基于等位基因的实数编码量子进化算法

为改善量子进化算法的早熟问题,提高算法搜索精度和收敛速度,提出了一种基于等位基因的实数编码量子进化算法。该算法以概率叠加的方式将实数变量按照等位基因进行编码,采用混合更新策略根据基因的"相对优良性"对等位基因进行变尺度变异,在全局搜索与局部搜索平衡的前提下提高搜索速度,之后引入Hε门更新等位基因对应的概率幅度。最后利用Markov链证明了其全局收敛性。数值算例将所提及算法与量子进化算法和基于双链编码的量子遗传算法进行比较,验证了算法的收敛速度和求解精度,并将该算法应用于纺织浆纱工艺参数的优化问题,获得了良好的优化效果。     

基于差分进化算法的混合动力系统多目标优化

针对混合动力能量管理系统多目标优化问题通常采用加权求和等方法的缺点,采用Pareto最优原理处理燃油经济性与排放性(CO、NOx、HC)评价指标,提出一种基于非支配排序的自适应差分进化算法,并应用于混合动力能量管理多目标优化系统之中并进行仿真分析。结果表明,提出的优化方法能够得到一组非支配Pareto最优解集,且燃油经济性最大提高了5.30%,CO排放物最大下降了3.65%,NOx最大下降了14.40%,HC最大下降了3.26%。     

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.     

基于实数量子遗传算法的行星轮减速器优化设计

提出了一种基于实数编码的量子遗传算法,其核心是用实数对量子比特进行编码.通过求解行星轮减速器的体积优化问题,表明实数量了遗传算法比传统遗传算法具有更优的搜索稳定性.     

升沉补偿系统多目标构型优化

升沉补偿系统是海洋作业的重要保障装备,影响着海洋作业的稳定性和安全性。随着多样性任务需求的增加,结构多样、适用于不同量级的升沉补偿系统从工厂走向市场,补偿效率不再是评价升沉补偿系统好坏的唯一标准。在对升沉补偿系统工作原理分析的基础上,确定了优化的对象为补偿装置构型、液压泵数量和蓄能器数量,并获得了基本解集。在多目标优化阶段,以可靠性、成本和补偿效率为目标函数,通过非支配排序获得Pareto优化解集,最后通过层次分析法对Pareto优化解集中的每个构型进行打分,获得最优构型。     

基于多规则设备分配及工序排序的FJSP多目标集成优化方法

为降低柔性作业车间调度多目标优化的复杂度,提高优化效率,提出一种基于多规则设备分配及工序排序的柔性作业车间调度多目标集成优化方法.建立了一类以完工时间、设备最大负荷、设备总负荷以及制造成本为优化目标的柔性作业车间调度多目标优化模型;针对模型的组合爆炸特点,为降低其复杂度,提出一种将多规则设备分配及工序排序相结合的集成调度思想;为进一步提高求解效率,提出一种面向对象数据处理技术用于处理各实体之间的数据交换;基于改进的非支配排序遗传算法思想,提出了基于多规则设备分配及上序排序的柔性作业车间调度多目标集成优化算法.通过仿真对比与应用验证了所提方法的有效性.     

[生产计划]基于NSGA-Ⅱ的产品开发任务调度多目标优化

针对传统的加权系数法和约束法等不能很好解决产品开发任务调度多目标优化的问题,建立了以产品开发时间和成本为目标的多目标优化模型,采用改进的非支配排序遗传算法得出Pareto最优解集,并利用模糊优选法对该解集进行选优,确定了产品开发任务调度的最优执行方案。对两个经典多目标测试函数的求解及对比分析表明了该算法的优越性,结合实例说明了该方法的实施过程及有效性。     

结合性能评价的多目标经营过程资源配置优化

经营过程的质量,既取决于经营过程链的结构,又取决于资源和组织的配置。经营过程资源配置质量由基于相似度排序技术的平均的理想资源配置贴近度和基于信息熵的资源配置均衡性所组成。这种质量可理解成经营过程运作的事前预估质量。建立了时间、成本和质量的多目标经营过程资源配置优化模型,采用混合型非受支配排序遗传算法求解这类决策变量较多的多目标优化问题,大致给出了进化过程所产生的Pareto全集的聚类中心。以劳动力密集型的船舶并行建造为例,说明了经营资源配置质量的解析描述和混合型非受支配排序遗传算法,对于动态资源配置是有效的。     

基于遗传算法的冷连轧轧制规程优化设计

合理的轧制规程是使轧制过程达到最佳状态的重要保证。轧制规程涉及的有关数学模型和需要考虑的约束条件较多，因此其优化设计也较为复杂。应用遗传算法进行轧制规程优化设计，即以负荷均衡和板形良好为目标，在一定的约束条件下，对压下率分配比进行编码。通过遗传算子操作并保留每代优势个体，从而得到冷连轧轧制规程。对某1370冷连轧机进行设计比较，表明该方法优化速度快，适合在实际中应用。     

