圆柱齿轮传动多目标优化的差分进化算法

针对单级斜齿圆柱齿轮传动机构优化设计问题,建立以体积最小化和重合度最大化为目标的约束多目标优化模型。为提高Pareto前沿的分布均匀性和分布广度,将网格Pareto占优技术与约束多目标差分进化算法结合,设计网格占优约束多目标差分进化算法(ε-CMODE)。根据工程实践需要,将离散约束多目标优化模型映射为约束非负整数规划问题,再改进ε-CMODE算法以求解该模型。最后,给出优化设计实例。结果表明,ε-CMODE算法能有效求解齿轮机构多目标优化问题,得到均匀分布的Pareto前沿,可为设计人员提供多组备选解。     

微分进化多目标优化算法研究

对现有的微分进化多目标优化算法做了进一步的研究,揭示了其在机械工程领域中应用存在的问题。在此基础上,对现有的微分进化多目标优化算法进行了修正,给出了基于微分进化算法、适用于机械工程领域的约束多目标优化算法。与目前普遍采用的粒子群多目标优化算法进行了比较,并通过颇具典型意义的双圆弧齿轮传动约束多目标优化范例进行了验证。研究结果表明,该方法比粒子群多目标优化算法具有更好的非劣解的多样性和收敛性,快得多的收敛速度,且程序设计简单、易懂。为机械工程领域约束多目标优化设计提供了一种切实可行的设计算法。     

基于有约束多目标进化算法的冷轧负荷分配分析

冷轧负荷分配问题可以抽象为一个有约束多目标优化问题。为解决此问题,提出了基于环境Pareto支配选择策略的有约束多目标进化算法。该算法更加客观地评价了两个不同解的优劣,利用优秀不可行解加速算法收敛。以等功率裕量、最小轧制能耗、最小综合打滑函数、末机架板形良好轧制力为优化目标,利用有约束多目标进化算法得到了4个目标函数之间的定量关系,使决策者不需要掌握复杂的轧制理论知识就可以直观地掌握轧制规律,并进一步说明了多目标策略在压下负荷分配中的必要性。     

扇形采样约束多目标差分进化算法及工程应用

工程实践中存在大量约束多目标优化问题(Constrained multi-objective optimization problems, CMOPs),多目标进化算法是求解这类问题的一类有效方法。引入扇形采样技术,将二次变异双种群差分进化算法和约束处理方法相结合,设计求解CMOPs的进化算法——基于扇形采样的约束多目标差分进化算法(Sector-sampling-based constrained multi-objective differential evolution algorithm, SS-CMODE)。扇形采样可避免耗时的非劣操作,且能保证Pareto最优解集的良好逼近性和多样性。通过3个典型CMOPs的对比测试,表明SS-CMODE的解集均匀性和计算效率明显优于对比算法。以J23-80机械压力机使用的双曲柄串联机构多目标优化为例,研究新算法求解工程问题的有效性。以锻冲工作阶段平均速度波动最小和力传动性能最优为目标,建立机构的约束多目标优化模型,再应用SS-CMODE求解该问题。结果表明,该算法能求出多组满足约束条件的Pareto最优解,且解集均匀性良好。     

基于差分进化算法的混合动力系统多目标优化

针对混合动力能量管理系统多目标优化问题通常采用加权求和等方法的缺点,采用Pareto最优原理处理燃油经济性与排放性(CO、NOx、HC)评价指标,提出一种基于非支配排序的自适应差分进化算法,并应用于混合动力能量管理多目标优化系统之中并进行仿真分析。结果表明,提出的优化方法能够得到一组非支配Pareto最优解集,且燃油经济性最大提高了5.30%,CO排放物最大下降了3.65%,NOx最大下降了14.40%,HC最大下降了3.26%。     

一种新的约束多目标优化方法

为解决带约束的多目标优化问题,在改进的强度Pareto进化算法的基础上设计了双存档机制,分别存储进化过程中产生的优秀可行解和不可行解,增加了进化种群的多样性,避免了罚函数法需要设计惩罚系数的缺点.为提高算法的收敛速度和约束边界附近的寻优能力,通过分析不同边界与Pareto前沿的关系,提出了一种判断不可行解优劣和环境选择的新方法.通过仿真实例,并与其他算法进行比较,验证了所提算法的可行性以及在收敛速度上的优越性.     

