蚁群遗传算法的多目标优化

为了求解带有约束条件的多目标函数优化问题,提出基于连续空间优化的多目标蚁群遗传算法。针对多目标优化问题的特点,定义连续空间中利用信息量指导遗传搜索策略和信息更新方法,将信息量指导遗传搜索、优秀决策引入、决策集更新、改变算法终止条件等方式相结合,有效地加速了搜索的收敛速度,控制了Pareto最优决策集的数量,扩大了决策的分布范围,维持了决策的多样性。数值实验说明该算法能够快速找到一组分布广泛的Pareto最优决策。     

随机小生境遗传算法求解多目标优化问题

针对广东省某县区域经济发展的现状,提出了改进的经济多目标优化模型。针对实际系统提出了随机小生境Pareto遗传算法(RNPGA),并将之应用于区域模型的计算与仿真。仿真结果表明了此方法的有效性与先进性。     

区分服务模型下多目标最优化安全路由算法

将安全度量作为一种QoS参数进行路由选择是目前网络安全路由研究的一个新思路,针对现有方法采用一个安全度量参数描述链路安全性,进行路由选择存在的问题,提出一种多安全度量的链路安全性描述策略,能够更加全面准确地描述网络链路的安全特征;该描述策略应用于区分服务模型下的安全路由选择,并提出了基于改进的非支配遗传算法的多目标最优化安全路由算法求解这一多目标多约束的NP完全问题。随机网络的仿真结果表明,算法能为用户提供安全性能较高的路由,并能满足不同等级要求的服务质量。     

基于最佳进化方向的多目标遗传算法

该文模拟自然界中生物总是向着有利于自己的方向进化,即朝生物利益最大化的方向进化这一现象,给出了一种新的设计适应度函数的方法,并且结合多目标优化的Pareto最优解的概念,提出了求解多目标优化问题的一种新的算法———基于最佳基因的多目标遗传算法。数值实验表明,该算法不仅操作简单、鲁棒性强、速度快、且能够获得数量多而且广泛的Pareto最优解。     

基于多目标遗传算法的工程资源优化配置

为了使工程资源能够在工程应用中最大程度的优化配置, 利用遗传算法模拟自然进化过程求得最优解的特点, 对遗传算法和多目标优化问题的理论基础和模式定理的进行了分析, 讨论了遗传算法在解决多目标优化工程资源问题过程中的优势, 最后将多目标遗传算法应用于具体工程资源配置实例予以实现. 仿真优化结果表明: 遗传算法在工程资源优化配置过程中更具有先进性, 可靠性和优化性.     

采用遗传算法求解多跳分组无线网服务质量路由优化模型

采用多目标遗传算法来确定多跳无线网服务质量路由优化问题的Pareto最优解集。通过计算表明,多目标遗传算法能够在一次运行中搜索到优化问题的近似Pareto最优解集,这为决策者进行目标折衷决策提供了充分的依据,此算法是有效可行的。     

分组遗传算法优化大学考试时间表

大学考试时间表是一个多约束条件下的优化问题。传统遗传算法寻优的计算量是指数级的规模,而寻优的操作有可能会破坏时间表的硬约束条件,从而最终得到的解并不一定理想甚至不可行。该文从某高校的实际应用出发,对用图着色模型得到的已经满足了硬约束条件的初始考试时间表,用改进的分组遗传算法在既不破坏硬约束条件也不延长考试周的条件下扩大并平均分配了学生的复习时间,并且还大大减少了寻优的计算量。     

求解多目标投资组合优化模型的遗传算法

针对考虑最小交易量、交易费用,以及单项目最大投资上限约束的多目标投资组合模型,对目标函数添加惩罚函数项来处理约束条件的方法.本文通过对交叉算子、变异算子的改进,设计了一种遗传算法进行求解.实验算例表明,该算法是有效的.     

基于多目标决策的维修分队抽组优化模型

针对解决从多个维修分队中派出最佳维修分队进行产品维修的问题，从运筹学的角度出发，抽象提取出影响抽组优化的要素，研究并提出了利用多目标决策理论解决维修分队抽组优化问题的方法，给出了相应的抽组优化模型，阐述了具体演算过程。     

多目标分散决策的目标规划模型和玻尔兹曼机解法

研究建立了分散组织结构下多目标分散决策的目标规划模型，根据随机神经网络－－玻尔兹曼机的基本原理，提出了求解该问题的一种新方法。示例的仿真结果表明该方法是非常有效的。     

