火箭壳体加工的虚拟单元重构方法

针对火箭壳体加工车间新订单连续到达,排产方案重构频繁导致重构时间花销大、排产方案低效等问题,首先建立虚拟单元重构的多目标规划模型,以多批订单总生产时间、运输设备总运输距离以及车间生产设备负荷均衡因素为目标函数,以车间设备加工能力和火箭壳体加工工艺限制为约束条件;其次提出一种改进的NSGA-Ⅱ算法对模型进行优化求解,针对NSGA-Ⅱ算法局部搜索能力的不足,在NSGA-Ⅱ算法交叉过程中引入“首次改进”和“随机改进”两种局部搜索策略,提高该算法的局部搜索能力;最后基于超体积、均匀性两个多目标评价指标对提出的改进NSGA-Ⅱ算法与传统的NSGA-Ⅱ算法以及NSGA-Ⅲ算法进行比较,结合实例验证了改进NSGA-Ⅱ算法在进行火箭壳体虚拟单元重构时更加高效.     

高渗透率分布式电源并网的无功电压控制研究

为了解决当不同情况下高渗透率分布式电源并入电网时,在传统配电和输电系统中出现一些电压波动较大、网损过高等问题。本文提出一种改进型自适应遗传算法应用在无功电压控制中。首先,采用线性标定的方法对5个最小化问题的目标函数进行标定,加快算法在后期的收敛进程。其次,并采用NSGA-Ⅱ快速非劣支配排序法来求取其中的Pareto前沿解,则多目标问题可化为单目标优化问题。最终可以减少迭代次数,具有很好的全局寻优能力和较快的后期收敛速度,可以使得把最小网损和电压偏差作为目标函数的解多样化且最优。这样高渗透率分布式电源并网条件下的系统电压更稳定,网损减少,从而增强电力系统电能质量可靠性。本文采用把输配电电系统相结合的改进型IEEE30节点模型作为研究对象,探究了输配电系统在含不同渗透率分布式电源下的几个重要指标,其仿真结果证明了本文方法的可行性和有效性。     

改进NSGA-Ⅱ算法及其在切削加工参数优化中的应用

针对NSGA-Ⅱ算法种群收敛分布不均匀,全局搜索能力差,易陷入局部最优等不足,引入正交交叉策略与混合变异算子,提出一种改进的NSGA-Ⅱ算法。在测试函数上对改进NSGA-Ⅱ算法与传统NSGA-Ⅱ算法同时进行性能测试,结果表明改进的NSGA-Ⅱ算法无论是在收敛性还是多样性上均优于NSGA-Ⅱ算法。将改进算法与传统NSGA-Ⅱ算法同时应用于6061铝合金精密车削加工参数多目标优化设计中,研究结果表明改进NSGA-Ⅱ算法收敛精度更高,收敛速度更快,优化结果更加逼近全局最优解,在求解切削加工参数多目标优化问题时更加有效。     

基于自适应混合非支配个体排序策略的改进型NSGA-Ⅱ算法

针对经典快速非支配排序遗传算法(NSGA-Ⅱ)中基于拥挤距离的种群多样性保持策略不能客观反映个体间真实拥挤程度的问题,提出了一种基于自适应混合非支配个体排序策略的改进型NSGA-Ⅱ算法(NSGA-Ⅱ^h)。首先,设计一种新的循环聚类个体排序策略;然后,根据Pareto分层信息来对基于经典拥挤距离和循环聚类的两种个体排序策略进行自适应的选择;最终,实现对进化后期的种群多样性保持机制的改进。通过5个标准测试函数进行算法验证,并与经典的NSGA-Ⅱ、多目标粒子群优化算法(MOPSO)和GDE3等算法进行对比分析,NSGA-Ⅱ^h算法获得了80%的最优反向世代距离(IGD)值,且显著性水平为5%的双尾t检验结果表明,新算法具有明显统计意义上的性能优势。改进算法不仅能提高进化种群的分布性,而且能增强算法的收敛性,有效提高了优化效果。     

基于概率模型的混合多目标算法

对传统多目标算法NSGA-Ⅱ及模型多目标算法RM-MEDA进行了分析,并指出了二者的不足。在此基础上,提出基于概率模型的混合多目标算法,并设计了相应的建模准则用于实现两种算法的结合,使得提出的算法能够充分发挥两种算法的优势。将提出的算法与NSGA-Ⅱ算法和RM-MEDA算法在10个测试函数进行了实验对比,结果证实了算法在全局收敛性及多样性等方面有着较好的效果。     

