多目标进化遗传算法在QoS路由中的研究

基于多目标规划问题,给出了QoS路由指标的形式化描述及数学模型。提出了用NSGA-II算法来实现QoS路由,并采用网络资源消耗和负载分布为目标函数,使得算法在消耗网络资源最小的基础上,使负载均衡分布,合理利用了网络资源,降低了网络的拥塞,提高了网络的吞吐量。通过仿真实验表明该算法是可行的、有效的。     

基于模糊时间窗的多目标冷链配送优化

随着生鲜冷链行业竞争逐渐白热化,成本高、时效性强、新鲜度难以保持等问题已成为制约冷链物流配送的瓶颈。为提高生鲜配送效率,考虑客户满意度,以货损成本、惩罚成本等综合配送成本最低为目标函数,构建了一个多目标配送路径优化模型。设计带精英策略的非支配排序遗传算法（Elitist Non-dominated Sorting Genetic Algorithm,NSGA-II）求解该问题,利用Solomon标准数据集进行仿真模拟实验。实验结果对比分析表明,考虑满意度时冷链物流配送所需车辆更少,总路径长度更短,设计的算法可以在较短的时间内获取到帕累托最优解集,能够有效地解决模糊时间窗下的配送路径优化问题。     

一种参数自调整PID模糊控制器

结合传统PID控制原理,提出一种新型模糊控制器结构,即PID模糊控制器。为提高PID控制器性能,设计能在线调整PID参数的模糊控制方法。仿真结果表明,自调整参数PID型模糊控制器使系统在暂态响应及稳态性能方面性能优良。     

单舵轮AGV路径跟踪控制器设计

路径跟踪是AGV的关键技术之一,是AGV平稳高效运行的保证。单舵轮AGV是一种常见的结构形式,现有的路径跟踪算法大多复杂度较高,难以满足实际应用的需求。文中针对单舵轮AGV的运动特点及结构特征构造了运动学模型,分析了路径跟踪问题的实质。利用Lyapunov直接法,通过构造函数得到使系统渐近稳定的控制律,并且以导航传感器返回的与预定路径的误差作为输入变量,以舵角的偏转角度作为输出变量,设计出单舵轮AGV的路径跟踪控制器。考虑到车身长度与实际运动过程中AGV舵角摆动频率对控制效果的影响,在控制器中加入了模糊控制的思想。结果表明该算法简单有效,实现了AGV对路径跟踪的要求,提高了AGV的运动性能,取得了理想的应用成效。     

参数自调整模糊控制器在空调器中的应用

针对空调系统的复杂情况,介绍了一种在线调整常规模糊控制器的量化因子和比例因子的设计方法,实时对常规模糊控制器进行优化。仿真表明,其动态性能和稳态性能都优于常规模糊控制器,具有良好的控制性能。     

基于遗传算法的最优模糊控制器在非完整移动机器人轨迹跟踪中的应用

本文研究非完整移动机器人的轨迹跟踪控制问题·采用基于遗传算法的模糊控 制方案，使规则得到优化，有效地改善了控制性能，仿真实例表明这种方法是可行的·     

模糊控制器参数调整的生产式方法

为了改善模糊控制器的性能,采用了产生式方法自动地调整模糊控制器的量化因子和比例因子。该方法克服了参数固定或者参数选择不合适而引起系统超调大或者系统响应慢的缺点。不需要反复试养伤就能获得较理想的经因子和比例因子。仿真结果表明,该方法能通过在线运行,较快地自动整定出一组满足性能要求的量化因子和比例因子。     

一种基于Matlab的参数自调整模糊控制器的设计方法

本文介绍了一种在MATLAB的模糊控制工具箱中,通过编写S函数实现对量化因子和比例因子的在线自动调整来设计模糊控制器,从而有效地实现参数自调整模糊控制器的设计方法。为了验证参数自调整模糊控制器的优越性,分别进行了空调温度控制系统的PID控制、常规模糊控制和参数自调整模糊控制的仿真研究。结果表明,参数自调整模糊控制器较之常规的模糊控制器,在被控对象特性变化或较大扰动的情况下,控制系统能保持较好的性能,是一种较理想的控制方法,具有广阔的发展前景。     

模糊控制器参数调整的产生式方法

为了改善模糊控制器的性能,采用了产生式方法自动地调整模糊控制器的量化因子和比例因子。该方法克服了参数固定或者参数选择不合适而引起系统超调大或者系统响应慢的缺点。不需要反复试凑就能获得较理想的量化因子和比例因子。仿真结果表明,该方法能通过在线运行,较快地自动整定出一组满足性能要求的量化因子和比例因子。     

智能车参数自校正方向模糊控制器的设计

智能车的方向控制是一个既关键又复杂的问题.由于道路的复杂性和小车系统的非线性,采用传统的PID控制器往往不能取得很好的控制效果,为此设计了参数自校正模糊控制器.Matlab仿真试验表明,参数自校正模糊控制器的采用使得智能车舵机的响应速度加快,方向控制更流畅,小车的稳定性和速度也得到了很大的提高.     

