基于进化算法的多目标闭环物流网络设计

为了帮助生产企业建立科学合理的闭环物流网络系统,提高废旧产品材料的再循环利用率,提出了一个多周期、多产品、多阶段的闭环物流网络选址与运输模型。该模型中,不仅考虑建造混合分销回收中心,还提出了2个优化目标:经济成本最小和时间成本最小。针对该多目标优化问题,本文采用了一种基于优先值编码方法的进化算法对模型求解,最终得到该问题的帕累托(Pareto)前沿。通过与约束法的计算结果相比较,求得误差均值小于5%,说明该进化算法对Pareto前沿的拟合程度较好,计算结果是正确有效的。     

浅谈多目标优化算法

优化问题一直都是工程实践和科学研究中的重要问题,本文详细介绍了常用几种优化算法,比较了各种算法的优缺点,也列举了组合算法在多个领域的应用实例,展望了组合算法的发展方向和可能面临的问题。     

基于改进粒子群算法的非对称传动主轴多目标优化

针对某特种车辆传动系统由于结构布局限制导致的主轴两侧非等强度设计问题,综合考虑传动主轴-轴承系统内外多源激励,采用集中质量法建立系统非线性振动模型.基于所建立的模型,利用Runge-Kutta进行数值仿真求解,分析了稳态工况下系统弯扭耦合振动响应以及系统动载荷和振动能量的分布特点,得出了主轴右侧断裂的主要原因.为解决传...     

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。     

基于弹流润滑理论的非对称齿轮胶合强度多目标优化

为提高双压力角非对称齿廓齿轮的设计质量,缩短设计周期,依据弹性流体动力润滑理论,通过范例,以齿间最小油膜厚度最大和齿轮传动总体积最小为目标函数,按照粒子群优化算法,利用MATLAB编制优化程序,进行约束多目标优化设计.在此基础上,根据齿轮啮合原理和现代摩擦学原理从数学逻辑关系和物理机理上分析了目标函数对各个设计变量的灵敏度.研究结果表明:非对称齿轮的体积随模数和齿宽的增加而增加,对模数的敏感程度大于齿宽;齿间最小油膜厚度随模数、齿宽、压力角及变位系数的增加而增加,其敏感程度依次为压力角、模数、齿宽和变位系数;压力角是影响弹流润滑齿间最小油膜厚度最重要的因素,在工作齿侧适度增大压力角可以显著增大最小膜厚;大、小齿轮的变位系数对最小油膜厚度具有同等的影响程度.     

多目标进化算法的一种基于生成树的分布性维护方法

针对多目标进化算法的种群维护和运行效率相矛盾的问题,提出了一种基于生成树的分布性维护方法,即对整个种群构造一棵生成树,定义一种密度估计指标--树聚集距离,并结合树中的最短树枝和个体度数对种群进行维护.由于树聚集距离和度数具有动态性,每移出一个个体,种群中与之相连个体的信息都会发生相应的变化,因而可即时反映出种群的分布情况.与三个著名的算法NSGA-Ⅱ、SPEA2和C-NSGA-Ⅱ的比较实验表明,该方法能在得到良好分布性解集的同时,能以较快的速度对种群进行维护,具有较好的时间效率.     

基于拐点和区域划分的高维多目标进化算法

针对高维多目标优化问题中收敛性和分布性难以同时保持的问题,提出一种基于拐点和区域划分的高维多目标进化算法KnSP.算法选取拐点作为第1次区域划分的中心点,自适应生成邻域;然后采用角度分层法进行二次区域划分,将点到超平面的距离作为个体选择的准则;最后通过候选解与其余个体的角度来增加或删除个体以保证种群规模.实验结果表明,...     

基于梯形区间软约束的多目标优化预测控制算法研究

针对多变量控制系统在受到干扰时,自由度低、鲁棒性差的缺点,在三角区间软约束控制算法的基础上,提出一种基于梯形区间软约束的多目标预测控制算法。首先在容忍区间外设置梯形区间,使控制过程分为两个部分,以减小控制初期瞬态偏差对系统造成的影响;为了缓解工业过程中各控制目标相互耦合的问题,构建两个目标函数,并用迭代算法对ε-约束法进行改进,优化目标函数,以减小目标函数的求解误差,实现对多入多出系统的协调控制。通过对壳牌公司的重油分馏塔模型仿真实验,将三角区间软约束控制算法与该算法进行对比,结果表明该算法具有较好的鲁棒性和快速性。     

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。     

基于多目标进化算法的压电换能器优化设计

为了解决单目标优化无法满足实际工程应用需求的问题,通过对一个约束性多目标优化问题的分析,以最大振幅和最小输入电压做为优化目标,设计参数包括连续变量(换能器的尺寸)和离散变量(材料类型),利用基于分析模型的传递矩阵法对压电换能器进行建模,进而导出优化问题的数学描述式,最后应用多目标进化算法NSGA-Ⅱ,估算一系列的pareto优化设计值,分析优化结构,并确定最优设计参数.     