基于改进粒子群算法的多目标分布式电源选址定容规划

通过分析分布式电源对配电网的影响,以有功功率损耗、电压质量及分布式电源总容量为优化目标,基于模糊理论建立了分布式电源在配电网中选址定容的多目标优化模型,并提出了一种改进粒子群算法进行求解。在算例仿真中,基于IEEE 14标准节点系统,采用MATLAB仿真工具对所提算法进行了测试,证实了所提算法全局搜索能力较强、收敛速度较快,并通过比较分析验证了该模型和算法的可行性及有效性。     

基于自适应混沌改进NSGA-Ⅱ的微网需求响应配置

为降低微电网成本,提高需求响应调节负荷能力和减缓微网高峰供电压力,提出基于自适应混沌改进NSGA-Ⅱ的微网需求响应配置方法。首先,以微网运行成本和环境成本为多目标优化模型,再采用自适应混沌改进NSGA-Ⅱ算法优化求解模型,其中在自适应混沌改进NSGA-Ⅱ算法中引入混沌序列和采用自适应策略,并采用正态分布的交叉算子以及动态更新算子来避免传统NSGA-Ⅱ算法易陷入局部最优解的问题。最后,在算例中与MOPSO算法对比,结果表明该方法能够有效节约微网成本,完成合理的需求响应,保障用户稳定用电以及有效利用储能,提高了微网灵活性,方案具有可行性。     

基于改进NSGA-Ⅱ的考虑自动引导车充电策略的集成调度

针对自动引导车（AGV）在自动化集装箱码头（ACT）执行任务过程中的电量问题，提出基于改进的非支配排序遗传算法-Ⅱ（NSGA-Ⅱ）的考虑AGV充电策略的集成调度。首先，在岸桥、场桥和AGV集成调度模式下，考虑AGV在不同作业状态下的耗电量，并建立以最小化作业完工时间和总耗电量为目标的多目标混合规划模型；其次，为提高传统NSGA-Ⅱ的性能，设计自适应NSGA-Ⅱ，并将所提算法与CPLEX求解器、NSGA-Ⅱ和多目标粒子群优化（MOPSO）算法进行性能对比；最后，设计AGV不同充电策略并对设备数量配比进行实验研究。算法对比实验结果表明：相较于传统NSGA-Ⅱ算法，自适应NSGA-Ⅱ对双目标的优化分别提升了2.8%和2.63%。利用自适应NSGA-Ⅱ进行的充电策略和设备数量配比实验的结果表明：增加AGV充电次数能够减少AGV的充电时间，且调整设备数量配比至3∶3∶9和3∶7∶3时，场桥和AGV的时间利用率分别达到最高。可见，AGV充电策略及设备数量配比对码头多设备集成调度有一定影响。     

基于云模型的NSGA-Ⅱ算法改进

如何使算法快速收敛到真正的Pareto前沿,并保持解集在前沿分布的均匀性是多目标优化算法重点研究解决的问题.提出一种基于云模型的改进NSGA-Ⅱ算法,利用正态云模型云滴的随机性和稳定倾向性特点,分别对交叉、变异、拥挤距离算子进行改进.使算法既具有传统的趋势性和满足快速寻优能力,又具有随机性.在提高收敛速度与保持种群多样性之间做了个很好的权衡.通过求解多目标背包问题,对本文算法的多目标优化性能进行了考察,并与NSGA-Ⅱ算法进行比较,结果表明本文算法在整个解空间内能快速搜索到Pareto最优解,使搜索到的Pareto最优解在前沿均匀分布.     

