一种基于Pareto云隶属度的MOPSO算法

为定量解决非支配解排序问题,并兼顾多目标粒子群优化算法(multi-objective particle swarm optimization,MOPSO)的收敛性和多样性,提出了一种基于Pareto云隶属度的MOPSO算法。利用Logistic混沌映射优化种群的初始空间分布并融合布谷鸟搜索(cuckoo search,CS)指导粒子跳出局部陷阱,以增强算法的全局寻优能力。首次提出云向量评价Pareto最优解集方法,采用云隶属度评价准则对粒子适应度值进行量化评价。依据云隶属度选取个体最优和群体最优,平衡全局开发与开采,进而实现外部档案维护。测试函数集ZDT的实验结果表明,改进算法在收敛性和多样性方面较MOPSO和NSGA-Ⅱ有一定优势。     

基于克里金(Kriging)近似模型的风管多阀门优化调节方法

介绍了近似模型理论和多目标粒子群优化算法。利用Fluent软件建立了某飞机喷漆大厅空调送风系统的数值模型,采用拉丁超立方采样方法生成阀门开度配置,通过多次仿真运行获得了样本数据,利用Kriging近似模型技术构建了风管阀门开度倒数和-风量标准差的近似模型,利用改进的多目标粒子群优化算法获得了帕雷托(Pareto)前锋线。     

基于改进粒子群算法的海洋钻机系统布局优化

为提高海洋钻机的工作效率和平台的空间利用率,应用改进的粒子群算法对海洋钻机系统进行布局优化研究。针对多目标、多约束的钻机系统布局优化问题,建立钻机系统布局优化数学模型,应用多目标粒子群算法直接求解,得出相应的最优解集。利用线性加权法将多目标转变为单目标进行求解分析,针对单目标粒子群算法的缺点,基于约束条件、惯性权重以及遗传算法的选择和杂交对粒子群算法进行改进,完成不同改进算法的测试实验。结果表明,在应用粒子群算法求解布局问题时将约束条件作为目标函数、单独引入遗传算法的杂交思想求解速度和精度更好。提出的基于杂交的动态惯性权重粒子群算法的布局优化问题求解性能更优,得到的优化方案符合海洋钻井作业要求且占用甲板面积较小。     

分布式PSODE算法的冰蓄冷空调系统优化控制研究

文章针对集中式控制架构在暖通空调方面应用存在的问题,提出了1种基于分散控制结构的分布式多目标差分进化改进的粒子群(D-MOPSODE,Decentralized Multi-objective Particle Swarm Optimization Improved by Differential Evolution)优化算法,以冰蓄冷空调系统能耗、运行费用和能耗损失为目标,求解冷机逐时部分负荷率和冰槽供冷比例。提高冷机运行效率科学规划蓄冰量和冷机-冰槽负荷分配,达到冰蓄冷空调系统经济节能的运行效益。西安某大型商场为实验环境进行实例验证,结果表明文章提出的D-MOPSODE算法是1种高效的分布式优化算法,在冰蓄冷空调系统负荷分配问题的求解中能够取得显著的节能效果。相比于传统控制策略和PSO算法,D-MOPSODE算法具有收敛性好,稳定性高,鲁棒性强、求解精度高等优点。     

改进的粒子群-模拟退火算法在桁架结构优化设计中的应用

由于粒子数目多,维数大,用粒子群算法求解多约束问题的迭代求解过程需耗费大量时间。受达尔文的优胜劣汰自然法则启发,在粒子群算法中引入淘汰择优机制。使算法随着迭代次数增加,适应能力较差的粒子逐步被淘汰。最后留下的最优粒子需要较低的温度进行退火求解,寻得全局最优解。多峰值函数测试表明,改进后的算法能够高效率跳出局部最优寻得全局最优解。将改进的算法用于空间桁架结构优化,经算例表明,改进后的粒子群模拟退火串行算法降低了算法的求解复杂度,具有较好的稳定性和较优的收敛性,适用于空间桁架结构截面尺寸优化设计。     

粒子群算法求解物流路径优化问题

为了高效解决物流配送车辆路径优化问题,提出一种粒子群优化算法,根据粒子群较强的寻优能力,扩大了种群多样性和提高算法精度。本文针对此算法进行仿真实验,结果证明该算法寻求的最优解、平均解、以及找到最优解次数和时间均有明显效果。     

工程项目工期—成本—质量—安全水平综合优化研究

目前工程项目多目标优化的相关研究中,较少考虑工期、成本、质量等目标与安全水平之间的联系。针对这一不足,在分析工序安全水平影响因素的基础上,得到了成本—安全水平优化模型,并将安全目标引入工期—成本—质量优化模型,构建了工期—成本—质量—安全水平均衡优化模型。为了有效求解该型,引入了量子粒子群算法,结合工程实例进行模拟仿真,得到工期、成本、质量与安全水平的一系列 Pareto 解,并进行方案决策,结果表明得到的 Pareto 解集能为项目管理者的决策提供有效支持,量子粒子群优化算法在求解该模型方面是有效性的。     

