     

考虑外网效益的微网改进多目标优化调度

在建立微网多目标优化模型时,除了考虑微网自身效益,同时还考虑了微网对外网运行的影响成本,增强了对外网的友好性。针对传统多目标粒子群容易陷入局部最优的问题,提出了基于外部档案监测选择机制的改进MOPSO;并在速度更新公式中引入了小扰动,使求得的Pareto前沿解分布更均匀。在求得Pareto最优解集后,综合考虑微网的安全稳定性能指标,采用基于熵权法的决策机制,从最优解集中筛选出最佳调度方案。最后以一典型微网为例,验证了改进MOPSO的优越性和考虑外网效益的必要性。     

大规模多目标进化优化算法研究进展

现实中存在许多大规模多目标优化问题（Large-scale Multi-objective Optimization Problem,LSMOP）,它们对传统的多目标进化算法（Multi-objective Evolutionary Algorithm,MOEA）提出了挑战,有关LSMOP的研究已成为多目标优化领域的研究热点之一。本文系统分析了近年来提出的各种大规模多目标进化优化算法（Large-scale Multi-objective Optimization Evolutionary Algorithm,LSMOEA）,根据这些算法的主要思想和技术特点将它们粗略地分成4种类型,即基于协同进化（Cooperative Coevolution,CC）、基于决策变量分析、基于问题重构以及其他方法,并对今后LSMOP的研究方向提出建议,以期将LSMOP的研究引向深入。     

Multi-objective Particle Swarm Optimization Algorithm Based on Performance and Reliability of Discrete System Resources Configuration

Considering research on multi-objective optimization for reliability and performance suffering cost constraints in digital circuits,an improved multi-objective optimization algorithm based on performance and reliability was proposed to solve the problem of discrete system resources configuration in this paper. This algorithm used the particle-swarm optimization( PSO) to evaluate the tradeoffs configuration of the system resources between reliability and performance and proved the feasibility through the simulation.Finally, the information of resources configuration from optimization algorithm was used to effectively guide the system design so as to mitigate soft errors caused by single event effect( SEE).     

改进的多目标遗传算法在无人机机翼结构优化中的应用

现有的多目标遗传算法往往只能求得整个非劣曲线的一部分,同时局部搜索能力差,收敛速度较慢。为了解决这些问题,提出了一种改进算法,该算法将非劣分层遗传算法(NSGA)与向量评估遗传算法(VEGA)的优点结合起来,并且提供了一个利用往代信息构造搜索方向的局部搜索算子,有效扩展了非劣曲线的范围,加快了收敛速度。以某无人机机翼结构的多目标优化问题为例,证明本文改进算法可以较为快速地获得一个分布均匀的非劣解集。     

基于灵敏度附加项的多目标可靠性稳健优化设计

以实现多目标优化问题的可靠性稳健优化设计为目标,基于可靠性设计的随机摄动法建立可靠度约束条件,通过对目标函数和约束条件进行灵敏度分析,生成目标函数和约束函数的灵敏度附加项,建立了两种基于灵敏度附加目标函数的可靠性稳健优化设计模型;应用Matlab7.1语言的优化和符号工具箱实现机械零件的稳健设计.算例表明,本文提出的可靠性稳健优化设计方法具有较高的精度和可靠度,为机械零件的可靠性设计提供了理论依据.     

HFC134a汽车空调系统多目标优化计算

运用优化计算方法结合系统动态仿真技术，在单目标优化的基础上，对ＨＦＣ１３４ａ汽车空调系统进行了多目标优化计算．     

快通系统排队问题的建模与多目标优化

为减少游乐场游客排队时间并提高其满意度,通过改进通道设计和增加团体游客类型等因素建立快通系统模型,并对其进行多目标优化.首先以平均等待时间、平均逗留时间和游客满意度为因子建立评价系统,并进一步提出初始多目标模型;然后通过改进通道设计和增加现实约束条件,建立了多目标优化模型并给出模拟求解算法;最后仿真结果表明所建立的优化模型能够大大减少游客等待时间并提升满意度.     

采煤机牵引部可靠性灵敏度分析及优化设计

以MG300/700-WD牵引部传动系统为例,考虑了系统非线性侧隙和时变啮合刚度,建立了传动系统的动力学模型.基于高阶随机响应面方法,构建了牵引部参数与系统最大接触应力的显式关系,并计算了系统参数的可靠性灵敏度.建立了牵引部传动系统最佳可靠性与最小占用空间的优化模型,并分析了优化模型的可靠性灵敏度.结果表明:牵引部传动系统第二级行星轮的参数对于系统可靠性影响较大,太阳轮参数较行星轮参数灵敏.优化模型可以提高牵引部系统的可靠性,在高结构强度区域降低了参数的可靠性灵敏度.