基于多属性决策的气动隐身多目标优化

针对多目标优化结果排序与选择的多属性决策(Multi-attribute decision making,MADM)问题,将多目标优化与MADM相结合,提出基于MADM的多目标优化方法,并将该方法应用于跨声速前掠翼(Forward-swept wing,FSW)气动隐身多目标优化中,优化结果提高了跨声速FSW的气动和隐身性能。采用类别形状函数变换法(Class-shape function transformation,CST)方法对翼型几何外形进行描述,实现FSW气动和隐身多学科优化设计模型的参数化描述。建立基于N-S方程的计算流体力学方法的FSW气动分析模型和基于矩量法的计算电磁学方法的FSW隐身分析模型。将Pareto多目标遗传算法得到的Pareto非劣解集构成MADM矩阵,采用基于模糊熵权的改进的逼近理想解的排序法(Modified technique for order preference by similarity to ideal solution,M-TOPSIS)方案评价方法进行Pareto非劣解排序,最终确定最佳的Pareto非劣解。研究结果验证了所提出方法的有效性,为多目标优化问题提供了一种新的解决途径。     

基于多目标优化的备件保障决策研究

备件供应保障优化是提高武器装备的战备完好性和降低寿命周期费用的重要途径.通过分析复杂武器装备可修复备件两级供应保障系统,提出了一种基于Pareto最优多目标优化算法,研究了备件保障与装备战备完好性的关系,建立了基于并列选择备件购置费用和库存费用、以系统供应保障度为目标的多目标可修复备件供应保障优化模型,并结合边际效能法和Pareto多目标优化方法进行求解,得到一个均匀分布于Pareto前沿的优化解集.最后,对模型进行了算例分析和参数敏感性分析.实例应用证明,模型可以优化备件库存,并可以评估备件库存水平、两级维修能力和系统自身可靠性等因素对系统保障效能的影响.     

基于多目标粒子群优化算法的舰船天线布局优化

为了减小多天线间耦合、辐射方向图畸变(RPD)、近场辐射等对舰船通信的影响,对舰船天线的最优布局进行了研究.提出了 一种舰船天线布局优化的混合方法,建立了基于人工神经网络(ANN)的近似模型,用于估计安装在舰船上多天线间的耦合和辐射模式,采用人工神经网络与多 目标粒子群优化(MOPSO)算法相结合的方法来减少优化时间,...     

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。     

基于多目标优化算法的发动机进气道设计

在发动机进气道满足性能的基础上采用多目标优化方法对其结构进行多目标优化设计.提出了利用多目标进化算法的优化策略对进气道进行优化设计,选取进气道气流转折角作为设计变量,在进气道尺寸以及流量的约束条件下,采用Halton序列产生初始均匀种群,利用Pareto的非支配排序的方法对发动机进行优化设计以达到尽可能小的阻力系数、尽可能大的总压恢复系数和进气道升压.通过文中设计的多目标进化算法对发动机进气道进行优化设计,得到的优化解均优于初始设计的Pareto最优解,表明多目标进化算法较强的适应能力,达到了进气道优化设计的目的,为发动机进气道的优化设计提供了参考.     

机械系统可靠度的多目标模糊优化决策

在一般情况下，降低系统的造价与提高系统的可靠度是相互矛盾的，需要在决策过程中进行协调，而对它们的约束限制也往往不是一刀切的，因此在决策过程中包含着大量的模糊信息和主观信息，用常规优化方法难以处理。针对这一实际情况，本文应用模糊优化理论，提出了一种模糊优化决策方法，它适用于解决两个或两个以上目标的系统可靠度的优化决策问题     

多目标一维下料决策方法研究

研究目标为最小化原料浪费、最小化下料方式数和最小化可用余料返回的多目标优化下料问题。运用多目标优化和多属性决策相结合的方法设计下料决策方法,即先用改进的非支配排序启发式进化算法求出问题的Pareto最优解集,再采用综合主客观赋权法计算各优化目标的权重,最后运用多属性决策方法选出一个满意解作为下料方案。实验结果证实所提方法对多目标下料决策是有效的。     

基于Pareto解集的多目标优化方法及其应用

针对传统多目标优化设计方法的弱点,基于Pareto概念,借助遗传算法所具有的并行搜索特性,引入群体排序技术、小生境技术求得多目标优化问题的Pareto解集,实现了先寻优后决策的求解模式。实际工程算例表明,该模式可同时获得多个Pareto最优解,据此决策能有效弱化设计人员先验知识不足的影响,因而较传统多目标优化方法更为实用有效。     

一种基于合作博弈的多目标设计问题求解方法

运用博弈论的思想来求解多目标设计问题,将各目标视为各个博弈方,运用模糊聚类分析来进行各个博弈方策略集的划分,建立合作博弈模型,通过法向约束方法求解出均匀分布的Pareto前沿,避免产生局部优化解,再通过求解合作博弈模型获得各个博弈方的收益均衡及整体收益高的满意解,从而有效地求解多目标设计问题。最后以汽车盘式制动片设计为例说明和验证了所提方法的有效性。     

离散多目标优化问题的研究

现有优化方法大多针对连续变量,用于离散变量优化的方法较少,尤其离散多目标问题的优化的方法更少。总结了离散多目标问题的优化方法,并指出了其发展趋势。     

指尖密封结构参数的多目标混合教与学优化方法

作为一种先进柔性密封,指尖密封结构参数对其性能的影响较为复杂,传统建模方法难以有效刻画两者间的映射关系,这导致指尖密封结构参数的优化难以实现。为此,首先利用BP神经网络构建迟滞率、平均接触压力和基圆半径、指尖梁个数等多个结构参数间的拟合关系,并在此基础上建立同时最小化迟滞率和平均接触压力(Minimize hysteresis-rate and average contact pressure,MHACP)的多目标优化问题模型;然后,设计结合Pareto支配法的混合教与学优化方法(Hybrid teaching-learning-based optimization,HTLBO)对所建模型进行求解;最后,通过仿真实验对BP神经网络、MHACP和HTLBO进行验证。结果表明：BP神经网络的整体线性回归拟合度超过0.99;95%置信区间(Confidence interval,CI)下,MHACP的仿真结果在等价区间[0.7,1]上与ANSYS等效,说明MHACP可以较好地反映指尖密封结构的特性,通过对MHACP的求解可以实现对指尖密封结构参数的优化;HTLBO具有较好的稳定性和优化性能,...     