改进的多目标启发式粒子群算法及其在桁架结构设计中的应用

针对工程结构多目标优化设计中出现的约束条件处理能力差、编程复杂,计算效率低且收敛精度差等问题,对启发式粒子群算法(HPSO)进行改进,提出了多目标启发式粒子群算法(MOHPSO),并与多目标粒子群算法(MOPSO)和改进的多目标群搜索算法(IMGSO)进行比较。通过对15杆平面桁架、40杆平面桁架和72杆空间桁架3个经典算例的计算,证明了所提出的MOHPSO算法的有效性。结果表明:MOHPSO算法具有收敛精度高、约束处理能力强、全局最优解选取更合理、非劣解集维护效率高等特点。     

快速群搜索算法用于桁架结构多目标优化北大核心CSCD

基于快速群搜索优化算法QGSO(Quick Group Search Optimizer),结合Pareto最优解理论与拥挤距离机制,提出了一种适用于结构优化的简单而实用的多目标算法:多目标快速群搜索优化算法MQGSO(Multi-objective Quick Group Search Optimization),并将其应用于10杆平面桁架结构的截面优化与25杆空间桁架结构的形状优化.将MQGSO算法与已有的MGSO和IMGSO算法进行了比较,发现其非劣解均优于其他两个算法的非劣解,且具有良好的稳定性与收敛精度,收敛速度也有所提高,说明本文提出的算法用于求解结构多目标优化问题是可行有效的.     

基于约束多目标优化算法的盾构隧道设计方法

当前盾构隧道的设计仍主要依托于经验确定设计参数,然后对其安全性进行校核,难以定量的考虑成本和控制指标(收敛变形等)的关系。以衬砌厚度、截面配筋率、横向接头螺栓直径为设计参数,以成本及结构的水平收敛变形为优化目标,结合多目标优化的算法,进行了盾构隧道的横断面设计。采用非支配原理,通过引入约束违反函数,实现了基于NSGA-Ⅱ算法的复杂约束条件处理。最后通过具体算例,完成了满足截面安全性要求的限制条件下,完整Pareto前沿面的获取工作,并与无约束优化结果进行了分析对比,说明了迭代过程的收敛性,阐述了所得Pareto前沿面的价值意义,得到了不同设计条件下的最优解。     

改进粒子群算法的立体传声器阵列声成像系统阵形优化设计

提出改进的粒子群优化算法,获得波束方向图主瓣宽度和旁瓣级折中的优化立体阵形,避免基本实数粒子群算法仅采用旁瓣级或主瓣宽度一个性能指标优化而导致另一个性能指标恶化的问题,利用阵列视角限制进一步优化立体阵形并设计了声成像测量系统。改进的粒子群算法与基本粒子群算法仿真优化阵形比较表明改进粒子群算法设计的优化阵形在保持较窄的主瓣宽度的条件下具有较低的旁瓣级。阵列声成像测量系统的性能测量分析结果表明该系统的空间分辨率和旁瓣抑制能力与理论结果接近,验证了所提算法的有效性。     

一种基于粒子群算法的暖通空调过程对象辨识方法

暖通空调系统运行效果的好坏依赖于控制系统。传统的控制过程中PID参数需要专业人员根据工程经验进行设定,往往控制精度不够,鲁棒性差。而基于系统传递函数的PID控制虽然表现性能良好,但实际使用过程中往往由于不能得到准确的传递函数而受到限制。采用粒子群优化算法对所研究的暖通空调对象进行模型参数的辨识。在辨识过程中,首先将空调系统中涉及的某个被控对象的传递函数设置为二阶滞后模型,然后采用粒子群优化算法对模型参数进行在线辨识。通过将目标函数设置为最小化模型输出与系统实际输出的偏差值而得到最优参数解,从而得到被控对象的传递函数。通过2个算例说明该方法过程简单、结果准确,且具有一定的鲁棒性。     

遗传算法在毛细管空调系统水力计算中的应用

在介绍毛细管平面辐射空调系统特点的基础上,提出了在进行系统水力计算过程中,应用遗传算法(GA)求解多目标优化问题的思路,进而建立了毛细管平面辐射空调系统水力计算模型。通过对模型特点的分析,将系统水力计算的问题转化为应用遗传算法求解多目标Pareto最优解的问题。最后,应用具体实例,对遗传算法在毛细管平面辐射空调系统水力计算中的应用方法和步骤,进行了详细说明,这对于毛细管平面辐射空调系统的优化设计和节能运行具有一定的指导意义。     

全局最优位置变异粒子群优化算法

针对粒子群优化算法的早熟收敛,容易陷入局部最优且搜索精度不高等缺点,在现有的粒子群优化算法的基础上对其进行了若干改进,提出了避免微粒群陷入局部最优的全局最优位置变异的粒子群算法,并与其他算法做了比较,体现了其优越性.     

