应用IMOABC空调房间CO2浓度二自由度内模分数阶PI控制性能的研究

由于定风量空调机组(Constant Air Volume Air Handling Unit, CAVAHU)输出的新风量往往是固定的,当空调房间内的额定人员数量超员或不足时,会导致空调房间CO₂浓度测量值C_n高于室内CO₂浓度设定值C_n=C_n,set或新风负荷增大的状况。对此提出了一种空调房间CO₂浓度二自由度内模分数阶PI控制策略和设计改进多目标人工蜂群算法(Improved Multi-Objective Artificial Bee Colony Algorithm, IMOABCA)对控制器参数实施整定的思路。首先,基于人工蜂群算法,分别对雇佣蜂和观察蜂引入自适应惯性权重和精英组策略,进行非线性递减和柯西变异的演变,并结合观察蜂搜索特性,将最小粒子角度引入外部档案集,获取相应的Pareto解集,设计IMOABCA,进而对控制器的3个参数进行整定,获得相应的最优值。最后,借助MATLAB工具,对该室内CO₂浓度的二自由度内模...     

采用Pareto人工鱼群算法的结构健康监测传感器位置多目标优化EI北大核心CSCD

发展基于Pareto多目标人工鱼群算法(Multi⁃Objective Artificial Fish Swarm Algorithm,MO⁃AFSA),解决结构健康监测中传感器位置多目标优化的问题。构建与观测模态线性独立性、结构损伤灵敏度和损伤信息冗余性有关的传感器位置多目标优化目标函数;改进人工鱼群算法的追尾和觅食行为,并引入外部档案集以处理寻优过程中的互不支配解,结合Pareto概念选取与理想点欧式距离最近的Pareto解为最优解;以三层平面钢框架结构为数值算例,用基于Pareto人工鱼群算法求解传感器位置多目标优化方案,并进行结构损伤识别。研究结果表明:用所提方法得到的传感器测点在结构中均匀分布,获取的结构损伤信息更为全面,冗余性低,振型独立性好,能够较精确地识别损伤位置和损伤程度,并且抗噪性能好。     

一种基于“探测"与“开采"的多目标进化算法

针对实践中多目标优化问题(MOPs)的Pareto解集(PS)未知且比较复杂的特性,提出了一种基于"探测"(Exploration)与"开采"(Exploitation)的多目标进化算法(MOEA)——MOEA/2E。该算法在进化过程中采用"探测"与"开采"相结合的方法,用进化操作不断地探测新的搜索区域,用局部搜索充分开采优秀的解区域,并用隐最优个体保留机制保存每一代的最优个体。与目前最流行且有效的多目标进化算法NSGA-Ⅱ及SPEA-Ⅱ进行的比较实验结果表明,MOEA/2E获得的Pareto最优解集具有更好的收敛性与分布性。     

用于约束多目标优化问题的改进蚁群遗传算法

针对多目标蚁群遗传算法(MOAGA)解集边界分布不均的问题,提出改进算法,解决连续空间中带约束条件多目标优化问题.改进算法在基本MOAGA算法的基础上,在选择中引入一定比例的边界决策、单目标最优决策,并提高边界决策的交叉率.实验证明,改进算法解决了基本算法解集分布边界疏中间密的问题,并且能更快的获得散布性较好的Pareto最优解集.     

基于差异演化算法和多属性决策的机电系统可靠性多目标优化设计

针对机电系统可靠性设计问题,以可靠性和费用(或体积等)最优为目标建立可靠性设计的多目标优化模型．提出了自适应多目标差异演化算法,该算法提出了自适应缩放因子和混沌交叉率,采用改进的快速排序方法构造Pareto最优解,采用NSGA-II的拥挤操作对档案文件进行消减．采用自适应多目标差异演化算法获得多目标问题的Pareto最优解,利用TOPSIS方法对Pareto最优解进行多属性决策．实际工程结果表明：自适应多目标差异演化算法调节参数更少,且求得的Pareto最优解分布均匀;采用基于TOPSIS的多属性决策方法得到的结果合理可行．     

焊接条优化设计问题的混沌人工蜂群算法求解

利用混沌的特点设计了一种混沌局部搜索算子,将该算子加入到原始人工蜂群算法中提出了一种混沌蜂群算法(CABC),并用之来优化焊接条的结构设计问题。该问题的目标是在满足约束条件下使得制造焊接条所需的总费用最小,是一个典型多维多约束非线性规划问题。为了不让人工蜂群算法优化该问题时陷入局部最优解,在原始蜂群算法末期的最优值附近进行混沌局部搜索,使其跳出局部最优,有效提高了算法的局部寻优能力。最后对焊接条设计问题进行了仿真计算,并将结果与其他文献中的结果进行了对比,显示了混沌人工蜂群算法优化焊接条设计问题的优越性。     

基于ABC-BW优化CHMM的风机齿轮箱故障诊断

提出一种将人工蜂群算法(Artificial Bee Colony Algorithm,ABC)与Baum-Welch算法结合的连续隐马尔科夫模型(Continuous Hidden Markov Model,CHMM)并将其应用于风力发电机齿轮箱故障诊断.首先利用小波包分解与重构提取信号频带能量作为特征向量;将正常及...     