结合性能评价的多目标价值链设计

企业间集成如供应链管理、虚拟企业、网络化制造等,都是旨在面向顾客的价值增值,减少产品或者服务的周期时间,降低成本．提高质量,以提高权益相关者的市场竞争力和运作性能,这些都需要有效的价值链设计。价值链的运作质量与价值链上节点的组织配置情况有密切关系。价值链配置质量是对价值链运作质量的预测,提出了价值链配置质量的解析描述方法,它由平均的理想配置贴近度和基于信息熵的配置均衡性两部分组成。建立了综合考虑时间、成本和质量的可量化和不可量化指标的多目标价值链优化模型,采用混合型NSGA算法,求解这类决策变量较多的多目标优化问题。计算结果表明,价值链配置质量的解析描述方法和混合型NSGA算法,对于按照经营性能需求动态设计价值链有较好的效果。     

一种用于多目标约束优化的改进进化算法

当前求解多目标优化的进化算法主要考虑如何处理相互冲突的多个目标间的优化,很少考虑对约束条件处理的问题.对此,给出了一种基于双群体搜索机制的改进差分进化算法,以求解多目标约束优化问题.采用两个不同种群,分别保存可行个体与不可行个体的双群体约束处理策略,利用基于Pareto的分类排序多目标优化技术,完成对进化个体解的评价.并通过群体混沌初始化、自适应交叉和变异操作来提高基本差分进化算法的性能.对三个经典测试函数的仿真结果表明,文中算法在均匀性、逼近性及收敛速度三方面均优于非支配排序遗传算法,而收敛速度也优于另两种改进进化算法.     

求解车辆路径问题的改进微粒群优化算法

微粒群优化算法是求解连续函数极值的一个有效方法。研究了用该算法求解车辆路径的问题。设计了求解车辆路径问题的一种新的实数编码方案,将车辆路径问题转化成准连续优化问题,并采用罚函数法处理约束条件。应用该微粒群优化算法求解了多个车辆路径问题的算例,并与遗传算法和双种群遗传算法进行了比较。计算结果表明,该算法可以更有效地求得车辆路径问题的优化解,是解决车辆路径问题的有效方法。     

考虑机器检修的圆钢热轧批量调度算法

针对圆钢的热轧批量调度问题,考虑实际生产中的机器检修计划对批量连续性加工的影响,以最大化产能利用率、最小化机器调整时间和订单提前拖期为优化目标,建立了多目标的整数规划模型,并提出改进的带精英策略的快速非支配排序算法对模型进行求解。算法结合问题的约束特征,采用改进的NEH算法生成初始解,并采用罚函数的思想设计适应度函数,对种群中存在的不合理解设计修复规则进行修复;针对遗传进化过程,设计了遗传操作方式,并在算法迭代过程中嵌入基于有限搜索范围的邻域搜索算法,避免算法陷入局部最优。实验结果表明,模型和算法对问题的描述和求解是可行有效的。     

Multidisciplinary design optimization of vehicle instrument panel based on multi-objective genetic algorithm

Typical multidisciplinary design optimization(MDO) has gradually been proposed to balance performances of lightweight, noise, vibration and harshness(NVH) and safety for instrument panel(IP) structure in the automotive development. Nevertheless, plastic constitutive relation of Polypropylene(PP) under different strain rates, has not been taken into consideration in current reliability-based and collaborative IP MDO design. In this paper, based on tensile test under different strain rates, the constitutive relation of Polypropylene material is studied. Impact simulation tests for head and knee bolster are carried out to meet the regulation of FMVSS 201 and FMVSS 208, respectively. NVH analysis is performed to obtain mainly the natural frequencies and corresponding mode shapes, while the crashworthiness analysis is employed to examine the crash behavior of IP structure. With the consideration of lightweight, NVH, head and knee bolster impact performance, design of experiment(DOE), response surface model(RSM), and collaborative optimization(CO) are applied to realize the determined and reliability-based optimizations, respectively. Furthermore, based on multi-objective genetic algorithm(MOGA), the optimal Pareto sets are completed to solve the multi-objective optimization(MOO) problem. The proposed research ensures the smoothness of Pareto set, enhances the ability of engineers to make a comprehensive decision about multi-objectives and choose the optimal design, and improves the quality and efficiency of MDO.     

