Combination of RSM and NSGA-II algorithm for optimization and prediction of thermal conductivity and viscosity of bioglycol/water mixture containing SiO2 nanoparticles

The fluids containing nanoparticles have enhanced thermo-physical characteristics in comparison with conventional fluids without nanoparticles. Thermal conductivity and viscosity are thermo-physical properties that strongly determine heat transfer and momentum. In this study, the response surface method was firstly used to derive an equation for the thermal conductivity and another one for the viscosity of bioglycol/water mixture (20:80) containing silicon dioxide nanoparticles as a function of temperature as well as the volume fraction of silicon dioxide. Then, NSGA-II algorithm was used for the optimization and maximizing thermal conductivity and minimizing the nanofluid viscosity. Different fronts were implemented and 20th iteration number was selected as Pareto front. The highest thermal conductivity (0.576 W/m.K) and the lowest viscosity (0.61 mPa.s) were obtained at temperature on volume concentration of (80 °C and 2%) and (80 °C without nanoparticle) respectively. It was concluded that the optimum thermal conductivity and viscosity of nanofluid could be obtained at maximum temperature (80 °C) or a temperature close to this temperature. An increase in the volume fraction of silicon dioxide led to the enhancement of thermal conductivity but the solution viscosity was also increased. Therefore, the optimum point should be selected based on the system requirement.     

电热耦合综合能源系统双阶段多目标规划研究

多能耦合系统是未来分布式能源供给方式的重要发展方向。为了实现电热耦合能源供给系统的合理规划、促进能源供给与消费的经济与环保的协调发展,提出一种面向电热耦合能源系统的综合能源系统双阶段规划优化方法。模型的第一阶段是在投资和环境最优的目标下实现电热耦合综合能源系统的合理规划,第二阶段是在考虑设备运行特性的基础上对规划的结果进行运行优化,以获得能源系统的最优运行方案,并从多个指标验证规划方案的合理性。利用NSGA-II算法求得模型进的帕累托解集,使用多准则妥协优化法从帕累托解集中决策出最优配置方案。仿真结果表明,提出的双阶段多目标综合能源规划方法能够实现能源供给系统的经济与环保双优。     

面向多目标柔性作业车间调度的强化学习NSGA-II算法

针对非支配排序遗传算法 (NSGA-II, non-dominated sorting genetic algorithm II)在求解柔性作业车间多目标优化调度问题中多样性不足、易于早熟与局部收敛的缺点,提出一种基于强化学习的改进NSGA-II算法(RLNSGA-II, reinforcement learning non-dominated sorting genetic algorithm II)。为避免NSGA-II陷入局部收敛问题引入双种群进化策略,利用性别判定法将种群拆分为两个种群,并在进化过程中采用不同的交叉变异算子,增加算法的局部和全局搜索能力;为解决NSGA-II精英策略造成多样性不足的问题,融合多个多样性度量指标,利用强化学习动态优化种群迭代过程中的拆分比例参数以保持多样性,改善算法收敛性能。最后通过Kacem标准算例进行了仿真实验与性能分析,验证了RLNSGA-II的有效性与优越性。     

考虑拥堵路况下碳排放的选址-配送集成优化问题

供应链网络的运输过程是碳排放的主要来源之一,道路拥堵、配送距离和车辆载重等因素会影响碳排放量,本文研究考虑拥堵路况下碳排放的选址-配送集成优化问题。根据车辆行驶状态定义道路拥堵情况,以不同时段下拥堵概率和预期拥堵距离作为路况决定因素,构建碳排放量和经济成本都最小的两目标模型。设计改进的非支配排序遗传算法(NSGA-II)求解模型获得Pareto解集。以环境问题较重的北京和天津为中心构建供应链网络作为算例,验证了模型和算法的有效性和可行性。实验结果给出了不同偏好下供应链网络的构建方案,并对不同时段下决定路况的拥堵概率和预期拥堵距离以及车辆载重进行灵敏度分析。实验结果表明,相对于高速公路,城市道路不同时段对碳排放量影响更敏感。     

