基于遗传模拟退火算法的立体仓库储位优化

针对自动化立体仓库储位分配问题,结合仓库运作特点和安全性要求,构建了自动化立体仓库储位优化问题的多目标模型,并提出了求解模型的基于Sigmoid曲线的改进自适应遗传模拟退火算法（SAGA）。首先,以降低货品出入库时间、同组货品距离和货架重心为目标建立储位优化模型;然后,为了克服遗传算法（GA）局部搜索能力差和易陷入局部最优的缺点,引入基于Sigmoid曲线的自适应交叉变异操作和逆转操作,同时完成与SAGA的融合;最后,对改进遗传SAGA进行算法优化性、稳定性和收敛性测试。仿真实验表明,相比模拟退火（SA）算法的求解结果,该算法对货品出入库时间的优化度提高了37.7949个百分点、对同组货品距离提高了58.4630个百分点、对货架重心优化度提高了25.9275个百分点,并且该算法具有更好的稳定性和收敛性。由此验证了改进遗传SAGA求解问题的有效性,该算法可为自动化立体仓库储位优化提供决策方法。     

Multi-objective optimization for hydraulic hybrid vehicle based on adaptive simulated annealing genetic algorithm

Along with the shortage of energy and the increasingly serious pollution of environment in cities, automobile industries all over the world are exploring and developing energy saving and clean automobile. Hydraulic hybrid vehicle has better potential in medium-size and large-size passenger vehicles than its electric counterparts. The key components’ sizes have remarkable influence on the vehicle performance and fuel economy, and an optimization process is needed to find the best design parameters for maximum fuel economy while satisfying the vehicle performance constraints. Multi-Objective optimization method based on adaptive simulated annealing genetic algorithm (ASAGA) is proposed to optimize the key components in HHV. In the objective function of the optimization, all the weighting factors can be set with different values according to different requirements. The optimal results show that the proposed method effectively distinguishes the key components’ optimal parameters’ position of HHV, enhances the performance and fuel consumption.     

基于改进混沌优化的多目标遗传算法

针对多目标遗传算法存在的缺陷,提出了基于改进混沌优化的多目标遗传算法．引入基于改Tent映射的自适应变尺度混沌优化方法细化搜索空间和高效寻优,结合非支配排序的群体分级机制和精英保留等多目标优化策略,保持种群多样性的同时保证了进化向Pareto优解集的方向进行．多目标测试函数的数值仿真和电力系统无功优化的算例分析表明了该算法的有效性和可行性．     

Task allocation optimization in collaborative customized product development based on double-population adaptive genetic algorithm

Task allocation is one of the most important activities in the process of collaborative customized product development. At present, how to allocate the collaborative development tasks scientifically and rationally becomes one of the hot research issues in the field of product development. Although many scholars in academia has made a significant contribution to the problem of task allocation and achieved many useful results, the research work of collaborative development task allocation for product customization is still lacking. Therefore, in view of the insufficient consideration on task fitness and task coordination for task allocation in collaborative customized product development at present, research work in this paper is conducted based on the analysis of collaborative customized product development process and task allocation strategy. The definition and calculation formula of task fitness and task coordination efficiency are given firstly, then the multi-objective optimization model of product customization task allocation is constructed and the solving method based on the model of double-population adaptive genetic algorithm is proposed. Finally, the feasibility and the effectiveness of task allocation algorithm are tested and verified by the example of a 5MW wind turbine product development project.     

遗传算法在立体仓库货位优化分配中的研究

存储一定数量货物的自动化仓库中,以基于随机存储策略的库区和货位分配以及堆垛机行驶时间为优化控制目标,针对自动化立体仓库的库区和货位的分配策略问题进行了讨论,提出立体仓库的库区优化数学模型。在库区优化基础上,进一步提出货位优化数学模型,将Pareto最优解的概念与遗传算法相结合,提出了一种解决多目标优化问题的Pareto遗传算法解决货位优化问题,给出了仿真实验及分析。结果表明采用遗传算法优化策略可以有效地解决自动化立体仓库的货位优化分配问题。     

基于遗传算法的电子元器件优化布局

用微元体热平衡法建立电路板上元件温度场求解的数学模型,采用高斯-赛德尔迭代法求解热平衡方程组。用改进的遗传算法对元件布局进行优化设计,仿真实验表明全局优化大大降低了系统的温度应力,提高了系统的可靠性。此外,用Flotherm软件模拟了电路板的温度场,验证了优化布局模型和算法的有效性。     

产品开发任务分配问题的多目标优化求解

针对目前产品开发任务分配问题研究存在的不足,给出了任务分配问题的数学描述和约束条件,提出了任务分配模型中的相关矩阵,并采用权重因子和极差变换法建立了多目标优化的目标函数.针对任务分配过程的动态性和不确定性,提出采用基于时序逻辑关系的动态分配蚁群算法进行优化计算,并分析了该方法的优点,给出了详细的算法步骤.最后通过仿真实验验证了所提出方法的可行性和有效性.     

