某涡轮过渡流道弯掠支板反设计及性能分析

某型涡扇发动机涡轮过渡流道与整流支板一体化设计方案中,支板采用了弯掠组合构型方案.为深入理解支板设计机理及其对流道总体性能影响规律,开展了对该型支板反设计研究.以涡轮过渡流道支板的进、出口气动参数和相应的几何参数为输入条件,结合标准支板叶型,应用所开发的叶型造型软件对弯掠支板作了详细反设计及相应的造型计算,获得的支板造型结果与原始结果十分吻合;随后对带支板和下游低压涡轮导向器叶排的整个过渡流道性能进行全三维CFD数值分析.数值计算与对应实验结果一致性较好,一方面表明反设计方法是可行和可靠的;同时表明合理的支板弯掠构型与恰当的流道型面有机组合能明显提高涡轮过渡流道的性能.     

基于NSGA-Ⅱ的饲料配方设计

饲料配方在禽畜养殖业中有着重要的意义,现有的手工计算方法很难满足实际的需要,而目前很多计算机优化的方法只能解决约束较少,规模较小的问题。该文将饲料配方设计问题描述为多目标最优化问题。首先把目标最优化问题转换为相应的数学模型,然后用NSGA-Ⅱ进行求解,最后进行仿真实验,得出结果。该方法克服了传统算法的局限性,通过对NSGA-Ⅱ进行优化改进提高算法的收敛速度和种群的多样性。实验结果表明,该算法可以有效地解决饲料配方设计问题。     

基于改进NSGA-Ⅲ算法的多目标柔性作业车间调度

针对多目标柔性作业车间调度问题求解效率低的难题,提出了一种改进NSGA-Ⅲ(non-dominated sorting genetic algorithm-Ⅲ)调度优化算法。首先,建立了考虑直接能耗和间接能耗的多目标柔性作业车间调度模型;然后,结合两段式编码设计了一种混合分配策略,应用于种群的初始化,并通过进化算子确定子代种群的生成;最后,基于参考点的小生境选择策略,利用双层正交边界交叉方法生成一组预定的参考点,并根据种群熵值变化率设计自适应淘汰策略用于非支配精英存储策略。通过对11个作业车间调度问题算例进行改造,验证了改进算法求解多目标柔性作业车间调度问题具有较高的求解质量和求解效率。     

基于改进NSGA-Ⅲ算法的城市管网多传感器优化部署

由于外部原因管道故障时有发生,常需布置传感器网络对城市管道网络进行实时监测。为在资源有限的前提下获得最佳的监测效率,对网络中传感器的部署问题进行研究,提出了一种改进NSGA-Ⅲ算法对传感器网络部署问题进行求解,实现求得解集多样性和收敛性的均衡;网络采用一个由顶点集V和边集E组成的图G=(V,E)进行建模,并对个体进行编码;以传感器对网络整体覆盖率和指定区域覆盖率为优化目标,应用并改进求解传感器优化部署问题的非支配解集。仿真实验结果表明,改进后算法在保证收敛性的前提下提高了优化解集的多样性,可有效解决管网多传感器优化部署问题。     

基于NSGA-Ⅱ的自动调参控制器设计

针对传统全包线控制器设计方法——增益调度法耗时、低效、可移植性差等缺点,提出了基于改进的多目标遗传算法(NS-GA-Ⅱ)的自调参控制器设计方法,以提高控制器设计的效率和控制器的鲁棒性;方法中,以无人机系统输出与参考模型输出的误差为目标函数,频域指标为约束,预先设定调参规律,利用NSGA-Ⅱ算法对自动调参系数进行求解,同时实现了固定设计点控制器参数的优化和全状态控制器参数的拟合;运行一次优化程序就得到了全状态控制器;仿真结果表明:在没有人工调参和增益调度插值的情况下,基于NSGA-Ⅱ算法设计的控制器,控制性能良好,证明了设计方法的有效性。     

基于云模型的NSGA-Ⅱ算法改进

如何使算法快速收敛到真正的Pareto前沿,并保持解集在前沿分布的均匀性是多目标优化算法重点研究解决的问题.提出一种基于云模型的改进NSGA-Ⅱ算法,利用正态云模型云滴的随机性和稳定倾向性特点,分别对交叉、变异、拥挤距离算子进行改进.使算法既具有传统的趋势性和满足快速寻优能力,又具有随机性.在提高收敛速度与保持种群多样性之间做了个很好的权衡.通过求解多目标背包问题,对本文算法的多目标优化性能进行了考察,并与NSGA-Ⅱ算法进行比较,结果表明本文算法在整个解空间内能快速搜索到Pareto最优解,使搜索到的Pareto最优解在前沿均匀分布.     

