基于遗传算法的多目标优化配矿

为综合衡量配矿效果,基于多目标优化理论,以磨浮入选原矿组分指标、入选原矿品质稳定及最大限度利用原矿为目标,构建磷矿堆场多目标优化配矿模型,并采用改进的多目标遗传算法求解该模型。经约束多目标优化算例测试结果表明：改进的多目标遗传算法可以找到多目标优化问题分布广泛、均匀的Pareto最优解集。并针对磷矿浮选堆场开展多目标优化配矿,现场测试结果显示,矿石混配后P2 O5含量23.052％,MgO含量4.195％,混配原矿30654 t,比常规优化方案资源利用率提高0.31％。研究结果表明,该多目标优化配矿技术可实现稳定矿石品质的同时最大限度地利用原矿。     

一种改进的非支配排序遗传算法INSGA

为克服非支配排序遗传算法（NSGA）存在的计算复杂度高，未采用精英策略以及需要特别指定共享半径等特点，介绍一种改进的算法INSGA，克服了上述缺点，并通过实验验证，在几个给定的函数优化问题上都取得了比较好的结果。     

基于改进的二代非支配排序遗传算法对电子变压器多目标优化

本文在对多目标、多变量优化方法研究的基础上,提出了改进的二代非支配排序遗传算法。在该算法中,通过增加种群多样性和提高个体竞争力,有效地减少了早熟收敛现象的发生,同时,通过种群分割操作,大大减少了交叉运算的计算量。依据这一改进算法,建立了三维优化模型,对电子变压器进行了多目标优化设计,获得了电子变压器优化设计参数,使其体积更小、效率更高,更容易找到全局最优解。与非支配排序遗传算法(NSGA)和二代非支配排序遗传算法(NSGA-Ⅱ)相比,改进的二代非支配排序遗传算法在电子变压器优化设计方面具有明显的优势。最后,依据优化结果,制作了一台磁芯材料为超微晶合金的高频变压器,温度校核结果表明了此优化方法的可行性。     

基于非支配排序遗传算法的塔机有限元模型修正

为了建立一个能准确反映结构实际状态的有限元模型,提出了一种基于非支配排序遗传算法Ⅱ(NSGA-Ⅱ)的有限元模型修正方法.首先建立初始有限元模型,基于二次响应面法,得到有效的响应面替代模型,然后采用NSGA-Ⅱ对该模型进行修正,最终建立了满足工程精度要求的可靠的有限元模型.给出了某型塔机有限元模型修正的工程算例,将修正后的计算结果与实测数据相比较,说明了基于NSGA-Ⅱ多目标优化算法对于有限元模型修正具有理想的效果,修正后的有限元模型能准确反映结构力学特性.     

改进的非支配排序遗传算法INSGA-II

由于NSGA-II不能控制精英被选取的数量,容易导致早熟收敛或陷入局部最优,所以本文提出了NSGA-II算法的一种改进算法INSGA-II。在此算法中,通过引入分布函数来控制精英被选取的数量,从而更好地保持种群的多样性。实验结果表明,INSGA-II发现的Pareto最优解分布既均匀又广泛,与NSGA-II相比得到的Pareto曲线更接近于真实的Pareto最优曲线。     