基于爬山算法及微分进化算法的深孔轴线直线度误差评定

针对深孔存在的轴线直线度误差,本文在已被研究的搜索直线度算法的基础上,另外研究两种搜索直线度的算法,即爬山算法和微分进化算法,根据某身管光电检测实验所得的偏心距,进行仿真.将仿真结果与已有算法结果进行比对,比对结果表明爬山算法和微分进化算法搜索直线度都具有较高的精度,微分进化算法同时具有较高的效率.     

基于SPEA2算法的泊位调度多目标优化

为获得使集装箱码头综合利益最大的泊位调度方案,建立了以船舶平均在港时间、码头生产成本和安全质量为目标的多目标优化模型;采用改进的强度Pareto进化算法(SPEA2)进行求解,基本操作中,可行解用三层染色体结构表示,改进的两点交叉算子和基于领域搜索的变异算子可避免出现不可行解,同时给出了靠泊顺序推迟最小的Pareto最优解选择策略。某集装箱码头的试验算例表明,文中提出的优化方法不仅能获得较优的满意解,同时收敛速度较快,可作为集装箱码头泊位调度的有效手段。     

基于动态加权系数和多目标进化的模型修正方法

建立准确的结构动力学模型是结构响应分析的基础,由于模型简化的不确切等因素,必然会带来一定的误差,为了获得高精度的动力学分析模型,需要结合试验数据对模型进行修正。模态试验结果中包含了试件不同状态不同阶次的频率和振型信息,模型修正时需要建立多个目标函数,提出了一种基于动态加权系数的多目标模型修正方法。通过对解的群体实施进化,在每一代非劣解中,挑选各个子目标函数的局部最优解,计算各个局部最优解与子目标期望值的差距,并根据差距对加权系数动态调整,从而在进化过程中对加权系数进行优化,避免维数灾难问题,实现各个子目标函数的快速收敛。采用该方法对导弹全弹动力学模型进行了修正,子目标函数个数达到16个,与基于Pareto最优的模型修正方法相比,用较少的代数实现了各个子目标函数的收敛,提高了群体搜索的效率,取得了较好的修正效果。     

基于多目标进化算法的异步电动机现场效率测算

介绍了一种基于多目标进化算法（MOEAs）的异步电动机现场实时效率测定方法。通过对多目标算法进行优化、比较,提出使用非支配排序遗传算法Ⅱ（NSGA-II）和强度帕累托进化算法2（SPEA2）的低侵入式方法用于异步电动机效率估算,仅需电动机运行时通过传感器检测其实时转子速度和定子电阻,而无需拆下电动机或单独做一些实验项目来获取所需参数。通过5.5kW电动机的实践表明,该方法在估算异步电动机效率方面是有效的,尤其在常规的负载范围内,用该方法的估算值与实际试验值的误差小于3%;相互比较后发现,NSGA-Ⅱ方法的估计结果略优于SPEA2方法的结果。     

采用多目标进化模型的无监督故障特征选择算法

高维故障特征数据易影响诊断的处理速度和识别率,而传统单目标特征选择算法易融入主观偏好,从而影响特征选择的质量。为此,提出一种无监督的多目标进化特征选择算法。采用熵度量作为相关度目标,采用相关系数的概念设计了冗余度目标,算法同时将这两个目标作为优化对象;利用样本在各个特征上的分布信息,设计了导向性的种群初始化过程和变异算子,以提高算法的优化能力;还利用集成的方法得到了所有特征的重要度序列。对5组UCI数据和3组往复式压缩机故障数据的测试结果表明,该算法比已有的几种特征选择算法更具优势。     

基于遗传算法的车间布局多目标优化

在分析单目标优化缺陷的基础上,构建了车间多行布局物流成本和空间利用率多目标组合优化模型.设计了车间多行布局遗传算法,针对自动换行、两行布置和三行布置三种不同布局策略的编码方式、遗传操作和适应度函数进行了研究.以某车间布局为实例,分别在单目标和多目标情况下,通过Matlab编程对三种不同布局策略进行了遗传运算,验证了算法的收敛性、实用性和有效性.该模型及算法对车间进行多目标多行布局具有借鉴意义.     

一种基于方向平滑约束优化的多尺度光流算法

提出了一种采用方向平滑约束的多尺度光流算法.该算法在多尺度的拉普拉斯金字塔框架下,利用差值平方和(SSD)区域匹配方法实现对搜索区域内的流速及其协方差矩阵的估计,然后利用方向平滑约束对估计的流速进行传播和优化,方向平滑约束可以有效地抑制对遮挡和运动不连续处的过度平滑.人工和真实图像序列的仿真实验都获得了满意的结果.     

基于差异演化算法的网络计划多目标优化

为了提高施工企业的经济效益，在综合考虑成本、质量和进度的基础上，提出了工期－净收益－质量多目标优化模型，并采用一种新颖的进化算法即差异演化算法对该模型进行求解，最后通过工程实例验证模型和算法的有效性。