考虑产品与单元匹配的单元装配系统构建模型

针对日本式单元生产过程中流水装配线向单元装配系统转换的决策优化问题,本文以最小化总完工时间和工人总工时为目标,同时考虑产品与单元的匹配关系,构建了单元装配系统多目标优化模型,基于NSGA-II算法设计了适用于该问题的三段染色体的编码方式。通过算例分析了产品与单元匹配关系变化对总完工时间和工人总工时的影响,结果表明,在工人数不变的情况下,产品与单元匹配关系变化会导致总完工时间产生较大差异,随着工人数增多,这种差异逐渐变小。     

NSGA-II与改进粒子群算法相结合的储能优化配置

储能系统的选址定容在接入新能源的电力系统中具有重要意义,合理选择储能容量可以很好地平抑风电接入后的系统有功功率波动,同时减少能源浪费。本文提出了一种混合智能优化算法(Hybrid Intelligent Optimization Algorithm,HIOA),以电压偏差、负荷波动最小及最少储能配置容量为目标进行优化配置。该算法将多目标粒子群算法改进后(IMOPSO)与精英非支配排序算法(NSGA-II)结合,与常规多目标粒子群算法相比,大幅提高了算法的寻优性能,保证了Pareto 解的多样性和分布性。通过非支配排序求解获得Pareto 最优解集,采用逼近理想解排序(technique for order preference by similarity to an ideal solution,TOPSIS)选出储能的最优接入方案。通过IEEE-33 节点测试系统的仿真实验验证了本文所提算法的准确性及有效性,在求解配电网储能选址定容问题中有很好的收敛性和全局寻优能力。     

结构地震反应的模糊控制

MR阻尼器是一种性能优良的半主动控制装置,已广泛应用于结构振动控制领域。本文针对MR阻尼器控制系统的特点,提出了一种基于遗传算法的模糊控制器设计方法,对地震作用下的建筑结构实施模糊控制。该方法将多目标遗传算法NSGA—II和模糊控制技术相结合,人工设计基本模糊控制器,以位移、层间位移和绝对加速度为控制目标,利用NSGA—II来优化生成最优的模糊控制规则。一个3层结构的仿真结果表明。所设计的模糊控制器在四种不同的地震波作用下均能有效地减小结构的地震反应,控制效果明显优于被动控制,与Clipped-LQR控制效果接近。     

LCC-S型无线电能传输系统的磁耦合机构参数多目标优化技术

为了解决MC-WPT系统中磁耦合机构参数设计缺乏系统性的优化方法问题,以2个平面螺旋线圈构成的电磁耦合机构作为研究及优化对象,针对LCC-S型WPT系统,提出一种磁耦合机构参数多目标优化方法。以线圈半径、传输距离和线圈匝数3个耦合机构几何参数作为决策变量,以系统传输效率、传输功率与总谐波畸变率为目标函数,利用基于带精英策略的非支配排序遗传算法Ⅱ(NSGA-Ⅱ)对MC-WPT系统进行优化,得到了3个目标函数的Pareto解集。最后,将优化后的参数带入MATLAB/Simulink仿真模型中对系统进行仿真,并搭建了一套实验装置进行实验验证,仿真和实验结果证明了提出的多目标优化方法的可行性和有效性。研究提出的MC-WPT系统磁耦合机构参数多目标优化方法能够为MC-WPT系统耦合机构参数的设计提供理论性指导。     

多工厂环境下考虑个体利益的多目标协同生产计划模型及算法

针对由多个工厂组成的分布式系统,考虑不同工厂的个体利益诉求,构建了多目标协同生产计划模型。在该模型中,以最大化整体收益作为第一个优化目标;同时,基于亚当斯的公平理论,利用偏离系数法,以最小化个体收益平衡偏差作为第二个优化目标。结合模型结构特点,基于快速非支配排序遗传算法,设计了相应的求解过程。最后,通过一个算例验证表明,本文设计的计划模型和求解方法,不仅可以从网络集成角度协调各个工厂的生产、库存和运输活动,而且能够实现整体利益和个体利益非一致性的最小化。     

考虑序列设置时间的混合流水车间多目标调度研究

基于混合流水车间多品种的特性,序列设置时间和工序跳跃是很多车间在调度时需要考虑的两个重要问题,论文充分考虑这两种生产约束,建立了以最大完工时间和负荷均衡指标为双目标的混合流水车间多目标调度数学模型,并运用改进的NSGA-II算法对基于实际企业生产数据假设的算例进行仿真求解,结果表明求解的调度方案符合实际需求,能够为企业的实际调度提供有效的方案。