免疫遗传算法的混合动力汽车多目标优化

以混合动力汽车传动系统参数与控制策略参数为优化变量,以最小燃油消耗和尾气排放量（CO+HC+NOx）为优化目标,以动力性能与电池荷电状态平衡作为约束条件,建立多目标优化模型,并使用权重系数法将多目标函数优化问题转化为单目标问题。提出了基于免疫遗传算法优化混合动力汽车参数的优化方法,该算法采用实数编码,通过调用ADVISOR的后台函数,建立联合优化仿真模型。仿真结果表明,该算法可有效降低车辆的燃油消耗,减少CO与HC排放量,能够较好地解决带有约束的混合动力汽车的多目标多参数优化问题,可以获得一组具有低油耗与低污染物排放的传动系统与控制策略参数,供决策者选择。     

Fractional stochastic resonance multi-parameter adaptive optimization algorithm based on genetic algorithm

The output effect of fractional-order stochastic resonance (FOSR) system is affected by many factors such as input system parameters and noise intensity. In practice, many tests are needed to adjust parameters to achieve the optimal effect, and this way of “trial and error” greatly limits the application prospect of FOSR. Based on genetic algorithm, a suitable adaptive function was established to adjust the multiple parameters, including the fractional order, system parameters, and the input noise intensity of the fractional bistable system. Simulation results showed that the algorithm can achieve joint optimization of these parameters. It was proved that this algorithm is conducive to the real-time adaptive adjustment of the FOSR system in practical applications and conducive to the application and extension of FOSR in weak signal detection and other fields. The proposed algorithm has certain practical value.

     

基于组合遗传算法的铁路危险货物办理站点整合优化

铁路危险货物办理站点作为铁路危险货物运输基础设施之一,其选址布局、建设规模和职能分工的合理性对于提高铁路危险货物运输效率、满足运输需求和环境风险控制目标都至关重要。为了有效解决铁路危险货物办理站点整合优化的多目标选址—分派模型组合方案规模庞大、计算困难的问题,采用了组合遗传算法对此问题进行优化。算例结果显示,该算法具有收敛速度快、运行稳定的特点,能够有效解决相关问题。     

基于改进遗传算法的刨头多目标优化设计

针对刨煤机和装载均匀问题,基于改进遗传算法的多目标优化策略,对刨头刨削参数和运动参数进行优化设计。优化结果表明,刨削能耗降低16.96%,生产能力提高23.38%,装载断面均匀程度提高16.62%,刨煤机的生产能力得到显著提高,比能耗得到显著降低,有效降低了刨煤机的能耗。     

多目标自适应混沌粒子群优化算法

提出一种多目标自适应混沌粒子群优化算法(MACPSO). 首先, 基于混沌序列提出一种新型动态加权方法选择全局最优粒子; 然后, 改进NSGA-II 拥挤距离计算方法, 并应用到一种严格的外部存档更新策略中; 最后, 针对外部存档提出一种基于世代距离的自适应变异策略. 以上操作不仅提高了算法的收敛性, 而且提高了Pareto 最优解的均匀性. 实验结果表明了所提出算法的有效性.

     

一种基于选择的多目标遗传算法

利用遗传算法对多目标问题进行优化时,得到的Pareto解在目标空间中为均匀分布,但有时希望能在目标空间的某个区域内产生比较稠密的Pareto解.针对这一问题,提出一种基于选择的多目标遗传算法,该算法在遗传操作过程中通过选择来引导寻优方向,最终得到满意的解.     