基于NSGA-Ⅱ和MOPSO融合的一种多目标优化算法

用多目标粒子群优化（MOPSO）算法的粒子位置更新模式替代NSGA-Ⅱ的交叉操作,获得一个新的算法（NSGA-Ⅱ-MOPSO）。为使这两种差异较大的算法实现无缝融合,在NSGA-Ⅱ算法范围内对MOPSO中特有的概念粒子及其速度、Pbest、引导者进行处理：1）粒子对应于NSGA-Ⅱ中子代群体的个体;2）不再使用粒子速度概念;3）不再使用粒子Pbest概念,代之以从父代群体中为每个粒子的每一维寻找一个最近的该粒子非支配个体;4）每一个粒子的引导者可以是父代群体中稀疏程度最大的个体或者是按照二进制随机竞赛选择方法从父代群体中选择的一个个体,具体哪一种方式发挥作用依赖于预先设定的概率。另外,引入稀疏程度概念来评价粒子在目标函数空间的分布。6个算例的结果表明,与NSGA-Ⅱ及最新的两种MOPSO算法（CLMOPSO和EM-MOPSO）相比,新算法是一个有效、稳定的算法。     

基于模糊逻辑NSGA-Ⅲ的开关磁阻发电机多目标优化算法

为了减小开关磁阻发电机S RG转矩脉动,提高发电机系统运行效率及发电机功率密度,提出一种基于模糊逻辑NSGA-Ⅲ的开关磁阻发电机多目标优化算法.搭建1 kW四相8/6极SRG多目标优化设计模型;采用响应面法RSM搭建SRG优化目标的响应面模型;基于模糊逻辑搭建了模糊推理系统,完成了在SRG优化过程中对NSGA-Ⅲ算法内...     

基于NSGA-Ⅱ的催化裂化分馏塔的多目标优化

在催化裂化装置生产中,主分馏塔的操作水平和技术水平直接影响整套装置的经济效益;研究催化裂化加工装置优化设计,分馏系统的操作优化非常重要;引入已经建立的分馏塔多目标优化函数并运用NSGA-Ⅱ对模型进行求解;通过深入研究算法并对NS-GA-Ⅱ算法中各项参数设置后,求解得一组Pareto最优解,该组最优解具有良好的延伸和分布;并引人多目标综合评价优化函数,求得一组最优解;结果表明在满足约束条件下,分馏塔的汽油和柴油的产率能得到显著的优化.     

基于模糊逻辑NSGA-Ⅲ的开关磁阻发电机多目标优化算法

低资源型的汉越神经机器翻译中,数据稀疏问题是影响翻译性能的主要原因,目前缓解该问题的途径之一是通过语料扩充方法生成伪平行数据,并用于机器翻译模型的训练,伪平行数据生成方法主要有基于词的替换、单语数据回译和枢轴翻译3种.目前的研究集中于3种方法的单独使用,缺少方法间融合利用方面的研究工作,针对此问题,提出了融入双语词典的正反向枢轴方法,利用英语作为枢轴语言,在汉到英到越正向枢轴的基础上,融入利用稀有词构建的汉-英和英-越双语词典,将汉语单语数据通过模型翻译成英语数据,再利用英-越模型将其翻译成越南语数据,其次进行越到英到汉反向枢轴翻译将越南语单语数据翻译为汉语,以此在2个方向上生成汉越伪平行数据,并利用语言模型对生成的伪平行数据进行筛选.汉-越翻译任务上的实验结果表明,提出的融入双语词典的正反向枢轴方法,能够产生更优的伪平行语料,进而显著提升汉越神经机器翻译任务的性能.     

基于NSGA-Ⅱ的新型混合电力系统优化规划方法

迄今为止,风能、太阳能等新能源作为可再生能源,在生成电能方面是清洁无污染的,但在电网运行过程中却与温室气体(GHG)的排放息息相关。因此,介绍了一种新型的独立混合新能源-电池系统尺寸优化方法,最大限度地降低了平准化能源成本(LCOE)、能源损耗率(LPSP)和等效二氧化碳(CO₂)排放量。以预期光伏峰值功率、风力发电机输出功率、电池能量容量为决策变量,以单位用电量所含二氧化碳为约束,采用精英非主导排序遗传算法(NSGA-II)求解了这一约束性非线性多目标优化问题,并对系统的不同组合进行优化和比较,以确定经济高效、可靠环保的最佳架构。最后,对所提出的算法进行了灵敏度分析,仿真结果验证了所提方法在实现经济、能源和环境目标方面的有效性。     

Web服务QoS组合优化研究

Web服务的服务质量是选择服务的重要因素,但求解最优服务的选择较为困难。本文基于多目标组合优化提出了一种服务选择方法,根据不同服务QoS属性指标选择得到非劣解集合,再由用户的效用函数评价用户满意度。这种选择方法可以推广到服务组合过程。     