基于模糊非支配排序遗传算法的多车型快速路交通拥堵和排放优化

以优化城市多车型快速路交通系统拥堵和排放为目标, 综合考虑了走行时间(total time spent, TTS)、走行距离(total travel distance, TTD)、匝道排队、尾气排放和燃油消耗这5个性能指标, 改进了多车型快速路宏观交通流模型Multi-class METANET和多车型排放模型Multi-class VT-macro. 提出了一个新的高维多目标优化算法——模糊非支配排序遗传算法(fuzzy non-dominated sorting genetic algorithm, FNSGA-Ⅲ), 对快速路的匝道汇入率和主路的可变限速(variable speed limit, VSL)值进行了优化, 实现了缓解主路和匝道交通拥堵以及节能减排的目标. 提出的FNSGA-Ⅲ算法, 基于自适应模糊推理系统(adaptive network-base fuzzy inference system, ANFIS), 对下一时刻高维多目标优化的超平面进行预测, 能够有效引导算法在迭代过程中的进化方向, 提高算法的收敛速度. 基于上海市广中路实际路网进行仿真实验. 结果表明, 与现有的单目标遗传算法和高维多目标NSGA-Ⅲ算法相比, FNSGA-Ⅲ算法结合改进的多车型宏观交通流模型, 可以更合理地设置期望速度与匝道控制策略, 更为有效地环缓解快速路的交通拥堵和排放.     

改进的非支配排序遗传算法INSGA-Ⅱ

由于NSGA-Ⅱ不能拉制精英被选取的数量，容易导致早熟收敛或陷入局部最优，所以本文提出了NSGA-Ⅱ算法的一种改进算法INSGA-Ⅱ。在此算法中，通过引入分布函数来拉制精英被选取的数量，从而更好地保持种群的多样性。实验结果表明，INSGA-Ⅱ发现的Pareto最优解分布既均匀又广泛，与NSGA-Ⅱ相比得到的Pareto曲线更接近于真实的Pareto最优曲线。     

基于双目标规划和遗传算法的航线配船优化

为弥补目前航线配船问题研究存在的不足,以最大化船公司航线运营利润、最小化运力浪费为目标,建立双目标航线配船模型.同时为避免目前航线配船模型求解方式的繁琐,尝试将航线配船问题的可行解用染色体形式表示,通过遗传算法在解空间内的遍历和搜索,得到问题的满意解.实例分析证明了模型的可行性和算法的有效性.     

基于非支配排序遗传算法的沥青路面大中修养护决策

为了更好地协调沥青路面大中修养护方案决策时成本、环境和性能之间相互制衡的矛盾,提出了一种基于非支配排序的遗传算法(non-dominated sorting genetic algorithm Ⅲ,NSGA-Ⅲ)来优化沥青路面大中修养护方案决策。针对实际公路工程项目中多重约束条件下的养护需求,建立了以碳排放量、寿命周期成本及路面使用性能为目标的多目标优化模型,采用NSGA-Ⅲ算法求解模型,有效解决各目标间的非支配关系,并得到养护方案的Pareto解集;在多属性决策中引入广义马氏距离与组合赋权方法,对Pareto解集进行排序决策,并以承德市某公路为例进行实例演示;划分3种不同的权重等级和六种权重策略,分析对不同目标赋予不同权重等级时对最优养护方案的影响。研究结果表明:NSGA-Ⅲ算法可以快速、高效地捕捉多目标解集,当对不同目标赋予相同的权重等级时,相比于只考虑单目标与双目标的养护方案,其最优解在碳排放量上分别降低24.45%、28.41%;寿命周期成本分别降低14.43%、17.95%;PCI值分别降低1.07%、3.68%。该方法相比于传统的决策方法可以更准确、更迅速地得到可持续性的养...     

环型配网优化规划的遗传算法

直接使用闭环结构约束,采用遗传算法对仅有2个变电站的环型配网进行优化规划.在配网优化规划的同时考虑到了结构上的环状约束和运行上的辐射状约束.首先介绍了环型配电网优化规划中采用的数学模型,然后介绍了遗传算法理论及其在环型配电网中的应用,并使用Visual C 编程语言,设计、开发环型配网优化规划软件.最后通过对一个17节点的试验系统的优化规划,验证了方法的实用性和有效性.     