基于CEEMDAN的人工蜂群算法优化LSTM深度网络的西江溶解氧预测

为提高溶解氧含量预测的精度,提出一种基于添加自适应白噪声的完备集成经验模态分解法(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)和人工蜂群算法(Artificial Bee Colony,ABC)改进长短时记忆网络(...     

动力吸振器的多目标优化和多属性决策研究

在结构振动控制中,为了最大限度发挥吸振器的耗能减振作用.需要寻找吸振器的最优参数,即最优频率比、最优阻尼比和最优质量比,使得结构在不同的频率激励下获得最好的减振效果.本文将基于进化算法的多目标优化技术与多属性决策方法联合运用,针对主系统存在阻尼的减振系统,研究了动力吸振器的优化和决策同题.对于多目标优化问题,采用改进的非支配解排序的多目标进化算法(NSGA Ⅱ),求出Pareto最优解,由这些Pareto最优解构成决策矩阵,使用客观赋权的信息熵方法对最优解的属性进行权值计算.然后用逼近理想解的排序方法(TOPSIS)进行多属性决策(MADM)研究,对Pareto最优解给出排序.文中给出了4个设计参数、3个目标函数的动力吸振器优化设计算例.     

用于结构优化设计的改进多目标群搜索算法

在多目标群搜索算法（multi-objective group search optimization, MGSO）基本原理的基础上,结合Pareto最优解理论,提出了基于约束改进的多目标群搜索算法（IMGSO）,并应用于多目标的结构优化设计．算法的改进主要有3个方面：第一,引入过渡可行域的概念来处理约束条件;第二,利用庄家法来构造非支配解集;最后,结合禁忌搜索算法和拥挤距离机制来选择发现者,以避免解集过早陷入局部最优,并提高收敛精度．采用IMGSO优化算法分别对平面和空间桁架结构进行了离散变量的截面优化设计,并与MGSO优化算法的计算结果进行了比较,结果表明改进的多目标群搜索优化算法IMGSO与MGSO算法相比具有更好的收敛精度.通过算例表明：IMGSO算法得到的解集中的解能大部分支配MGSO算法的解,在复杂高维结构中IMGSO算法的优越性更加明显,且收敛速度也有一定的提高,可有效应用于多目标的实际结构优化设计．     

平流层飞艇的多目标优化与决策

该文建立了以平流层飞艇阻力最小、自重最轻、极限承载力最大及刚度最大为优化目标的多目标优化模型;采用强度Pareto进化算法(SPEA)进行了多目标优化设计;基于优化所得的Pareto解集,采用基于信噪比的决策方法选择满足实际需要的最终方案。结果表明：采用的SPEA算法是合理有效的,可以得到非劣解分布较均匀的Pareto曲面;通过基于信噪比的决策方法,可从非劣解集中获得满足实际要求的最稳健设计方案。     

基于蜂群算法的等压灌装阀阀口流道结构优化

目的为了改善等压灌装阀的灌装性能,分析阀口流道结构参数对液料流场的影响,求解流道内最大压力损失、最大液料流速和最大湍动能均最小化的约束多目标优化问题。方法基于正交试验设计和Fluent流场仿真软件对灌装阀阀口流道流场进行数值模拟,并通过回归分析建立以阀口流道结构参数为自变量的最大压力损失、最大液料流速和最大湍动能的经验方程,进而建立阀口流道结构参数约束多目标优化模型,采用约束多目标人工蜂群算法对优化模型进行求解。结果流道内最大压力损失最小化、最大液料流速最小化和最大湍动能最小化这3个目标之间存在冲突,无法同时达到最优,基于多目标人工蜂群算法获得了阀口流道结构参数的最优Pareto解集。结论约束多目标人工蜂群算法能有效用于等压灌装阀阀口流道结构参数的优化。     

改进二进制人工蜂群算法求解多维背包问题

针对二进制人工蜂群算法收敛速度慢、易陷入局部最优的缺点,提出一种改进的二进制人工蜂群算法。新算法对人工蜂群算法中的邻域搜索公式进行了重新设计,并通过Bayes公式来决定食物源的取值概率。将改进后的算法应用于求解多维背包问题,在求解过程中利用贪婪算法对进化过程中的不可行解进行修复,对背包资源利用不足的可行解进行修正。通过对典型多维背包问题的仿真实验,表明了本文算法在解决多维背包问题上的可行性和有效性。     