基于平均距离聚类的NSGA-Ⅱ

拥挤度距离是一种用于度量解集多样性的指标. 然而, 在许多情况下, 该指标无法有效区分多样性较优个体. 其原因为拥挤度距离主要利用每个位置的局部信息. 为解决该问题, 基于整个种群全局位置信息, 本文设计了基于平均距离聚类的多样性度量指标, 并进一步提出了基于平均距离聚类的NSGA-Ⅱ. 该算法利用平均距离将种群划分为若干个大致均匀分布的小种群, 然后分别在各小种群内执行选择、交叉和变异等操作. 实验结果表明, 本文所提算法可以有效地保持种群多样性.     

基于NSGA-Ⅱ算法的多目标优化决策系统

设计一款多目标优化的决策系统,研究集中于调整PID控制器中的KP、KI控制器的增益,使得反馈控制系统满足设计的性能需求。在设计变量参数与给定系统的性能指标之间,设计一种可自动优化增益的参数的算法以满足性能标准的目标。项目设计了PID控制器的增益可以通过NSGA-Ⅱ算法进行调整,从而使得反馈系统的性能指标达到满意的标准。     

基于FFD技术的飞翼布局无人机翼型优化研究北大核心

飞翼布局无人机气动布局特点要求对选用的翼型进一步优化以满足其性能要求,针对飞翼布局无人机翼型性能需求,结合FFD参数化方法,CFD流场求解以及NSGA-II多目标优化算法,建立了飞翼布局无人机高亚音速状态下翼型优化设计流程,实现了翼型巡航状态下阻力最小和俯仰力矩最小的优化目标,并对优化设计结果进行了分析,结果表明文中建立的优化设计方法可广泛应用于工程实践中,基于初次优化后的Pareto解进行二次优化能明显提升优化效果。     

基于NSGA-Ⅱ算法的装备研制多目标优化研究

为提高装备军事效益和经济效益,在网络计划技术的基础上,以装备研制成本和质量为目标,结合工期-质量模型、工期-成本模型和成本-质量模型,建立了多目标综合优化模型。采用一种基于Pareto最优解的多目标遗传算法——NSGA-Ⅱ算法求解,以某探测器研制为例,运用该方法进行建模求解,经MATLAB计算,验证了模型的合理性和算法的有效性。结果表明NSGA-Ⅱ算法的收敛性好,通过它求得的非劣解与实际能较好地相符,为部队在各种武器装备方案论证阶段开展工期、成本和质量之间的权衡分析提供了一种有效工具。     

基于改进NSGA-Ⅱ算法的多目标联邦学习

联邦学习作为一种新兴技术,可在融合多参与方数据的机器学习训练的同时,保证各参与方隐私数据的安全性,有效解决数据隐私问题以及数据孤岛问题。然而,联邦学习仍然面临着巨大的挑战,各个客户端与中心服务器的不断交互带来了巨大的通信成本。为了在保证模型精度的情况下尽量减少通信开销,论文提出一种改进的NSGA-Ⅱ算法来对联邦学习中全局模型的结构进行优化,引入快速贪婪初始化和进化后期丢弃低质量个体的策略来对传统NSGA-Ⅱ算法进行改进。实验表明,与MOEA/D算法对比,论文改进NSGA-Ⅱ算法在同等实验条件下性能更好,可获得更好的Pareto最优集,有效优化联邦学习模型结构,降低通信成本。     

基于NN多分类器组合的入侵检测方法

本文根据传统的入侵检测方法误报率高、U2R和R2L攻击检测率低等缺点,提出了一种基于神经网络多分类器组合的入侵检测方法.实验结果表明,该方法不仅能够有效地提高检测率,特别是U2R和R2L等攻击具有较好的检测能力.因此,本文提出的基于神经网络多分类器组合的入侵检测方法是有效和实用的.     

基于分布式神经动态优化的综合能源系统多目标优化调度EI北大核心CSCD

研究了基于神经动态优化的综合能源系统(Integrated energy systems,IES)分布式多目标优化调度问题.首先,将IES元件单元(包含负荷)作为独立的决策主体,联合考量其运行成本和排放成本,并计及多能源设备间的传输损耗,提出了IES多目标优化调度模型,该模型可描述为一类非凸多目标优化问题.其次,针对此类问题的求解,提出了一种基于神经动力学系统的分布式多目标优化算法,该算法基于动态权重的神经网络模型,可以解决不可分离的不等式约束问题.该算法计算负担小,收敛速度快,并且易于硬件实现.仿真结果表明,所提算法能同时协调综合能源系统的经济性和环境性这两个冲突的目标,且获得了整个帕累托前沿,有效降低了综合能源系统的污染物排放量和综合运行成本.