解决批量流水线调度问题的离散微粒群算法

提出了解决以makespan为目标的批量流水线调度问题的离散微粒群优化算法.该算法采用了基于工序的编码方式,设计了新的粒子生成公式,通过局部搜索来提高算法的开发能力,从而使微粒群算法可以直接应用于调度问题.仿真实验表明了上述算法的有效性.     

基于NSGA-Ⅱ算法的多目标公交调度优化模型

针对传统公交调度方案容易导致运营经济成本和乘客时间成本的不合理分配问题,提出了一种基于NSGA-Ⅱ算法的多目标公交调度优化模型。综合公交车辆运营成本、乘客出行成本及乘车舒适度三个目标函数,建立公交调度优化模型,通过非支配排序遗传算法对模型的pareto最优解进行计算。最后以深圳市某路公交为实例,通过采集线路参数,计算得到该线路最优发车间隔。验证了NSGA-Ⅱ优化算法在公交调度中的有效性,对公交运营与线路改善有一定的借鉴意义。     

桁架结构多目标优化的NSGA-Ⅱ改进算法

为克服桁架结构多目标优化设计中约束条件和离散变量处理困难、收敛效率低等问题,在保留原算法优点的同时,对多目标进化算法NSGA-Ⅱ进行了改进。为了验证改进效果,对经典的空间桁架结构进行了优化;并与其他算法的优化结果进行了比较。结果表明改进算法在桁架结构优化中的表现优于原算法和其他算法,具有良好的收敛性和稳定性。     

基于 NSGA-Ⅱ 的考虑客户满意度的多目标车辆路径问题研究

【目的】研究考虑客户满意度最大和总成本最小的车辆路径问题。【方法】引入了带精英策略的非支配排序遗传算法(NSGA-Ⅱ)对模型进行求解,并采用Python进行程序编写,选取Solomon 的标准测试数据进行数值实验。【结果】建立客户满意度最大和企业总成本最小的双目标优化模型,实现了车辆数、客户满意度、总路径长度以及成本费用的优化。【结论】实验结果表明所建立的优化模型能够在给客户带来高质量服务的同时,较好地降低成本,对物流企业的配送决策提供一定的参考价值。     

基于NSGA-Ⅱ的冷源机房设备运行参数多目标优化

中央空调冷源机房设备系统运行参数优化是提高空调运行性能的重要途径之一,但由于机房设备种类繁多,运行工况复杂,运行参数诸多,参数之间耦合作用较强,其优化问题是学者们广泛关注的重点和难点.提出了一种基于非支配排序遗传算法Ⅱ(non-dominated sorting genetic algorithmⅡ,NSGA-Ⅱ)的冷...     

基于NSGA-Ⅱ的物流末端人员配置的多目标决策

研究同时考虑客户满意度和成本的物流末端配送环节中快递人员配置问题。在考虑到满意度和快递员的情况下,通过人员配置成本、惩罚成本和运输成本所构成的总成本最小和顾客满意度最大时的人员配置方案,并采用NSGA-Ⅱ算法在Python软件上求解物流末端配送问题,最后进行了案例分析。分析结果表明：所建立的物流末端人员配置和路径优化的多目标优化模型实现了人员配置、客户满意度和成本的优化,且能够在保证客户满意度的情况下降低人员成本。所提出的方案为物流末端快递人员配置的多目标优化问题提供了理论依据。     

基于NSGA-Ⅱ 的医疗设备预防性维护与病人调度联合优化

[目的]针对病人进行核磁共振成像预约检查过程中出现的调度与设备维护计划相互影响的问题,提出一种联合优化模型,研究对象是单机系统,多位病人等候进行检查.[方法]考虑到设备失效服从威布尔分布,设备具有堕化效应,引入役龄递减因子、失效率递增因子、维护时间递增因子和维护费用递增因子对设备的劣化过程做了模拟,构建了合适的维护方案.接着考虑到病人就诊过程中设备必须保持足够的可靠度,保证病人就诊检查全过程的安全性,制定了一种提前式预防性维护方案.[结果]以总成本最低、总延误时间最少、总就诊时间最少为 目标,采用NSGA-Ⅱ算法求得Pareto最优解,采用层次分析法使医院的预约系统能够根据实际情况排布出合适的调度方案,有效协调病人就诊调度与设备维护计划.[结论]通过实际算例证明了所提出的联合优化模型的有效性.     

