基于SLP方法的遗传算法在多目标布置设计中的应用

在物流布置设计中,综合考虑了生产成本及作业单位之间关系的密切度等因素,在SLP方法的基础上引进多目标适值函数,提出了多目标布置设计的概念。采用Goldberg和Lingle提出的部分映射交叉方式（PMX）和互换变异相结合的遗传算法来求解具体的布置设计方案。通过实例验证了该算法的可行性。最后利用数值分析讨论了遗传算法在相应应用中的灵敏度及效果。     

基于多目标优化的网络通信任务均衡分配方法研究

针对传统方法网络通信任务分配均衡性较差问题,笔者提出基于多目标优化的网络通信任务均衡分配方法。首先该方法应用层次描述法对分层描述网络通信任务,将网络通信任务按类别划分,以延迟最小、耗能最小、分配均衡作为分配目标,然后建立任务均衡分配的目标函数,运用遗传算法对函数求解,最后得到最合理的分配方案。经对比实验,证明了本方法对网络通信任务分配的均衡性提升有较好的效果。     

多蚁群分级优化的多目标求解方法*

为提高多目标优化方法的求解性能,在给出了蚁群算法优化函数类问题求解方法的基础上,提出了基于多蚁群分级优化多目标问题的求解方法。构建了子蚁群以自身启发式信息及以其他子群的启发式信息获得准Pareto解以及采用各子群的每一只蚂蚁获得的准Pareto解作支配判断,从而提高Pareto解的多样性;构建了父蚁群以准Pareto解作为空间节点构成TSP类似的组合优化问题,其求解结果以获得多目标优化问题的Pareto解的前沿,从而提高Pareto解的均匀分布性。通过优化实例验证,结果表明,多蚁群分级优化的多目标求解方法     

基于非线性选择方法的多目标优化遗传算法

针对排序选择法中广泛采用的线性选择方法的缺陷,提出了一种非线性选择方法。这种选择方法既充分体现了非劣解集对劣解集的优先选择权,又考虑到了非劣解集和劣解集中个体的平等性。理论分析和仿真计算表明,这种新的排序选择法不仅能得到分布广泛的Pareto最优解,而且进化速度极快,一般只需30-50代。     

基于广义改进分解策略的多目标代理优化方法

为解决多目标代理优化方法中代理模型选择单一问题,提出基于广义改进函数分解策略的多目标代理优化方法.该方法充分利用模型预测信息构建广义改进多目标分解准则和广义改进R2指标准则,有效拓展多目标代理优化中代理模型的选择空间.所提两种准则通过随机均匀权重实现全局探索和局部搜索能力的自适应平衡.研究结果表明,所提方法在有限仿真条件下拥有良好的寻优性能,获得Pareto前沿在收敛性、多样性及空间分布性方面均具有一定优势.相比同类方法,该方法具有优势:1)不需要模型预测不确定性信息,适用于基于不同种类代理模型的代理优化方法; 2)实现简单且计算复杂度低,能够有效提升昂贵黑箱问题优化效率.     

面向多目标协同管理的城市小流域智慧管控平台探索

针对城市小流域业务协同困难、涉水要素众多、监测手段有限,导致水安全、水环境、水生态多目标协同困难的特点,利用物联网、大数据、数字孪生等前沿技术手段,构建覆盖数据采集、孪生流域、流域业务、流域标准体系、信息安全体系“三横两纵”的城市小流域智慧管控技术。以成都市某小流域为例,建立覆盖厂网河一体化综合管控平台,创新性提出基于“视频+AI”的水生态质量实时定量评估方法,实现流域全要素数字孪生管理、工控系统数据安全使用和流域“四预”调度分析,支撑流域不同降雨情景下多目标协同管理。     

基于进化算法的多目标优化方法

进化算法在解决多目标优化问题中有其特有的优势.首先对多目标优化问题进行了描述;然后结合研究现状讨论了目前几种主要的基于进化算法的多目标优化方法,以及它们的优缺点;最后给出了多目标进化优化算法的一些应用,以及进化多目标优化算法的未来发展方向.     

面向多目标流水车间调度的多种群多目标遗传算法

针对制造型企业普遍存在的流水车间调度问题,建立了以最小化最迟完成时间和总延迟时间为目标的多目标调度模型,并提出一种基于分解方法的多种群多目标遗传算法进行求解.该算法将多目标流水车间调度问题分解为多个单目标子问题,并分阶段地将这些子问题引入到算法迭代过程进行求解.算法在每次迭代时,依据种群的分布情况选择各子问题的最好解及与其相似的个体分别为当前求解的子问题构造子种群,通过多种群的进化完成对多个子问题最优解的并行搜索.通过对标准测试算例进行仿真实验,结果表明所提出的算法在求解该问题上能够获得较好的非支配解集.     