一种冗余机械臂多目标轨迹优化方法

针对冗余机械臂在轨迹规划过程中构型不唯一的特点,对冗余机械臂轨迹的多目标优化方法进行了研究,建立了以减小机械臂动作幅度、能量消耗和关节运动冲击为指标的多目标优化模型。通过改进的双模式混合差分进化算法(DHDE),对机械臂运动轨迹进行优化以获得逆运动学解的数值解。DHDE算法将DE/current-to-best/1/bin策略中的F因子改进为互补因子K,并利用天牛须算法原理进行优化,同时结合DE/rand/1/bin策略,改进后算法具有求解精度高、收敛速度快和鲁棒性强等特点。仿真表明所提方法能有效优化关节轨迹,理论定位精度可达到10-5 mm。最后实验验证了该方法的合理性和正确性。     

基于差分进化算法的套筒滚子链传动多目标优化设计

套筒滚子链传动的优化设计多以单目标优化为主,本文在之前研究基础上,以单列链传动功效最大和疲劳寿命最大为目标建立了该问题的多目标优化模型。在高斯变异多目标差分进化算法的基础上,引入了修正的约束处理方法及取整策略,提出了一种求解混合离散变量的多目标差分进化算法。工程实例求解结果表明,所得结果满足设计需求,该算法是有效的,且对于其他工程问题的求解具有一定的参考价值。     

动态物流网络多目标优化模型及求解算法

针对动态物流网络优化问题,构建了多阶段三级物流网络模型。为了同时保证物流网络的效益和效率,以产品供应总成本最小和供应总时间最短为目标建立多目标优化模型。针对该模型多目标、多约束且存在时变参数的特点,提出了动态自适应多目标差分进化算法(DSMODEA)对模型进行求解。DSMODEA算法为元启发式智能优化算法,通过比较种群个体的Pareto支配关系和拥挤度距离来判断个体优劣,采用差分进化策略不断迭代收敛。同时,提出了环境变化检测算子、环境变化响应策略和自适应策略以保证算法能很好地求解动态优化问题。算例表明,DSMODEA算法能够求得各阶段物流网络的最佳可行供应方案,且所采用的响应策略和自适应飞行策略大大提高了算法的性能。     

基于自适应进化多目标约束的青霉素发酵过程优化EI北大核心CSCD

发酵过程多目标优化控制是提高发酵过程生产水平和经济效益的有效途径。提出了一种自适应进化多目标约束粒子群优化算法,并应用于青霉素分批补料发酵过程多目标优化。该算法根据不符合约束条件粒子的约束违反程度,修正了多目标粒子群优化算法的进化学习公式,提高了算法在约束边界区域的搜索能力;引入基于拥挤距离的Pareto最优解分布性动态维护策略,改进了Pareto前沿的分布性。实验结果表明,该算法能获得具有较好分布性的Pareto前沿,给出的底物补料策略能够使青霉素发酵过程在消耗更少底物的同时获得更多的产物产量,实现了发酵过程的多目标优化。     

多目标同顺序流水作业的局部搜索算法

针对求解最小化最大完工时间和总流程时间的多目标同顺序流水作业问题,提出了一个多目标局部搜索算法。针对两个目标,用现有的构造性算法生成两个解,作为该算法的初始解,然后从这两个初始解出发,以贪婪的方式求出新的Pareto最优解集,持续改进Pareto前沿。选择新的Pareto解的条件是该解既不被原解支配,也不被产生原解的解所支配,同时对某个目标改进最大。当所有解都陷入局部极小时,扰动已得到的Pareto解集,然后从扰动后的解集出发重新搜索。初始解和选择新的Pareto解的方法对算法性能有显著的影响。在基准问题上,与已有文献中的算法比较,结果表明所提算法的总体性能更优,特别是对较大规模的问题,此差异更具有显著性。     

Optimization of multi-objective integrated process planning and scheduling problem using a priority based optimization algorithm

