基于多目标优化模型的电动汽车增程器油耗及排放优化

针对增程式电动汽车油耗和排放优化问题,首先综合考虑增程器的油-电转换效率特性、HC排放特性、CO排放特性以及NOx排放特性,构造了增程器油耗和排放多目标优化模型,同时结合实际增程器工作中的机械和电气约束特征,分析了多目标优化模型的3种转速、转矩约束条件.然后采用多目标粒子群算法和加权尺度法对增程器油耗和排放多目标优化模型进行了离线优化,得出了增程器的最优全局工作点和各功率值下的多目标最优工作曲线.最后,采用NEDC,FTP和HWFET3种测试工况在AVL Puma Open发动机测试台架上进行了实验,并和基于最佳制动燃油消耗率(BSFC)的油耗单目标优化模型进行了比较.结果表明,本文提出的方法能够以微弱的油耗增加为代价,有效的改善整车的HC,CO和NOx排放.     

改进的r支配高维多目标粒子群优化算法

高维多目标优化问题是广泛存在于实际应用中的复杂优化问题,目前的研究方法大都限于进化算法.本文利用粒子群优化算法求解高维多目标优化问题,提出了一种基于r支配的多目标粒子群优化算法.采用r支配关系进行粒子的比较与选择,并结合粒子群优化算法收敛速度快的优势,使得算法在目标个数增加时仍保持较强的搜索能力;为了弥补由此造成的群体多样性的丢失,优化非r支配阈值的取值策略;此外,引入决策空间的拥挤距离测度,并给出新的外部存储器更新方法,从而进一步防止算法陷入局部最优.对多个基准测试函数的仿真结果表明所得解集在收敛性、多样性以及围绕参考点的分布性上均优于其他两种算法.     

一种基于信息分离的高维多目标进化算法

高维多目标优化是指对目标维数大于三维的多目标问题(multi-objective optimization problem,简称MOP)进行优化.大多数传统的多目标进化算法采用Pareto支配关系指导搜索,很难在高维多目标优化问题上得到较为理想的结果.为此,提出了一种基于信息分离的高维多目标进化算法(multi-objective evolutionary algorithm based on information separation,简称ISEA).该算法在目标空间中将原坐标系进行旋转,使第1条坐标轴与向量(1,1,…,1)^T平行.ISEA定义转换坐标的第1个坐标值为收敛信息(convergence information,简称CI),剩余的坐标代表个体分布信息(diversity information,简称DI).同时,采用一种基于分层选择的邻域惩罚机制,利用一种由两个超圆锥组成的邻域形状保持种群的分布性,当个体被选入归档集后,其邻域内的个体将被惩罚进入下一层选择,防止邻近的个体同时被选入归档集.邻域形状的第1部分利用分布信息覆盖邻近的个体,第2部分覆盖边界上的差个体.与NNIA,e-MOEA, MSOPS,AR+DMO以及IBEA这5种经典算法进行了比较.实验结果表明,ISEA在处理高维多目标优化问题时具有良好的收敛性和分布性.     

基于区间多目标量子文化算法的无线传感器网络覆盖能效优化

针对不确定环境下无线传感器网络覆盖能效优化问题,提出一种传感器节点区间感知模型;进而考虑网络覆盖率和节点冗余率,将其转化为区间多目标优化问题。基于一种新型区间个体依可能度占优关系,提出区间多目标量子文化算法,根据区间占优个体信息提取隐含知识,用于指导量子个体更新及进化个体变异与选择。不同环境下的仿真结果表明：基于所提出算法获得的Pareto解具有更好的收敛性、分布性和延展性;相应的无线传感器网络布局更合理。     

三态协调搜索多目标粒子群优化算法

提出一种三态协调搜索多目标粒子群优化算法. 该算法提出的三态指导粒子选择策略可以很好地协调算法的局部和全局搜索能力, 且算法改进了传统的外部档案保存机制, 同时引入3 种突变因子, 使获得的非劣解具有更好的分散性. 通过对标准测试函数的求解, 并与其他经典多目标优化算法比较, 表明了新算法在收敛性和多样性方面均有较大的优越性. 最后分析了区域划分系数对所提出算法性能的影响.

     

自适应动态重组多目标粒子群优化算法

提出一种自适应动态重组粒子群优化算法. 该算法采用凝聚的层次聚类算法, 将种群分成若干个子群体, 用一个精英集对非支配解进行存储; 根据贡献度和多样性, 对各子群体的粒子和整个种群进行自适应动态重组; 同时引入扰动算子对精英集存储的非支配解进行扰动, 实现对精英集进行动态调整. 利用具有不同特点的测试函数进行验证并与同类算法相比较, 结果表明, 所提出的算法可加快收敛速度, 提高种群的可进化能力.

     

基于NSGA-II 的具有多目标子学科的协同优化方法

针对子学科具有物理目标的多目标协同优化问题, 研究基于NSGA-II 的求解策略. 鉴于子学科个体满足约束可行性的进化过程与系统级分配期望值无关, 提出具有良好的可行性和多样性的初始种群生成方法, 以提高多目标子学科的计算效率和计算精度. 为了解决由一致性目标函数与物理目标函数的作用不同而造成的NSGA-II 非支配级排序困难, 提出将子学科一致性目标函数转化为子学科自身约束的策略. 最后, 利用工程算例对所提出方法的有效性进行了验证.

     

一种多目标资源受限项目调度问题的教学算法

针对多目标资源受限项目调度的特性, 基于结合活动列表和资源列表的编码设计了合理的交叉操作, 提出一种多目标教学算法. 为了在个体间有效交互信息, 在教师阶段非支配个体作为教师与学生执行交叉, 而在学生阶段学生间执行交叉, 同时在每个阶段通过前向-反向改进增强局部搜索能力, 并用Pareto 档案集存储和更新非支配个体.基于标准测试集的数值仿真及与现有最好算法的比较, 验证了所提出算法的有效性.

     

基于多目标分层遗传模糊建模的磨矿过程溢流粒度软测量

提出一种基于多目标分层遗传算法的模糊系统对溢流粒度进行软测量, 该方法将模糊系统分为4 层, 即输入层、隶属度层、规则库层和系统集成层. 为了达到各层共同进化的目的, 设计遗传算法各层编码策略, 构建基于平均绝对百分误差和均方根误差的优化目标函数, 并采用该函数计算各层个体的适应度. 鉴于模糊模型训练过程中可能出现异常解, 将L-M 贝叶斯正则化方法融入训练过程. 对磨矿生产数据的仿真实验验证了所提出方法的有效性.

     

安全仪表系统设计的多目标优化

安全仪表系统在过程工业中日益受到更多关注,为满足安全仪表系统多目标优化问题对于安全完整性等级的综合要求,提出一种改进的多目标遗传优化方法.首先研究了安全仪表系统多目标优化中存在的问题,然后结合安全仪表系统优化问题的特殊性提出了一种更加适合用于安全仪表系统多目标优化的方法,最后将该方法应用于一个实例.结果表明:改进的方法能够解决安全仪表系统优化对于安全完整性等级要求的优化偏好问题,所得到的解比原有方法的解更具参考价值.