基于遗传算法的两阶段建筑工程多目标优化

由于现阶段对资源的均衡操作大都侧重于对工期-资源同时优化,很少涉及质量和成本,所以这里提出了一个两阶段优化模型,第一阶段是基于工期、质量和成本三个目标为非线性关系,建立三个目标的综合优化模型;第二阶段是从上阶段对所得到的非劣解中由决策者选择一个或多个满意的解输入到本阶段进行资源均衡优化,两阶段均用遗传算法求解,最后通过一个实例证明了两阶段模型的可行性与优越性.     

基于免疫遗传算法的冗余并联机构多目标优化

针对电动并联机构驱动能力不足的问题,提出用3条冗余支腿来平衡负载的结构。同时,考虑到实际工况下,速度、驱动力和功率峰值过高给机构带来的负面影响,使用免疫遗传算法对该并联机构的结构参数进行多目标优化。仿真结果表明:与典型的六自由度并联机构相比,优化后电动支腿的速度峰值下降13. 83%,驱动力峰值下降24. 50%,功率峰值下降45. 68%。该冗余结构及优化方案,能够有效提高电动并联机构的驱动能力,适用于重载运动模拟试验台。     

基于遗传算法的四连杆变幅机构多目标模糊优化

传统的四连杆变幅机构设计制造参数是基于单目标优化方法和优化数值解法选取的,在同时满足设计的经济性与稳定性以及优化解的精度方面存在不足。基于此,本文采用综合机构稳定性和经济性的多目标优化模型,利用模糊理论建立综合评价函数,应用求解精度高的遗传算法求解。具体算例的优化结果显示,经济性与稳定性等项技术指标都获得了改善。     

基于多目标遗传算法的机器人避障研究

提出了在势场法斥力场函数中引入目标点和障碍物的距离、障碍物和机器人的速度矢量及最小安全距离的一种新的动态势场(NDAPF)方法,建立了考虑运动路径长度、移动步数、动态相对距离的避障评价函数,进一步提出了根据遗传算法个体适应度不同情况下变异概率自适应调整的一个改进算法,利用多目标遗传算法(MOGA)对NDAPF。方法进行寻优．在一个移动机器人仿真平台中分别对传统的静态势场(TAPF)方法、无参数优化NDAPF和利用MOGA参数优化的NDAPF方法(MOGANDAPF)进行仿真实验,实验结果证明,MOGANDAPF方法可进一步应用于足球机器人避碰模型研究中．     

基于遗传算法的最小生成树的参数优化研究

应用遗传算法求最小生成树问题是一种可行而有效的新方法 .为了提高算法的进化效率和收敛性 ,通过数值模拟试验 ,对算法中主要控制参数的优化组合模式进行研究 ,获得了主要参数的优化组合规律 :群体规模取 10～ 30 ;换位率在 0 .5～ 0 .9之间选取 ;选择率可采用自适应方式确定 ,进化初期采用较大值 ,随着进化过程的前进可逐渐减小 ;编码长度不应过长等     

基于遗传算法热电冷联产系统多目标方案优化

根据用户全年冷、热、电负荷设计冷热电三联产系统方案并实现优化运行是决定联产系统经济性的关键．建立了以一次能源节约率、净现值和CO：排放量为优化目标,以冷热电三联产系统中主要设备容量为决策变量的多目标优化模型,同时运用实数编码遗传算法进行优化计算,得到了“以电定热”和“以热定电”2种不同运行模式下的冷热电三联产系统优化设计方案．     

多目标混合优化的阈值图像分割

提出了一种多目标混合优化的阈值图像分割算法。该方法以类间方差函数和模糊熵函数为待优化目标函数,为了改善粒子群算法在迭代后期陷入局部最优的问题,在粒子群算法中引入多元宇宙优化算法并产生一组非支配解集;采用混沌搜索策略进行搜索,以更有效地逼近最优阈值;通过类间差异和类内差异的加权比值来选取最优解。仿真结果表明,相较于Otsu算法、多目标粒子群算法以及多元宇宙优化算法,算法的分割准确率较高。     

基于Matlab遗传算法的PROT项目资产转让多目标优化问题研究

PROT项目融资资产转让关系到利益相关者的收益问题,也关系到项目融资系统整体的有序性.既要保证整体系统熵最小,还要使各利益相关方获得较大的收益,以保证系统整体目标的实现.因此,PROT项目资产转让是一个多目标优化问题.首先建立PROT项目资产转让多目标优化模型,然后借助Matlab遗传优化算法对PROT项目资产转让多目标优化模型进行求解.最后通过实例验证,取得了较好的效果.     

基于混沌遗传算法的多目标QoS组播路由优化

针对遗传算法易发生早熟收敛的缺点,提出了一种既满足时延、时延抖动及带宽等约束,又能使通信代价最小的混沌遗传算法。该算法利用混沌扰动算子对种群进行扰动操作,增加种群的多样性,抑制遗传早熟收敛的发生,提高收敛速度。仿真结果表明了该算法的有效性、快速收敛性及稳定性。     

基于多目标遗传算法的汽轮机转速PI控制器参数优化

针对常规PID参数整定方法不能兼顾系统快速性、稳定性和准确性要求的缺陷,提出了一种基于非支配排序多目标遗传算法-Ⅱ(Non-dominated Sorted Genetic Algorithm-Ⅱ,NSGA-Ⅱ)和多属性决策技术(Multiple Attribute Decision Making,MADM)的PID参数的优化设计方法。以系统的超调量、调节时间和时间乘以误差绝对值积分(ITAE)指标最小作为优化目标,以频域稳定性为约束条件,以PID参数为设计变量,建立多目标优化模型。利用NSGA-Ⅱ算法求出Pareto最优解集,采用逼近理想解的排序方法(Technique for Order Preference by Similarity to an Ideal Solution,TOPSIS)进行Pareto最优解排序,进而得到最终的最优解。以某型工业汽轮机转速PI控制器参数的多目标优化设计为仿真算例,验证了该文设计方法的有效性和优越性。     