For increasing the overall performance of modern manufacturing systems, effective integration of process planning and scheduling functions has been an important area of consideration among researchers. Owing to the complexity of handling process planning and scheduling simultaneously, most of the research work has been limited to solving the integrated process planning and scheduling (IPPS) problem for a single objective function. As there are many conflicting objectives when dealing with process planning and scheduling, real world problems cannot be fully captured considering only a single objective for optimization. Therefore considering multi-objective IPPS (MOIPPS) problem is inevitable. Unfortunately, only a handful of research papers are available on solving MOIPPS problem. In this paper, an optimization algorithm for solving MOIPPS problem is presented. The proposed algorithm uses a set of dispatching rules coupled with priority assignment to optimize the IPPS problem for various objectives like makespan, total machine load, total tardiness, etc. A fixed sized external archive coupled with a crowding distance mechanism is used to store and maintain the non-dominated solutions. To compare the results with other algorithms, a C-matric based method has been used. Instances from four recent papers have been solved to demonstrate the effectiveness of the proposed algorithm. The experimental results show that the proposed method is an efficient approach for solving the MOIPPS problem.     

基于混合粒子群算法求解多目标混流装配线排序

针对生产调度中的多目标混流装配线排序问题,建立以最小化超载时间、产品变化率与总切换时间为优化目标的数学模型,并提出一种改进的多目标粒子群算法求解。该算法采用基于工件的编码方式,并提出新的解码方法;应用Pareto排序和小生境数评价个体,在此基础上形成了一种新的适应度函数。在个体最优解的更新中,为避免最优解丢失,对非支配粒子与支配粒子采用差异化方法更新。此外,运用两种策略解决粒子群算法过早收敛的问题:在个体最优解的更新中引入模拟退火思想,并将全局最优解的选择扩大到整个种群。通过数值算例研究了算法的收敛性、分布性和执行效率,结果表明了所提算法的优越性。     

基于量子位实数编码的优化算法及轧制规程多目标优化

针对热连轧轧制规程优化问题,以等功率裕量和轧制能耗为优化目标函数建立热连轧轧制规程多目标优化模型,提出基于量子位实数编码的热连轧轧制规程多目标优化算法。该算法将免疫遗传算法框架与量子计算思想相结合,采用量子位实数编码,利用量子态干涉进行遗传算子的交叉和变异,同时保证非支配解按拥挤距离选择优势免疫抗体种群,得到 Pareto 全局最优解集。以某轧钢厂热连轧精轧机组为例,验证本文所提及算法的有效性。实例分析表明,所提及的算法在寻优能力和收敛速度上均优于传统的NSGA-II算法,能够获得更好的Pareto解集,有效地解决热连轧轧制规程多目标优化问题,改善了轧制能耗。     

二次背包问题的贪婪量子进化算法求解

二次背包问题是一种NP难组合优化问题,其精确算法求解难度大,针对该问题提出了一种量子进化算法求解方法。该算法采用一种相对贪婪修补算子,该修补算子不但考虑了二次背包问题的每一物品项价值,而且考虑了物品的协作价值,是一种动态修补算子。同时算法借鉴粒子群算法中粒子的运动方程,提出了一种具有三类知识学习能力的量子更新模式,使得量子进化中获得的知识更全面。通过对100个国际上大规模二次背包问题进行测试实验,验证了提出的求解算法比相应的其他启发式算法性能有较大提升。     

Multidisciplinary design optimization of vehicle instrument panel based on multi-objective genetic algorithm

Typical multidisciplinary design optimization(MDO) has gradually been proposed to balance performances of lightweight, noise, vibration and harshness(NVH) and safety for instrument panel(IP) structure in the automotive development. Nevertheless, plastic constitutive relation of Polypropylene(PP) under different strain rates, has not been taken into consideration in current reliability-based and collaborative IP MDO design. In this paper, based on tensile test under different strain rates, the constitutive relation of Polypropylene material is studied. Impact simulation tests for head and knee bolster are carried out to meet the regulation of FMVSS 201 and FMVSS 208, respectively. NVH analysis is performed to obtain mainly the natural frequencies and corresponding mode shapes, while the crashworthiness analysis is employed to examine the crash behavior of IP structure. With the consideration of lightweight, NVH, head and knee bolster impact performance, design of experiment(DOE), response surface model(RSM), and collaborative optimization(CO) are applied to realize the determined and reliability-based optimizations, respectively. Furthermore, based on multi-objective genetic algorithm(MOGA), the optimal Pareto sets are completed to solve the multi-objective optimization(MOO) problem. The proposed research ensures the smoothness of Pareto set, enhances the ability of engineers to make a comprehensive decision about multi-objectives and choose the optimal design, and improves the quality and efficiency of MDO.     