采用NSGA-Ⅱ算法的混合动力能量管理控制多目标优化方法

综合考虑燃油经济性、排放性与驾驶性对混合动力能量管理控制优化的优点,以某款并联混合动力汽车为研究对象,选取能量管理控制参数与传动系参数作为待优化参数,以动力性作为约束条件,建立混合动力能量管理控制多目标优化评价方法,提出基于NSGA-Ⅱ算法的混合动力系统多目标优化方法,并与优化前控制策略进行仿真对比分析。结果表明:在满足基本约束的前提下,优化后燃油经济性最多提高了7.8%,平均提高了6.38%;驾驶性性能指标最多提高了27.12%,平均提高了21.74%;排放性综合指标平均提高了41.51%。提出的多目标优化算法具有良好的收敛性与分布性,得到的Pareto最优解集能够给混合动力能量管理控制策略提供更多的权衡选择方案,体现了多目标优化的优势。     

基于NSGA-Ⅱ的二氧化碳氢化反应热力学多目标优化

二氧化碳氢化合成低碳烯烃反应是化学储能技术路径中重要的单元反应,二氧化碳首先与由可再生能源获得的氢气进行化学反应合成低碳烯烃,随后通过齐聚反应将能量储存到清洁燃料中。以二氧化碳氢化合成低碳烯烃反应为研究对象,使用Gibbs自由能最小化方法进行了平衡热力学分析,得到反应温度、反应压力、进料气H₂与CO₂的物质的量比对CO₂平衡转化率、低碳烯烃选择性及平衡组分的影响;基于统计学理论建立了反应参数对CO₂平衡转化率、低碳烯烃选择性和反应系统中H₂O平衡摩尔分数的回归函数模型;最后采用基于快速非支配排序遗传算法（NSGA-Ⅱ）的多目标优化方法对反应系统性能进行多目标优化。结果表明：从提高反应系统性能和降低催化剂水解失效风险角度进行的多目标优化与CO₂平衡转化率最大的单目标优化相比,H₂O的平衡摩尔分数从47.2%减少到24.9%;与低碳烯烃选择性最大的单目标优化相比,H₂O的平衡摩尔分数从51.1%减少到18.7%;与H₂O平衡摩尔分数最小的单目标优化相比,CO₂平衡转化率和低碳烯烃选择性从64.9%和8.7%分别提高到72.9%和58.6%。     

基于NSGA-Ⅱ的Q355C气保焊形貌与性能多目标优化（英文）

为了揭示熔化极气体保护焊工艺参数对形貌与性能的影响规律,改善形貌与性能质量,以熔化极气体保护焊预热温度、焊接电压、焊接电流、焊接速度、干伸长为工艺参数,开展混合正交堆焊试验。基于试验数据建立了拟合回归模型来预测焊缝高宽比、硬度和残余应力。试验结果表明,高宽比随着焊接电压的增大而减小,随着焊接电流的增大先增大后减小;硬度随着预热温度和焊接速度的增大而增大,随着焊接电压、焊接电流和干伸长的增大而减小;残余应力随着预热温度的增大而增大,随着焊接电压和焊接速度的增大先减小后增大。基于回归模型,采用NSGA-Ⅱ算法实现多目标优化,并通过实验验证了焊缝高宽比、硬度和残余应力三者间的非劣解。三个输出指标验证试验结果与预测结果的误差值均小于10%,表明了该优化方法的可行性。研究结果为电弧焊接多目标优化及精细化应用提供理论指导。     

采用NSGA-Ⅱ算法的面齿轮副小轮拓扑修形多目标优化

为合理确定面齿轮副小轮的修形参数,设计了均由2段抛物线与1段直线组成的直齿小轮齿廓和齿向修形曲线,将由三次B样条拟合得到的修形曲面与理论齿面相叠加来构造拓扑修形齿面。采用带精英策略的快速非支配排序遗传算法(NSGA-Ⅱ),结合面齿轮副的几何接触分析(TCA)和承载接触分析(LTCA)技术,提出了以修形曲线参数为优化变量,使抛物线几何传动误差曲线两端对称、接触印痕限制在齿宽中部、承载传动误差波动幅值最小的小轮拓扑修形多目标优化设计方法,并编制了相应的Matlab程序。算例表明:优化修形参数后得到了对称的抛物线几何传动误差和位于大轮齿宽中部的接触印痕,并大幅度减小了承载传动误差波动,从而可有效降低安装误差敏感性和齿轮副的振动、噪声。     

一种基于等位基因原理的NSGA-Ⅱ算法

NSGA-Ⅱ算法是通过模拟达尔文进化原理,采用选择、交叉和变异等操作算子,对个体种群进行繁殖和进化,以实现多目标优化.在NSGA-Ⅱ算法进化过程中,变异或交叉操作应用于个体的所有基因.但在真实的自然变异过程中,生物体根据等位基因频率的原理,不会整个基因发生变异,而只有少数基因会发生变异.同时,在交叉操作中该生物体仍有变异的机会.为了完全模拟自然变异过程,笔者提出了一种基于等位基因原理的NSGA-Ⅱ算法,该算法允许个体在变异过程中保持某些基因不变,在交叉操作中却仍有变异的机会.实验结果表明,与其他多目标进化算法相比,该算法显著提高了搜索性能,且具有收敛性强和不易陷入局部极小的特点.     