基于多目标遗传算法的可调节变量产品族优化

为了实现可调节变量产品族的优化设计,在建立可调节变量产品族原理模型及优化模型的基础上,提出基于非支配排序遗传算法（NSGA-II）的产品族优化设计流程.根据产品族优化设计的数学模型,用NSGA-II算法求得多目标优化问题的Pareto集,并使用基于模糊集合理论的方法选择一个最优解.在优化设计的第一阶段中NSGA-II算法独立优化每个产品,依据设计变量的变化率确定产品平台常量集合及平台常量取值.第二阶段用NSGA-II算法优化每个实例产品的可调节变量值,在满足产品族设计要求的前提下,提高实例产品的性能.对通用电机产品族进行优化设计,并与One-Stage-Ps方法进行比较,证明了该方法在工程应用中的正确性与高效性.     

基于多目标遗传算法的综合利用水库优化调度图求解

分析了常规方法求解综合利用水库调度图存在的问题.提出了一个基于遗传算法的调度图求解模型.模型同时以保证率和缺水量为目标,直接以调度图的基本调度线为决策变量,通过水库的模拟运行结果评价可行解,然后利用遗传算子不断改进调度线,能搜索得出调度图的非劣解集.实例计算结果显示多目标方法较传统仅以保证率为目标推求调度图的做法合理     

基于多目标遗传算法的水资源承载力模型研究

针对水资源承载力问题,利用遗传算法的并行机制及全局搜索最优解的特性,引入了多目标遗传算法的求解方法,评价了算法在水资源承载力评价方面的可行性,给出了设计思路及应用步骤.初步建立了水资源承载力定量计算的多目标遗传算法模型.     

基于Pareto遗传算法的机翼多目标优化设计研究

文章将多目标优化方法中的Pareto遗传算法与能准确描述翼型无粘性流动的Euler方程以及旋翼气动分析模型结合起来,以旋翼悬停效率和固定翼的升阻比作为优化设计的目标对需同时满足旋翼和固定翼两种使用要求的机翼进行了多目标优化设计。设计结果表明通过优化设计的机翼在气动性能上得到了提高,达到了优化设计的目的,文中发展的机翼优化设计方法是可行的。     

多目标遗传算法的收敛性研究

基于群体搜索的遗传算法求解多目标优化问题具有独特的优势,多目标优化算法已有的研究大多为算法的设计和数值实验效果的比较,理论研究则很少,本文作者给出了一种求解多目标优化问题的新遗传算法（RMOGA）,并用Markov链的理论对RMOGA的收敛性进行了研究,其结果表明RMOGA依概率收敛到问题的Pareto前沿面.     

基于新模型的多目标遗传算法

给出了个体的序和密度定义及目标空阃中解的密度分布方差和均匀性分布指标函数。其中序是Pareto解的质量的一个度量。密度是Pareto解的分布均匀性的一个度量．对任意多个目标函数的优化问题转化成两个目标函数的优化问题。并对转化后的优化问题设计了遗传算法，同时把均匀性分布指标函数引入算法的变异操作中。用于自适应地调节搜索向Pareto最优解集移动和更好地获得解的均匀性分布。直到满足终止条件．数据实验表明该方法对Pareto解的质量及其均匀性分布是有效的．     

基于遗传算法的多目标过程系统优化

提出了一种求解多目标优化问题的求解策略。在搜索寻优过程中 ,利用遗传算法生成 Pareto最优解集。在决策过程中 ,利用 TOPSIS方法来确定 Pareto最优解集中最佳协调解。最后 ,应用该算法对 DAM连续缩合过程的多目标过程系统做了优化研究。     

基于过分割的多目标阈值图像分割算法

提出一种基于过分割的多目标阈值图像分割算法。使用分水岭算法获得待分割图像的过分割区域和分割边界,将类间方差函数和熵函数作为优化目标函数,采用多目标阈值算法对区域的代表点及分割边界上的像素进行划分,再将区域代表点的划分结果扩展到各区域中,以获得整幅图像的分割结果。在多幅Berkeley图像上进行分割测试,并以分割准确率作为算法性能的评价指标,结果显示,新方法在大多数情况下能够获得高于最大类间方差法和最大熵法的分割准确率,此外,由于图像区域信息的使用,使得图像目标能够较为完整地从背景中分离出来。     

基于遗传算法的图像多阀值自动分割方案

图像多阈值分割是图像处理的基本技术之一。遗传算法则是一种借鉴生物界自然选择和自然遗传机制的高度并行、随机、自适应的搜索算法。本文将遗传算法引入图像分割,提出一种新的图像多阈值分割方案,并加以改进。该方案能够快速正确的实现分割,且不需事先认为的确定分割类型。实验结果令人满意。     

基于遗传算法的图像多阈值自动分割方案

图像多阈值分割是图像处理的基本技术之一。遗传算法则是一种借鉴生物界自然选择和自然遗传机制的高度并行、随机、自适应的搜索算法。本文将遗传算法引人图像分割,提出一种新的图像多阈值分割方案,并加以改进。该方案能够快速正确地实现分割,且不需事先认为的确定分割类数。实验结果令人满意。