Improved multi-objective ant colony optimization algorithm and its application in complex reasoning

The problem of fault reasoning has aroused great concern in scientific and engineering fields.However,fault investigation and reasoning of complex system is not a simple reasoning decision-making problem.It has become a typical multi-constraint and multi-objective reticulate optimization decision-making problem under many influencing factors and constraints.So far,little research has been carried out in this field.This paper transforms the fault reasoning problem of complex system into a paths-searching problem starting from known symptoms to fault causes.Three optimization objectives are considered simultaneously: maximum probability of average fault,maximum average importance,and minimum average complexity of test.Under the constraints of both known symptoms and the causal relationship among different components,a multi-objective optimization mathematical model is set up,taking minimizing cost of fault reasoning as the target function.Since the problem is non-deterministic polynomial-hard(NP-hard),a modified multi-objective ant colony algorithm is proposed,in which a reachability matrix is set up to constrain the feasible search nodes of the ants and a new pseudo-random-proportional rule and a pheromone adjustment mechinism are constructed to balance conflicts between the optimization objectives.At last,a Pareto optimal set is acquired.Evaluation functions based on validity and tendency of reasoning paths are defined to optimize noninferior set,through which the final fault causes can be identified according to decision-making demands,thus realize fault reasoning of the multi-constraint and multi-objective complex system.Reasoning results demonstrate that the improved multi-objective ant colony optimization(IMACO) can realize reasoning and locating fault positions precisely by solving the multi-objective fault diagnosis model,which provides a new method to solve the problem of multi-constraint and multi-objective fault diagnosis and reasoning of complex system.     

基于遗传退火算法的装配线设计多目标优化方法

针对混装配线设计这一有约束的多目标优化问题,建立了数学模型。将基于Pareto的解的分级方法与Lp-范数形式的非线性机制相组合,构建了基于遗传退火算法多目标优化方法。重点阐述了个体编码、染色体检修、多目标处理机制等关键技术。设计了算法流程图,并开发了优化程序。该方法克服了加权和方法的不足,用模拟退火改善了遗传算法全局寻优性能。计算实例表明,随着迭代次数的增加,每代的非受控点逐渐收敛于Pareto最优边界,是一种混装线设计多目标优化的新方法。     

公共自行车多目标动态调度建模与算法研究

针对公共自行车系统自行车时空分布不均衡的问题,对公共自行车调度过程中自助服务点调度优先级、动态需求特性、服务时间窗等进行了研究,建立了统筹用户满意度与企业调度成本的公共自行车系统动态调度多目标优化模型。结合禁忌搜索算法的爬山性能和遗传算法算子交叉、变异功能,设计了一种禁忌遗传混合算法对动态调度模型进行了求解。以杭州市某区域公共自行车系统为研究对象,对上述模型与算法进行了实验验证。研究结果表明,所得到的调度方案能够在较大程度上满足公共自行车系统服务点的租赁需求,可以减少调度车辆的行驶距离,降低调度的成本。     

基于多目标优化的明文域信息隐藏算法

在传统的信息隐藏算法中,嵌入率和图像视觉质量是互相制约的,因而无法平衡两者之间的关系。为此,提出了一种将可逆信息隐藏算法和不可逆信息隐藏算法相结合的高保真算法。利用不可逆信息隐藏算法的高嵌入率和可逆信息隐藏算法在图像视觉质量方面的高峰值信噪比（peak signal-to-noise ratio,PSNR）,在失真较小的情况下实现隐藏更多的秘密信息。此外,该算法还能根据具体的应用场景找到相对最优的嵌入率、恢复图像的PSNR和含密图像的PSNR的平衡点,从而适应不同的应用需求。实验结果表明,与现有的其他算法相比,该算法具有更高的嵌入容量和更好的图像视觉质量。