分布式工厂中微型制造单元多目标优化

由于各地区存在资源禀赋和产业政策差异，分布式生产对提升制造企业竞争力的作用非常重要，如何利用分布式生产增强大规模定制的柔性是提振消费信心需要解决的重要问题。结合微型制造单元的思想，在多市场多类型产品的分布式混流生产情景下，以最小化人工和转运等运营成本以及最大完工时间为目标，提出分布式工厂构建和生产调度集成模型，以求解微型单元构建、工人和机器配置和各批次产品的生产策略。所提模型能帮助企业实现产能快速释放和合理混流生产，从而实现满足多区域、多产品和差异化需求的分布式制造与销售，并在确保产量的同时降低制造过程中的运营成本。此外，设计多目标粒子群优化（MOPSO）算法求解模型，并将它与非支配排序遗传算法Ⅱ（NSGA-Ⅱ）和多目标模拟退火（MOSA）算法进行比较。大规模数值实验的结果表明，在相同的运行时间内，MOPSO算法在解集支配覆盖率（CM）、平均理想距离（MID）和最大分散度（MS）这3个指标上均优于NSGA-Ⅱ和MOSA算法。所提算法可以为微型化分布式生产系统提供高质量的生产运作决策方案。     

基于网格的E-占优新型NSGA-II算法

为了提高基于E-占优的NSGA-Ⅱ算法的优化效果,针对其在保持种群的多样性和分布性上的不够完善以及变异算子性能比较弱的问题,提出基于网格的E-占优新型NSGA-Ⅱ算法,根据算法所存在的问题采用网格来保持进化种群的多样性、分布性和采用非均匀变异来改善变异算子的性能。新算法与NSGA-Ⅱ和基于E-占优的NSGA-Ⅱ进行比较,结果表明新算法性能得到了提高,在处理多目标问题时多样性和分布性上均有了明显的改善。     

基于NSGA-Ⅱ算法的装备研制多目标优化研究

为提高装备军事效益和经济效益,在网络计划技术的基础上,以装备研制成本和质量为目标,结合工期-质量模型、工期-成本模型和成本-质量模型,建立了多目标综合优化模型。采用一种基于Pareto最优解的多目标遗传算法——NSGA-Ⅱ算法求解,以某探测器研制为例,运用该方法进行建模求解,经MATLAB计算,验证了模型的合理性和算法的有效性。结果表明NSGA-Ⅱ算法的收敛性好,通过它求得的非劣解与实际能较好地相符,为部队在各种武器装备方案论证阶段开展工期、成本和质量之间的权衡分析提供了一种有效工具。     

融合DE和NSGA-Ⅱ算法的网格工作流调度研究*

针对当前网格工作流调度算法中大多只考虑DAG结构的网格工作流、考虑QoS维数较少及将多QoS参数聚合成一个单目标函数进行优化调度的现状,基于AGWL网格工作流模型,提出了一种带QoS约束的多目标优化的网格工作流调度算法,该算法是将DE的变异和交叉算子替换NSGA-Ⅱ中的变异和交叉操作所设计的一种调度算法。通过与基于NSGA-Ⅱ的网格工作流调度算法比较,表明了该算法的有效性。     

改进多目标粒子群优化算法在间歇蒸煮过程中的应用

对间歇蒸煮过程进行了分析建模,分别建立了纸浆质量、污染指标和制浆成本三个数学模型,从而构成多目标优化问题。在典型的多目标优化算法NSGA-Ⅱ的基础上,采用粒子群算法的消息传递机制来进行求解,新算法在全局极值的选择上借鉴了分布估计算法的概率抽样思想来产生新的gbest。最后就该算法进行了仿真计算并和实际参数进行了对比,说明实际生产在能耗和污染两项指标上确实存在改进的余地。     

基于NSGA-Ⅱ和MOPSO融合的一种多目标优化算法

用多目标粒子群优化（MOPSO）算法的粒子位置更新模式替代NSGA-Ⅱ的交叉操作，获得一个新的算法（NSGA-Ⅱ-MOPSO）。为使这两种差异较大的算法实现无缝融合，在NSGA-Ⅱ算法范围内对MOPSO中特有的概念粒子及其速度、Pbest、引导者进行处理：1）粒子对应于NSGA-Ⅱ中子代群体的个体；2）不再使用粒子速度概念；3）不再使用粒子Pbest概念，代之以从父代群体中为每个粒子的每一维寻找一个最近的该粒子非支配个体；4）每一个粒子的引导者可以是父代群体中稀疏程度最大的个体或者是按照二进制随机竞赛选择方法从父代群体中选择的一个个体，具体哪一种方式发挥作用依赖于预先设定的概率。另外，引入稀疏程度概念来评价粒子在目标函数空间的分布。6个算例的结果表明，与NSGA-Ⅱ及最新的两种MOPSO算法（CLMOPSO和EM-MOPSO）相比，新算法是一个有效、稳定的算法。     