发动机异常检测多目标优化方法

针对柴油发动机异常检测中的特征选择和分类器参数与检测精度之间的耦合关系,提出了一种基于非支配排序粒子群优化的柴油发动机异常检测封装式多目标同步优化方法.利用双树复小波包的分解与重构,对发动机振动信号进行时域、频域和时频域多角度特征提取,构建了较完备的特征参数集,分析了故障诊断中特征选择与分类器参数优化对检测精度的影响,运用非支配排序粒子群优化算法对多个优化目标进行协调和折衷处理,同时追求特征参数子集维数最小化和分类正确率最大化.实验数据分析表明,该方法能够寻找出最优的特征子集和分类器参数,提高柴油发动机异常检测的精度和效率.     

基于分步多目标优化方法的掘进机铲板参数优化

针对传统及现有一些多目标优化方法在处理实际工程优化问题时需要很强的先验认识、质量差、脆弱等不足,提出了一种与基值欧式距离最小为准则的改进粒子群算法与灰色决策相结合的分步多目标优化方法;并将该方法应用于掘进机铲板参数多目标优化,对优化前后铲板推进煤岩进行了仿真分析和对比,取得了良好的优化效果,验证了该方法的可行性,为工程实际中处理多目标优化问题提供了便利与借鉴。     

基于多目标决策的协同设计冲突消解方法研究

针对单一的冲突消解方法的缺点,将冲突对象分为参数层、特征层、结构层和方案层4个层次,着重研究了方案层次的冲突消解。首先,采用多目标决策的目标向量空间的概念对冲突的产生加以数学描述,并对冲突的原因进行了数学解释;然后,根据求解多目标决策问题的优化算法,提出了在方案层次上进行冲突消解的算法,详细描述了该算法的具体实现步骤,以便从多个可行方案中找到符合各方设计人员要求的唯一优化解;最后,应用该算法对某车床纵向进给部件协同设计冲突进行消解,说明了该算法的有效性．     

基于GA的多约束的多目标排序优化

主要论述了一种解决多约束多目标排序优化的方法.采用在Pareto遗传算法中嵌入优先级约束的检索和调整程序,以保证参与变异和交叉的染色体的有效性.研究结果表明此方法可提高寻优效率.     

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.     

液体动压滑动轴承双目标优化的模糊决策

基于多目标优化的求解问题,是由如何寻找有效解和如何判定满意有效解这两个子问题构成的观点。本文提出采用模糊综合评判作为多目标优化的满意有效解的评判准则。而对双目标优化问题,提出了利用拉格朗日中值定理来变化评价函数中的权系数,以获取均布有效解集上的有限个有效解的代表样本的方法,并以液体动压滑动轴承为计算实例。     

基于近似模型的高速列车头型多目标优化设计

为改善高速列车气动性能,建立一套高效的多目标气动优化设计方法,对流线型头型进行多目标气动优化设计。建立高速列车流线型头型三维参数化模型,并提取5个优化设计变量;为减少优化设计时间,利用最优拉丁超立方设计方法在优化设计空间中进行均匀采样,利用计算流体力学方法获得对应于各个采样点的气动载荷,利用Kriging代理模型构建优化设计变量和气动载荷之间的近似模型;利用多体系统动力学方法计算气动载荷作用下的高速列车轮重减载率;以气动阻力和轮重减载率为优化目标,利用多目标遗传算法NSGA-II对高速列车流线型头型进行多目标优化。优化设计变量和优化目标均呈现收敛的趋势,采用Kriging近似模型优化计算的Pareto前沿与采用CFD（Computational fluid dynamics,CFD）优化计算的Pareto前沿较为接近。优化后高速列车的气动阻力最多可降低3.27%,轮重减载率最多可降低1.44%,气动阻力最优的头型与轮重减载率最优的头型的主要差异在于中部辅助控制线的变化,前者向内凹,后者则向外凸。     

Kriging模型并行加点策略的多目标优化方法

针对复杂机械装备多学科多目标优化设计成本高、周期长等问题,提出一种近似模型与并行加点策略相结合的多目标优化方法。基于Kriging模型,将添加更新样本点定义为同时考虑Pareto最优解和预测误差的动态多目标优化问题,应用改进NSGA-II优化算法和极大极小距离准则,确定最优的并行更新样本点,在提高Kriging模型精度的同时实现多目标优化。测试函数验证和实例结果表明,该方法可有效提高复杂系统多目标优化效率,同时获得收敛性和分散性俱佳的Pareto最优解。     

基于人工神经网络的柴油机排放及EGR率预测

柴油机的EGR脉谱和柴油机排放曲线都是严重的非线性,模型过于复杂,不能直接用于控制.本文将人工神经网络应用于增压柴油机EGR控制上,建立了柴油机的BP网络模型,通过实验数据进行模拟分析,可以证明,人工神经网络辨识各参数间的关系简单易行,当学习样本足够多时,网络的预测值能够和试验值高度吻合.