响应动态约束条件的多目标货位优化算法研究

针对自动化立库货位决策与优化问题,考虑到优化目标多样、托盘使用状态及可分配货位动态变化等因素,提出了一种响应动态约束条件的多目标货位优化算法。以巷道作业均衡、货架重心稳定及作业路径最短建立多目标优化模型,基于变异系数自适应差分进化算法,使用货位随机数编码,根据实时货位可行域进行个体解码,以响应动态货位约束条件。提出了基于层次分析的Pareto解评价方法,从而获得多批作业货位持续优化的目标权重,为仓储货位决策提供合理方案。多批作业算法实验结果表明:所提算法效果显著优于多目标简单加权算法,能够有效应用于动态货位决策与优化。     

A Pareto-optimal genetic algorithm for warehouse multi-objective optimization

The automated warehouse management requires to fulfill objectives that are usually conflicting with each other. The decisions taken must ensure optimized usage of resources, cost reduction and better customer service. The warehouse replenishment task is a typical example of multi-objective optimization. In this paper, a genetic algorithm with a new crossover operator is developed to solve the replenishment problem. This algorithm is applied to real warehouse data and produces Pareto-optimal permutations of the stored products. A fuzzy rule-base is proposed to increase the diversity of the optimal solutions.     

基于改进量子遗传算法的油田井位及数量优化

布井的数量及位置的选取是油田开发中至关重要的一环。一项最优的布井方案受到地质情况、油藏驱动方式、流体特性、油田设备规格以及多种经济参数指标的影响,是一个具有多决策变量的优化问题,传统的数学优化方法在处理这类问题时,很难找到一个合适的目标函数来满足优化条件。量子算法作为量子计算与智能算法相结合的产物,其优秀的寻优能力以及良好泛化能力,在处理目标函数性态复杂的优化问题时较传统方法有着更好的表现。因此,本文利用MATLAB建立油藏数值模拟模型,将井的数量和井位作为变量,以油田净现值为目标函数结合改进的量子遗传算法(Quantum Genetic Algorithm,QGA)对井位进行优化。通过与传统布井方式的对比,所提出的方法有更好的经济效益,同时摆脱了传统布井方式对于经验的依赖,具有很好的移植性。     

基于自适应遗传算法的B样条曲线拟合的参数优化

在B样条曲线的最小二乘拟合平面有序数据问题中,经常采用遗传算法进行优化。但随机选取初始种群的遗传算法,容易使得结果陷入局部最优。要达到较高的拟合精度,则需要增加更多的控制顶点。为克服这一缺点,提出了一种自适应的遗传算法对B样条曲线的参数优化。用平均有序数据参数法,将数据参数和节点建立关联,极大提高初始种群的平均适应度;通过优化遗传策略,加快种群进化。实验表明,该算法能用最少的控制顶点和进化代数进行B样条曲线的拟合,得到的拟合曲线逼近效果更好。     

膜系统下的一种多目标优化算法

提出一种基于膜优化理论的多目标优化算法,该算法受膜计算的启发,结合膜结构、多重集和反应规则来求解多目标优化问题。为了增强算法的适应能力,采用了遗传算法中的交叉与变异机制,同时在膜中引入外部档案集,并采用非支配排序和拥挤距离方法对外部档案集进行更新操作来提高搜索解的多样性。仿真实验采用标准的KUR和ZDT系列多目标问题对所提出的算法进行测试,通过该算法得出的非支配解集能够较好地逼近真实的Pareto前沿,说明所提算法在求解多目标优化问题上具有可行性和有效性。     

一种基于拟态物理学优化的多目标优化算法

提出一种使用拟态物理学优化(APO)解决多目标优化问题的算法(MOAPO).根据多目标优化问题的特点,借鉴聚集函数法的思想,利用APO算法实现了对多目标优化问题中Pareto最优解集的搜索,并且在搜索过程中动态调整惯性权重与引力因子,以增强非劣解的多样性.实验结果表明了将APO应用于多目标优化问题的有效性.通过与基于微粒群优化(PSO)的多目标优化算法及NSGA-Ⅱ算法的比较,表明了MOAPO算法具有较好的分布性.     

无线传感网络中基于覆盖度优化的自适应遗传算法

在资源受限、多跳的无线传感器网络中,节点分布或网络拓扑结构不合理,将会产生感知阴影和覆盖盲区,严重影响数据感知和网络能效。为此提出一种基于节点移动的总适应度的遗传算法,通过节点的移动对节点进行分簇和重定位,实现网络节点覆盖度的优化和高能效的节点动态部署。仿真表明,算法对节点的重定位优化了节点部署和路由配置,能量在各种不同功能性节点之间的分配更加合理,在适应度参数保持平衡的情况下,减少了网络内节点重分簇的次数,最大限度地提高了网络覆盖度和生存期。