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。     

多目标同顺序流水作业的局部搜索算法

针对求解最小化最大完工时间和总流程时间的多目标同顺序流水作业问题,提出了一个多目标局部搜索算法。针对两个目标,用现有的构造性算法生成两个解,作为该算法的初始解,然后从这两个初始解出发,以贪婪的方式求出新的Pareto最优解集,持续改进Pareto前沿。选择新的Pareto解的条件是该解既不被原解支配,也不被产生原解的解所支配,同时对某个目标改进最大。当所有解都陷入局部极小时,扰动已得到的Pareto解集,然后从扰动后的解集出发重新搜索。初始解和选择新的Pareto解的方法对算法性能有显著的影响。在基准问题上,与已有文献中的算法比较,结果表明所提算法的总体性能更优,特别是对较大规模的问题,此差异更具有显著性。     

Improved multi-objective ant colony optimization algorithm and its application in complex reasoning

The problem of fault reasoning has aroused great concern in scientific and engineering fields.However,fault investigation and reasoning of complex system is not a simple reasoning decision-making problem.It has become a typical multi-constraint and multi-objective reticulate optimization decision-making problem under many influencing factors and constraints.So far,little research has been carried out in this field.This paper transforms the fault reasoning problem of complex system into a paths-searching problem starting from known symptoms to fault causes.Three optimization objectives are considered simultaneously: maximum probability of average fault,maximum average importance,and minimum average complexity of test.Under the constraints of both known symptoms and the causal relationship among different components,a multi-objective optimization mathematical model is set up,taking minimizing cost of fault reasoning as the target function.Since the problem is non-deterministic polynomial-hard(NP-hard),a modified multi-objective ant colony algorithm is proposed,in which a reachability matrix is set up to constrain the feasible search nodes of the ants and a new pseudo-random-proportional rule and a pheromone adjustment mechinism are constructed to balance conflicts between the optimization objectives.At last,a Pareto optimal set is acquired.Evaluation functions based on validity and tendency of reasoning paths are defined to optimize noninferior set,through which the final fault causes can be identified according to decision-making demands,thus realize fault reasoning of the multi-constraint and multi-objective complex system.Reasoning results demonstrate that the improved multi-objective ant colony optimization(IMACO) can realize reasoning and locating fault positions precisely by solving the multi-objective fault diagnosis model,which provides a new method to solve the problem of multi-constraint and multi-objective fault diagnosis and reasoning of complex system.     

复杂制造环境下的改进非支配排序遗传算法

针对柔性作业车间多目标调度问题,在考虑机器、操作人员等资源约束和交货日期不确定性的基础上,构建了以加工成本、客户满意度及生产总流程时间为目标函数的模糊调度数学模型。针对传统的加权系数方法不能很好地解决柔性作业车间调度多目标优化问题的缺点,提出改进的非支配排序遗传算法,采用改进的拥挤密度排序法改善同一非劣等级内个体的排序;提出自适应交叉和变异策略,克服了种群早熟化,改善了算法的收敛速度;采用改进精英策略保持种群多样性,改善了算法的搜索性能。将该算法应用于某机械公司的人机双资源多目标柔性车间模糊调度,仿真结果证明了该方法的有效性和可行性。     

基于NSGA-Ⅱ的多目标车间设备布局

车间设备布局问题具有多目标、多约束的特点。文中以物流搬运费用、非物流关系以及面积利用率作为优化目标,构建了车间设备布局的多目标优化模型。采用带精英策略的非支配遗传算法(NSGA-Ⅱ)进行模型求解,克服了传统加权法求解多目标问题时加权系数难以确定,无法保证多个目标同时优化的缺点。基于AHP和TOPSIS相结合的方法,从NSGA-Ⅱ求得的Pareto解集中,选出了最适合企业实际情况的布局方案,以一个实例证明了本方法的有效性。     

Multi-objective optimization of combustion,performance and emission parameters in a jatropha biodiesel engine using Non-dominated sorting genetic algorithm-II

The present work studies and identifies the different variables that affect the output parameters involved in a single cylinder direct injection compression ignition (CI) engine using jatropha biodiesel. Response surface methodology based on Central composite design (CCD) is used to design the experiments. Mathematical models are developed for combustion parameters (Brake specific fuel consumption (BSFC) and peak cylinder pressure (P_max)), performance parameter brake thermal efficiency (BTE) and emission parameters (CO, NO _x , unburnt HC and smoke) using regression techniques. These regression equations are further utilized for simultaneous optimization of combustion (BSFC, P_max), performance (BTE) and emission (CO, NO _x , HC, smoke) parameters. As the objective is to maximize BTE and minimize BSFC, P_max, CO, NO _x , HC, smoke, a multiobjective optimization problem is formulated. Nondominated sorting genetic algorithm-II is used in predicting the Pareto optimal sets of solution. Experiments are performed at suitable optimal solutions for predicting the combustion, performance and emission parameters to check the adequacy of the proposed model. The Pareto optimal sets of solution can be used as guidelines for the end users to select optimal combination of engine output and emission parameters depending upon their own requirements.