多目标交会轨迹优化方法综述

多目标交会能有效降低单次任务的成本并提高任务收益,因此是未来小行星探测、在轨服务等任务的首选方案.该类任务的轨迹优化问题涉及的变量众多,解空间巨大,难以直接得到最优解.该问题的求解通常分为两步:首先优化交会序列,然后对于给定的交会序列,优化每段目标-目标转移的轨迹.优化交会序列时需对转移的速度增量或时间等代价进行快速、准确的估计.因此,多目标交会的轨迹优化可拆分为转移代价估计、交会序列优化、转移轨迹优化三个子问题.本文分别对这三个子问题的求解方法进行综述.     

通信机房布局优化的数学模型与分析

本文通过对现有通信机房布局方式的分析,通过理论模型与实例分析的不断完善和修正,建立通信机房布局优化的数学模型,对今后的通信机房布局提供理论参考.     

一种基于粒子群优化的多目标优化算法

论文提出了一种基于粒子群的多目标优化算法,该算法采用Pareto支配关系来更新粒子的个体最优值和局部最优值,用存储池保存搜索过程中发现的非支配解;采用聚类算法裁剪非支配解,以保持解的分布性能;采用动态惯性权重法来平衡粒子群对解空间的局部搜索和全局搜索,以提高算法的全局收敛性能。实验结果表明,论文算法是有效的,能有效的求解多种多目标优化问题。     

基于多目标最优化方法的垂直切换判决

当多个移动节点在蜂窝网与无线局域网共存的异构无线网络环境中移动时,综合考虑移动节点的电池寿命、基站与接入点的负载以及移动节点花费3个因素,运用多目标最优化方法进行切换判决,为所有移动节点选择合适的目标网络,使整个网络资源得到合理利用。仿真结果表明,相比传统最强信号优先方法,该方法在剩余电池寿命总和与负载平衡方面具有较好的性能,在花费总和方面性能较差。     

过采样技术在智能电气阀门定位器中的应用

在智能阀门定位器设计中,AD转换器的精度对智能电气阀门定位器控制精度具有重要影响.文章基于瑞萨单片机,采用过采样技术将10位AD转换器的精度提高到12位,提高阀门定位器控制精度的同时,避免采用昂贵的片外AD转换器,降低产品成本.     

多目标优化算法NSGA-II的改进

该文提出了NSGA-II算法的一种改进算法—INSGA。在引入算术交叉算子的同时,提出并引入累积排序适应度赋值策略。实验表明,INSGA具有更高的收敛速度和更好的种群多样性。     

求解多目标路径优化问题的涟漪扩散算法

对于多目标路径优化问题（MOPOP）,提出了一种求解完整（非部分或近似的）Pareto最优面的涟漪扩散算法（RSA）。新的涟漪扩散算法是在路网中模拟一场涟漪接力赛,通过对到达终点的涟漪进行回溯来确定完整的Pareto前沿。RSA类似于大多数受自然启发的方法,本质上是一个基于微观智体的自下而上的仿真模型。通过定义微观智体的行为,即路网中的节点根据到达的Pareto非占优涟漪产生新的涟漪,涟漪接力赛在宏观层面的表现为输出完整的Pareto前沿。而且,RSA仅需一次涟漪接力赛就可以找到一对多问题中每个MOPOP的完整Pareto前沿。实验结果验证了新的RSA方法的有效性和高效性。     

微型柔性机构的多目标计算机辅助拓扑优化设计

提出了基于结构整体柔度最小化和结构输出位移最大化的多目标拓扑优化设计方法,建立了微型柔性机构的多目标拓扑优化设计模型.提出了适用于微型柔性机构多目标拓扑优化设计的伴随矩阵敏度分析方法,并将广义收敛移动渐进算法用于多目标多约束微型柔性机构拓扑优化问题的求解.最后通过数值计算验证了优化模型的有效性.     

蚁群遗传算法的多目标优化

为了求解带有约束条件的多目标函数优化问题,提出基于连续空间优化的多目标蚁群遗传算法。针对多目标优化问题的特点,定义连续空间中利用信息量指导遗传搜索策略和信息更新方法,将信息量指导遗传搜索、优秀决策引入、决策集更新、改变算法终止条件等方式相结合,有效地加速了搜索的收敛速度,控制了Pareto最优决策集的数量,扩大了决策的分布范围,维持了决策的多样性。数值实验说明该算法能够快速找到一组分布广泛的Pareto最优决策。     

粒子群优化算法在多目标优化中的应用与仿真

该文结合经济多目标优化的实际问题,对粒子群算法的初始化进行了改进,在给定范围内进行初始化,并且对于复杂域约束优化问题,给出了其实现与仿真。