NSGA-Ⅱ算法的改进策略研究

带精英策略的非支配排序遗传算法(NSGA-Ⅱ)在多目标优化领域具有广泛的应用,但该算法种群收敛分布不均匀,全局搜索能力较弱,算法运行速度较慢。针对这些局限性提出了改进的排序适应度策略、算术交叉算子策略、按需分层策略和设定阈值选择策略。在典型的测试函数集上的数值实验结果表明,根据这些策略改进的算法得到的非劣解集具有较好的分布性,同时收敛速度更快。     

基于改进NSGA-Ⅱ算法的港口堆位分配问题研究

散杂货港口堆位分配问题是一个典型的组合优化问题。在对此问题分析和建模的基础上,采用NSGA-Ⅱ算法进行求解。针对问题搜索空间大、约束条件复杂等特点,对传统NSGA-Ⅱ算法进行了改进,以提高算法的处理效率、收敛性和多样性。应用Java编程语言,融合JESS推理机,进行了改进NSGA-Ⅱ算法的仿真研究。     

多级模糊控制的月球车避障研究

针对月球车这个MIMO系统,考虑其在未知环境下的避障问题,设计了一个多级模糊控制器,将输入变量分组设计子模糊作为第1级,再将第1级的输出作为第2级的输入变量设计第2级子模糊系统,最后控制系统输出平移速度和角速度。这样就避免了常规模糊系统中规则数目过大和设计繁琐问题,提高了整个控制系统的性能。该控制器模糊规则数量少,控制方法简单,响应速度快。最后的实验证明了该方法的有效性。     

云计算环境下资源的节能调度

在云计算环境下,如何在有效地进行资源调度,缩短任务执行时间的同时,降低能耗,已经成为一个重要问题。对此,以任务执行时间与能耗作为优化目标,建立了一个节能调度模型,并通过采用特殊的种群初始化方法以及引入学习机制等方法对非支配排序遗传算法(NSGA-Ⅱ)进行改进,将其应用于云计算的节能调度问题。最后通过算例测试,验证了所提算法能够在减少任务执行时间的同时,有效降低能耗。     

基于改进NSGA2的临近空间通信网络优化设计

面向特定区域部署的临近空间通信网络需要兼顾考虑资源分配、覆盖率及载荷功率等多个因素。考虑到现有方法只采用单目标优化,以及非支配排序遗传算法（NSGA2）在求解实际问题时的缺陷等问题,提出一种基于改进NSGA2的临近空间通信网络多目标优化设计方法。分析下行链路性能,结合目标区域的需求分布,以最大化匹配度和覆盖率及最小化功耗代价为目标建立多目标优化模型。将动态反向学习机制和差分局部变异算子引入NSGA2,测试证明改进的NSGA2在解收敛性和分布性上表现更好。仿真验证了设计方法的有效性,为网络的实际部署提供了参考。     

多目标模糊机会约束规划的低碳多式联运路径优化

针对时间窗与需求量不确定性下的多式联运路径优化问题,运用梯形模糊数表示模糊需求量与模糊时间窗,并考虑碳排放成本、运输成本以及客户满意度,建立了多目标模糊机会约束模型。固定的交叉、变异概率会直接影响算法的收敛性,针对此问题,将自适应性与非支配排序遗传算法Ⅱ（NSGA-Ⅱ）结合,并通过与DOCPLEX和NSGA-Ⅱ的对比验证了所提模型与算法的有效性。最后,探究了碳税值与模糊需求量偏好值的变化对优化结果的影响。研究结果表明：碳税值的提出可有效促进“公转铁、公转水”,从而显著减少碳排放量,然而过高的碳税值并不一定意味着碳排放量的减少,还会对企业造成过高的成本;模糊需求量偏好值的提高会造成总成本的增加,意味着运输经济性与可靠性两者不可兼得。因此,合理设置碳税值与模糊需求量偏好值是提高多式联运环保效益与运输效益的有效方式。     

自治飞艇直接自适应模糊路径跟踪控制

针对具有模型不确定和未知外部干扰的自治飞艇, 提出了直接自适应模糊路径跟踪控制方法. 该方法由路径跟踪控制和自适应模糊控制两部分组成. 首先基于飞艇的平面运动模型设计路径跟踪控制律, 包括制导律计算、偏航角跟踪和速度控制3 部分; 然后构造直接自适应模糊控制器逼近路径跟踪控制律中的不确定项. 稳定性分析证明所设计的控制律能使飞艇跟踪给定的期望路径, 跟踪误差收敛到原点的小邻域内. 仿真结果验证了所提出方法的有效性.

     

含模型不确定性移动机器人路径跟踪的分层模糊控制

对受非完整约束且含模型不确定性的移动机器人基于分层模糊系统设计了跟踪期望几何路径的鲁棒间接自适应控制方案.此方法除实现路径跟踪外,还可避免控制器的奇异性并保证跟踪方向.由于控制结构中使用了分层模糊系统,大大减少了模糊规则数目;并用鲁棒控制项对模糊系统逼近误差进行补偿,减少了其对跟踪精度的影响.证明了闭环系统跟踪误差收敛到原点的小邻域内,且可通过适当增大鲁棒控制项的设计参数使跟踪误差进一步减小.最后用实验结果验证了方法的有效性.     

基于个体邻域的改进NSGA-Ⅱ算法

带有精英策略的非支配排序遗传算法（NSGA-II）是在NSGA的基础之上，提出拥挤度和拥挤度比较算子，代替了需要指定共享半径的适应度共享策略，是解决多目标优化问题的经典算法之一。但是NSGA-II算法在保持种群多样性时采取的拥挤距离排挤机制有着pareto前沿分布不均匀的缺陷，因此，提出一种基于个体邻域的改进NSGA-II算法SN-NSGA2。SN-NSGA2将密度聚类算法DBSCAN中邻域的思想应用到排挤机制中去，提出一种个体邻域的构建方法，采用相应的淘汰策略去除个体邻域中的其他邻居个体。实验结果表明相对于NSGA-II算法来说，新算法求出的pareto解集有着更好的分布性以及良好的收敛性。