一种改进的遗传算法优化策略

针对实际制造系统的复杂性,提出了一种改进的遗传优化策略,将遗传算子平台与仿真包紧密结合,遗传算子平台优化参数,用仿真包模拟实际系统作为优化参数的评估工具,以确定资源配置的优化方案,从而提高系统浆利用率的有效性,并用实例证实此方法具有显著的优度柔性。     

改进遗传蜂群算法求解分布式柔性作业车间调度问题

针对分布式柔性作业车间调度问题,提出一种改进遗传蜂群算法求解方案。算法采用基于机器编码的编码方案,根据编码特点和分布式柔性作业车间的特点,设计了一种基于编码相似度的交叉操作,可以避免在交叉过程中产生非法解,提高算法的运行效率,并通过在不同的交叉操作后,以不同概率进行两种变异操作的方式改进了雇佣蜂时期的搜索操作,改善了算法的迭代速度;采用排序选择策略替代原来跟随蜂时期的选择策略;改进侦查蜂的蜜源抛弃机制,通过对比已获得的全局最优解,对达到搜索上限的蜜源进行部分抛弃,防止破坏优质解再次陷入随机搜索。最后,通过对比不同算法对实例求解,验证本文算法的有效性。     

约束优化问题和互余问题的同伦算法

把约束优化问题转化为互余问题,然后用分段光滑同伦间接地解决了约束优化问题和互余问题,并给出了数值例子。     

遗传优化算法及含有模糊目标和模糊约束的机械优化设计

针对机械工程中的非线性约束优化的工程问题 ,提出了一种新的遗传算法。该方法在遗传算法中通过去掉等式约束、构造浮点型编码向量、精心设计动态遗传及变异算子等改造操作 ,较大地提高了寻优效率和寻优能力 ,并用Matlab语言开发了相应软件。对设计的算法与一般遗传算法、变尺度法以及随机搜索方法进行算例比较。对于含有模糊目标和模糊约束冗余系统可靠性优化设计问题 ,通过定义隶属函数 ,把问题转化为清晰的普通优化问题利用改进的算法求解 ,以提高求解的精度和可靠性     

非清晰精馏网络系统MINLP整体最优化方法

以分离清晰度为优化变量之一，建立了非清晰精镏网络最优化模型．该模型为非凸的混合整数非线性规划（ＭＩＮＬＰ）问题．提出了求解含有双线性项的非凸ＭＩＮＬＰ问题的整体最优化方法．最后通过３个非清晰精镏网络是优化算例对上述方法和模型进行了演示．     

基于自适应遗传算法的RBF神经网络优化算法

针对传统遗传算法收敛速度慢的缺点,本文将改进后的遗传算法应用于RBF神经网络,对隐层中心和宽度值进行同步优化,并在复杂非线性函数的逼近实验中证明了本文算法相比传统遗传算法在搜索全局最小点的速度上得到了很大提高.     

线性分式运输问题的一个解法

线性分式运输问题是线性分式规划的一种特殊情况．本文针对分式运输问题的特点给出了一种简便的解法     

一种基于遗传算法的模糊神经网络结构和参数优化

提出一种基于遗传算法的三阶段优化策略。在给定初始参数基础上,利用基于十进制编码的遗传算法实现模糊神经网络的结构优化,用基于二进制编码的遗传算法实现模糊神经网络的参数优化。仿真结果表明上述优化策略是有效的。     

改进遗传算法进行电压无功实时控制

针对遗传算法求解电力系统电压与无功的优化控制中计算过慢的缺点，提出了多种改进措施，以提高解题速度，并将其结果作为运行部门调控的依据，实现实时的电压无功控制。     

解非线性优化问题的混合加速遗传算法

通过在实码遗传算法进化过程中加入改进的步长加速学习算子，并利用实码遗传算法和步长加速法所得到的优秀个体群，作为变量新的变化范围，逐步缩小搜索空间，自动向最优解收缩，提出了求解不可微非线性函数全局解的一种新方法——混合加速遗传算法(HAGA)，给出了HAGA算法实施的详细步骤，建立了HAGA相应的收敛定理。理论分析和实例分析表明，HAGA具有准确、快速和适用性强等特点，是一种既可以较大概率搜索全局最优解，又能进行局部细致搜索的优秀非线性优化方法，可广泛应用于各种不可微函数优化问题中。