边坡临界滑面搜索的改进粒子群优化算法

边坡临界滑面的确定对边坡稳定分析和加固设计极为重要,采用基于变异和二次序列规划的改进粒子群优化算法(VSPSO)进行临界滑面搜索。VSPSO算法中通过变异操作增强粒子群跳出局部最优解的能力,并用二次序列规划(SQP)加速局部搜索,大大提高了粒子群获得全局最优的能力。通过对有解析解的边坡算例进行分析,验证了该算法的准确性及优越性;对澳大利亚计算机应用协会(ACADS)提供的均质边坡、多层土边坡以及含软弱层边坡进行分析,结果表明改进的VSPSO算法搜索所得滑面比传统PSO算法更逼近推荐答案,具有更好的鲁棒性,而且随着边坡复杂程度的增加,更能体现改进VSPSO算法的优越性,具有广阔的应用前景。     

变风量空调系统的优化控制研究

在变风量空调系统中,为了减少系统能耗并对静压控制回路进行稳定而有效的控制,提出了一种静压优化控制方法,根据各末端风阀开度的变化确定空调系统所需的最小静压设定值,采用粒子群算法优化神经网络,调整PID控制器的3个参数,通过PID控制器调节变频风机的频率,把实际静压控制在设定值附近。通过仿真和实验对该控制方法的有效性和优越性进行了验证。结果表明,采用该方法在满足空调系统负荷需求的前提下能使末端阀门处于较大的开度,降低了风机的运行频率,改进了控制质量,提高了控制精度,不仅能够有效节能,还具有较强的鲁棒性。     

基于DE-BP算法的空调负荷预测研究

建立了基于BP神经网络理论的空调系统负荷预测模型.针对BP神经网络参数优化过程中容易陷入局部最优的缺陷,采用差异演化算法(differential evolution algorithm,DE)对其进行优化,以提高预测精度.结合具体实例进行空调冷负荷预测,并与采用遗传算法、蚁群算法、粒子群算法对BP神经网络进行参数优化的仿真实验结果对比表明,由DE-BP算法所具有较好的预测性能.     

基于冷热电联产系统能耗数据的模糊建模与优化

基于TRNSYS构建了冷热电联产系统仿真平台,采集系统实际运行能耗数据,利用基于半张量积的方法对采集数据进行处理,建立了反映输入输出各部分特性的模糊矩阵模型。基于分时电价,应用改进的粒子群搜索策略对系统各项目标函数分别作了单目标优化。基于二元对比确定了各目标函数的权重,利用范数加权的方法,对冷热电联产系统进行了多目标优化的研究。研究结果表明,当总费用最优且运行费用、环境费用及配置费用都达到局部最优时,每一个典型日的总费用均小于环境费用最优、配置费用最优运行策略下的总费用及分产系统的总费用。     

基于v-SVR和MVPSO算法的边坡位移反分析方法及其应用

 针对传统粒子群算法存在搜索空间有限、容易陷入局部最优点的缺陷,通过引入迁徙算子和自适应变异算子,提出基于粒子迁徙和变异的粒子群优化(MVPSO)算法。基准测试函数结果表明,改进的MVPSO算法较传统的粒子群优化算法在收敛效率上有大幅度提高,在处理非线性、多峰值的复杂优化问题中能快速地搜索,得到全局最优解。应用改进的MVPSO算法搜索最佳的支持向量机(v-SVR)模型参数,建立岩体力学参数与岩体位移之间的非线性支持向量机模型,提高v-SVR的预测精度和推广泛化性。然后,利用v-SVR模型的外推预测替代耗时的FLAC正向计算,利用改进的MVPSO算法搜索岩体力学参数的最优组合,提出v-SVR和MVPSO相结合的边坡位移反分析方法(v-SVR-MVPSO算法),与传统的BP-GA算法和v-SVR-GA算法相比,该算法在反演精度和反演效率上均有较大幅度提高。最后,将本文发展的v-SVR-MVPSO算法应用到大岗山水电站右岸边坡岩体参数反演分析,并对边坡后续开挖位移和稳定性进行预测,取得较好的效果。     

高维多目标优化算法研究综述

当遇到目标数目多于4个或4个以上的高维多目标优化问题时,基于Pareto支配排序的多目标进化算法很难求出近似的Pareto最优解集合,因此,高维多目标优化问题的进化算法研究成为进化算法领域的一个难点问题。本文在分析了高维多目标优化问题研究难点的基础上,概括了高维多目标优化问题的类型,并介绍了含有冗余目标的高维多目标优化问题的目标缩减算法,最后指出了今后该领域的研究方向。