一种SaaS质量多目标模型的遗传优化研究*

针对基于云计算的SaaS软件生成时存在不确定性、分散性、难控制性等问题,提出一种基于遗传算法的SaaS质量多目标模型,从SaaS与时间、PaaS、虚拟机、付费情况的关系和SaaS软件状态质量(SaaS质量)两角度建立SaaS软件质量模型,并用精英策略的小生境遗传算法进行优化,从而得到一组SaaS软件在Internet中的形态、状态质量参数。最后在Amazon环境下以一个SaaS销售软件生成为例分析SaaS多目标模型可行性和有效性。     

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．     

卫星有效载荷的多目标多学科设计优化研究

在卫星有效载荷系统研究中,实施多目标多学科优化的可行性设计。首先,分析了开展卫星有效载荷多学科设计优化的关键技术。建立了包含天线、转发器、数据传输、可靠性、成本和质量的多学科分析模型。然后,应用多目标遗传算法对某卫星有效载荷的可靠性和成本进行多目标设计优化,获得最优解集。最后,运用多学科协同优化结合遗传算法进行可靠性单目标设计优化。研究结果表明:有效载荷的多目标多学科设计优化全面考虑了多个学科之间的关系,设计人员可按需选择其满意的优化结果,大幅提高设计效率;协同优化方法有助于实现学科自治、并行设计,提高设计的灵活性和缩短设计周期。     

遗传算法在多目标优化应用中的对比研究

多目标优化应用研究在过程工程领域越来越受重视。本文首先给出了多目标优化问题的一般形式,指出多目标问题求解任务：引导搜索向整个的Pareto优化范围;Pareto优化前沿上保持解集的多样性。在简要论述遗传算法求解多目标技术的基础上,对应用了遗传算法求解多目标的两种方法进行了对比研究,并给出了线性加权遗传算法和一种多目标遗传算法的计算框图。指出线性加权法求解Pareto最优解时不能不能很好地处理非凸区域、均匀分布的权重值不能生成均匀分布的Pareto前沿等局限性,以及多目标遗传算法生成种群多样性及Pareto最优解均匀分布的优点,并用实例进行了验证说明。     

基于精英进化导向的多目标PID参数优化

在多目标优化问题中,决策者必须对Pareto前沿的众多非劣解做出选择.本文将决策偏好融入Pareto优化过程,提出一种基于精英导向机制的多目标遗传算法,根据决策偏好选择Pareto最优解为精英,利用无损有限精度法和归一增量距离保持种群多样性,通过多种群进化机制将决策偏好的影响传播到整个种群.该方法成功应用于自动导引车(AGV)伺服系统的PID参数优化,可根据决策偏好快速有效地定向搜索Pareto最优解,保证伺服控制达到路径跟踪要求的速度响应性能.     

质子交换膜燃料电池系统多目标优化

质子交换膜燃料电池（PEMFC）具有操作温度低、能量密度高、稳定性好等优点,是一种具有广泛应用前景的发电装置。本文以PEMFC系统发电效率最大和总成本最小为同步优化目标,以电流密度、系统操作压力、空气及氢气化学计量数为操作变量,建立该系统的多目标优化模型。提出基于拥挤度排序的多目标列队竞争算法（MOLCA-CDS）求解该模型,得到优化目标的Pareto最优前沿。实例计算结果表明,所提出的方法可得到分布均匀的Pareto最优解集,且优化结果能够完全支配文献中采用其它方法的优化解。本文所提出的方法可为PEMFC系统的设计与操作优化提供参考。     

区际救援物资中转调度的多目标优化问题研究

针对大规模、远距离和多品种的区际救援物资联动调运问题,以区际救援物资送达受灾城市总时间最短和总成本最小为目标,建立了一个区际救援物资中转调度的多目标优化模型,并设计了一种多目标协进化遗传算法。算例分析验证了该算法能够较好地获取问题的Pareto最优解。     

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。     

一种基于快速排序的快速多目标遗传算法

多目标遗传算法的一个重要步骤就是构造非支配集,本文提出了一种基于快速排序的非支配集构造方法,提高了非支配集构造效率,并且在Deb提出的NSGAⅡ的基础上,改进了其种群构造策略,设计了一类新的多目标遗传算法。实验表明,这种方法比NSGAⅡ具有更快的收敛速度且保持了良好的分布性。     

多目标扰动生物地理学优化算法

提出一种多目标扰动生物地理学优化算法(MDBBO) 来求解多目标优化问题(MOPs). 该算法基于现有群体中非支配可行解的比率, 联合个体非支配等级排序和拥挤距离对个体进行评价; 在生物地理迁移策略基础上提出扰动迁移算子并应用于群体进化, 增强群体多样性; 应用归档种群来保存所获得的非支配可行解, 并用循环拥挤距离法对其更新, 确保群体的均匀分布性. 通过标准函数测试以及与经典算法比较表明了该算法求解MOPs 的有效性.