改进NSGA-Ⅱ算法的海上搜救调度方法

针对海上搜救资源调度决策困难、干扰多、实时性差、难以实现全局最优问题,本文以黄渤海海域为例,采用改进的非支配排序遗传(NSGA-Ⅱ)算法解决海上船舶搜救资源调度问题.首先,根据AIS以及北斗数据,建立了海上搜救资源的多目标优化模型;其次,改进的NSGA-Ⅱ算法采用基于正态分布交叉(NDX)算子,在扩大搜索范围的基础上,避免陷入局部最优,得到多目标问题完整的Pareto解集;采用综合评价法(TOPSIS)从Pareto解集中求得折衷解,即最终设计的搜救调度方案;最后,在考虑船舶数量约束以及时间约束的条件下,采用改进的NSGA-Ⅱ算法分别与NSGA-Ⅱ算法和贪婪算法进行对比,并采用黄渤海海域船舶采集数据进行仿真.结果表明该算法能够有效解决海上搜救资源调度优化问题.     

熵值理论在多目标演化中的应用研究

为了克服传统多目标演化算法在进化后期遗传操作可能失效使算法性能降低以及基于概率建模的多目标算法在演化初期由于种群分布尚未呈现一定规律, 采样产生的新个体的搜索方向同目标方向存在差异, 提出一种基于熵值的多目标演化算法（entropy based multi-objective evolutionary algorithm, EB-MOEA）。算法利用种群进化过程中, 个体分布存在从无序到有序的现象, 设计了一种基于熵值理论的种群分布计算方法, 并将其作为种群从无序到有序过渡的判定准则, 指导遗传操作和概率建模操作切换的时机。新算法采用ZDT、DTLZ系列测试集进行实验, 通过与NSGA-Ⅱ以及RM-MEDA算法的实验对比, 证明了新判断准则的有效性, EB-MOEA具有更好的寻优性能。     

基于局部变分贝叶斯推断的分布式交互式多模型估计

针对目前部分多模型算法预先设定运动模型转移概率矩阵对状态估计精度的不利影响,本文提出了一种基于局部变分贝叶斯推断的分布式交互式多模型估计算法.不同于传统交互式多模型估计中运动模型转移概率矩阵为先验已知的假设条件,在分布融合估计框架下,首先基于最小化Kullback-Leibler散度准则的递归优化策略实现对运动模型转移概率矩阵的预测与更新;在此基础上,结合变分贝叶斯推断实现对当前时刻目标状态与模型概率的联合估计;最后依据协方差交叉融合策略完成对局部状态估计融合.仿真结果表明:新算法通过对运动模型转移概率矩阵以及模型概率自适应在线估计,有效提升了机动目标的状态估计精度.     

钢铁一体化生产多目标合同计划建模与算法

为了实现热装比最大等多个优化目标,将炼钢-连铸-热轧一体化生产过程,抽象为炼钢与热轧两大加工阶段,建立了一体化生产多目标合同计划模型.以板坯热装比最大、交货提前/拖期率最小和组炉余材最少为优化目标,综合考虑了炼钢产能、热轧产能、最小主体材产量、以及钢种、板坯和成品规格等约束条件.通过变异目标空间中的重合个体,以及在每一代增加若干个新个体的方法,对非支配排序遗传算法NSGA-Ⅱ (non-dominated sorting genetic algorithm)进行了改进,提高了种群的多样性.不同规模计划问题的计算结果表明了所建立模型和对NSGA-Ⅱ算法的改进是有效的.     

基于NSGA-Ⅱ的饲料配方设计

饲料配方在禽畜养殖业中有着重要的意义,现有的手工计算方法很难满足实际的需要,而目前很多计算机优化的方法只能解决约束较少,规模较小的问题。该文将饲料配方设计问题描述为多目标最优化问题。首先把目标最优化问题转换为相应的数学模型,然后用NSGA-Ⅱ进行求解,最后进行仿真实验,得出结果。该方法克服了传统算法的局限性,通过对NSGA-Ⅱ进行优化改进提高算法的收敛速度和种群的多样性。实验结果表明,该算法可以有效地解决饲料配方设计问题。