基于粒子群与聚类的多目标优化算法

针对粒子群优化算法容易陷入局部最优的问题,提出了一种基于粒子群优化与分解聚类方法相结合的多目标优化算法。算法基于参考向量分解的方法,通过聚类优选粒子策略来更新全局最优解。首先,通过每条均匀分布的参考向量对粒子进行聚类操作,来促进粒子的多样性。从每个聚类中选择一个具有最小聚合函数适应度值的粒子,以平衡收敛性和多样性。动态更新全局最优解和个体最优解,引导种群均匀分布在帕累托前沿附近。通过仿真实验,与4种粒子群多目标优化算法进行对比。实验结果表明,提出的算法在27个选定的基准测试问题中获得了20个反世代距离(IGD)最优值。     

一种基于遗传算法的多目标优化算法研究

对一般的无约束多目标优化问题的求解进行讨论,提出一种基于遗传算法的求解方法,该方法区别于传统遗传算法的求解模式,它采用带性别标志的编码、子群体的选择、保留Pareto最优解,并对解集进行共享函数的处理,最后得到较高质量的Pareto最优解集,给出的两个算例也充分说明此方法在处理多目标问题的可行性和实用性。     

模糊人工蜂群算法的置换流水车间调度问题求解

针对传统人工蜂群算法早熟收敛问题,基于模糊化处理和蜂群寻优的特点,提出一种模糊人工蜂群算法.将模糊输入输出机制引入到算法中来保持蜜源访问概率的动态更新.根据算法计算过程中的不同阶段对蜜源访问概率有效调整,避免算法陷入局部极值.通过对置换流水车间调度问题的仿真实验和与其他算法的比较,表明本算法可行有效,有良好的鲁棒性.     

基于遗传算法的辊筒棒磨机多目标优化设计

为了优化辊筒棒磨机的磨矿过程,选取影响磨矿性能的主要因素,利用量纲分析法对磨矿特征进行描述,并结合实验数据,建立磨矿过程的多目标优化模型;利用遗传算法对模型进行求解,得到Pareto最优解集,采用优劣解距离(TOPSIS)法寻得多目标优化问题的一组最优解,并对结果进行分析。结果表明:进行多目标优化后,棒磨机产率提高了5. 46%,能源利用率提升5. 04%,磨矿产物的均一性指数增大1. 088,有效地提升了辊筒棒磨机的综合性能。     

基于速度交流的多种群多目标粒子群算法研究

为提高多目标优化算法的收敛精度和搜索性能,提出一种基于速度交流的多种群多目标粒子群算法。算法引入速度交流机制,将种群划分为多个子种群以实现速度信息共享,改善粒子单一搜索模式,提高算法的全局搜索能力。采用混沌映射优化惯性权重,提高粒子搜索遍历性和全局性,为降低算法在运行后期陷入局部最优Pareto前沿的可能性,对各个子种群执行不同的变异操作。将算法与NSGA-Ⅱ、SPEA2、Ab YSS、MOPSO、SMPSO和GWASF-GA先进多目标优化算法进行对比,实验结果表明:该算法得到的解集具有更好的收敛性和分布性。     

基于NSGA-Ⅱ&DEA混合算法的高速铁路桥梁风屏障高度多目标优化研究

为探究高速铁路桥梁风屏障高度的多目标优化问题,基于计算流体动力学理论,采用数值模拟方法计算设置有不同高度风障时,列车及桥梁各自的气动力系数。以车辆侧倾稳定性力矩系数及桥梁阻力系数为优化目标,风屏障高度为设计变量,采用多目标遗传算法(NSGA-II)求解Pareto最优解集,采用数据包络分析方法(DEA)评价Pareto解集中各个解的相对效率,得到最优风屏障高度。结果表明:采用NSGA-IIDEA混合算法对风屏障高度进行多目标优化是可行的。该优化设计方法为风屏障高度优化问题提供了一种新思路。     

用于多目标优化的蚁群算法的构建及其应用

从蚁群的生物学行为出发,将成群募集和海量募集两种机制融入蚁群算法,并针对多目标优化的特性,综合考虑解的被支配度和分散度,抽提出一种启发式规则,用以评价食物源的优劣,进而构建多目标连续蚁群优化算法(MO-CACO).通过两个多目标典型函数的优化测试,验证了MO-CACO具有较强的多目标全局寻优能力,且稳健性良好,所求得的最优解集的多目标值能均匀地逼近Pareto最优前沿的各部分.将MO-CACO用于二甲苯异构化装置的操作优化,取得了满意的结果,MO-CACO可为化工过程多目标决策提供支持.