基于NSGA-Ⅱ的老旧小区改造方案优选

老旧小区改造是改善民生的重要举措。“怎么改”是改造过程中利益相关者关注的重点问题之一。在确定改造内容之后,由于各改造内容的工艺、功能、材料、品牌等不同,改造方案选择基数大,不同改造方案对应的改造工期、成本、质量等评价目标也各不相同,科学优选改造方案是实现预期改造目标的重要工作。以改造方案的工期、成本、质量为目标,建立多目标优化模型,采用NSGA-Ⅱ算法进行求解,得到较好的Pareto前沿,为决策者选择老旧小区改造方案提供依据。结果表明：该方法进行方案优选能够提高方案寻优效率,所得方案更具说服力、科学性。     

采用NSGA-Ⅱ算法的纯电动汽车复合电源参数匹配及优化

为了解决单一电源驱动电动汽车动力性和经济性不足的缺陷,提出了由锂离子电池和超级电容组成的复合电源,确定了复合电源的拓扑结构,制定了复合电源功率分配控制策略。在简单循环工况下,以整车经济性和动力性为目标,采用NSGA-Ⅱ算法的多目标优化方法,对复合电源参数进行了匹配和优化。搭建了基于d SPACE的在环测试平台,对优化前后复合电源和单一电源的经济性和动力性进行在环测试。实验结果表明,与优化前复合电源相比,优化后复合电源的能量利用率提高了6%;与单一电源相比,优化后复合电源的制动能量回收率提高了3.42%;不同速度区间内,相比单一电源和优化前复合电源,优化后复合电源的动力性提高了3%以上。整车经济性和动力性得到了显著改善和提升,验证了优化方法的合理性和可行性。     

基于NSGA-Ⅱ和PGA混合遗传算法的中压配电网线路优化规划

目前,中压配电网的供电可靠性得到了广泛的关注。为此,本文以经济性和可靠性最优为优化目标,建立了配电网的网架优化规划模型。基于帕雷托最优理论,本文结合NSGA-Ⅱ（Non-dominated Sorting Genetic algorithm Ⅱ）算法和单亲遗传算法（Partheno-geneticalgorithm,PGA）对该模型进行了求解,得到了分布均匀的帕雷托最优集,并从中确定了综合效益最优解。通过典型算例和与现有方法的比较,验证了本文方法的有效性,表明其能够满足实际工程的不同要求,为实现灵活的配电网网架优化规划提供理论依据。     

基于NSGA-Ⅱ算法的康复机器人减重单元的优化设计

下肢运动障碍患者康复训练治疗手段之一是减重步行训练,移动式下肢康复训练机器人既可以跟随保护患者,又可以对其进行减重步态训练。针对机器人核心部件之一的减重单元,本研究提出一种启发式设计算法,可以避免机构本身复杂因素所带来的结构优化困难,获得多目标的优化解集。通过带精英策略的非支配排序遗传算法（NSGA-Ⅱ）在多目标优化问题中确定减重单元的设计参数。实验验证表明,减重单元体积减小明显,使结构更加紧凑。     

改进的NSGA-Ⅱ算法的柔性物料搬运策略

针对传统的装配车间拉动式物料配送存在拣货效率低和配送成本高的问题,提出了以搬运机器人为中心的柔性物料配送策略.建立了以完工时间、延期时间、负载和能耗等目标最小化的多目标多机器人协作配送调度模型;并结合模型特点提出了一种改进的非支配排序遗传算法(non-dominated sorting genetic algorith...     

基于伪并行NSGA-Ⅱ算法的火电站多目标负荷调度

为了克服以往负荷调度模型及优化算法存在的缺陷,提出了多目标负荷调度模型,同时考虑最小化燃料费用和污染排放量,并将带精英策略的快速非支配排序遗传算法(NSGA-Ⅱ)与并行遗传算法(PGA)相结合对其求解.利用该方法对一电厂进行多目标负荷调度,获得了分布良好的Pareto最优解,为经济性和环保性的权衡分析提供了有效的工具,分析结果验证了其思路的有效性和可行性.     

基于NSGA-Ⅱ和BP算法的横置板簧悬架系统多目标优化

为了匹配汽车簧载质量和悬架刚度,文章建立整车悬架系统振动模型,基于多目标优化理论,以车身加速度均方根值最小、车身侧倾角最小为2个优化目标,将非支配排序遗传算法（non-dominated sorting genetic algorithm-II,NSGA-Ⅱ）和反向传播（back propagation,BP）神经网络结合进行多目标优化;根据车辆簧载质量变化和性能偏好,对悬架参数进行匹配,然后对悬架参数进行Sobol敏感度分析,得到各悬架参数对平顺性和操稳性的不同重要程度。仿真结果表明,匹配后的数据对平顺性和操稳性均有较好的优化效果,前阻尼值对平顺性影响最大,后刚度值对操稳性影响最大。