基于NSGA-Ⅲ算法的多目标集成工艺规划与调度问题研究

为了减少工业制造中的碳排放,设计以生产过程碳排放最小、最大完工时间最小和总拖期最小为目标的多目标集成工艺规划与调度问题,建立相应目标的优化模型。针对建立的优化模型,提出一种改进的NSGA-Ⅲ算法,使用三段式编码方式解决工艺规划的柔性特征;使用变邻域搜索方法增强算法的局部搜索能力;引入Pareto解集更新策略,保存种群更新过程中的非支配解。在工艺规划阶段,以完工时间、碳排放最小为优化目标,为每个工件生成工艺路线非支配解集,并从中随机挑选非支配解输入到调度阶段;在调度阶段,对优化目标的模型进行优化,生成调度非支配解。使用测试实例对提出方法进行验证,并与现有算法对比,实验结果验证了本文算法找到的非支配解更接近真实的Pareto前沿。     

基于NSGA-Ⅱ的多目标航班登机口调度研究

民航客运量的增加加剧了各机场的候机紧张程度,增加登机口对中转旅客的航班衔接具有重要的影响。本文针对登机口候机紧张和中转旅客航班衔接的问题,对多目标航班登机口调度问题进行研究,建立多目标航班登机口调度问题的数学模型,设计最小化登机口总使用量、最小化旅客最大总步行时间的目标函数。针对建立的多目标问题模型,提出基于NSGA-Ⅱ的求解方法,以快速非支配排序及拥挤距离为适应度评价方法,根据航班登机口调度问题与柔性作业车间调度问题的共性特点进行类比,提出一种问题假设与数据处理方法,将所有航班处理为各个工件的工序,采用工序排序和加工机器分配两部分结合的编码方法,最后以某机场当日51个航班15个登机口调度问题为例,验证了模型及提出的算法。结果表明,登机口的总使用量和旅客最大总步行时间的目标函数并非线性关系,采用单目标优化算法求解,无法兼顾两个目标,使用本文提出的NSGA-Ⅱ算法求解,可以最终确定一组Pareto解集,该解集中的每个解都能得到兼顾。     

改进NSGA-Ⅱ算法在水质监测点多目标优化研究中的应用

为了改善NSGA-Ⅱ算法在水质监测点多目标优化选址的应用效果,在NSGA-Ⅱ算法的基础上引入外部存档储存非支配解和对父体染色体的选择方式进行改进. 在案例管网中应用NSGA-Ⅱ算法和改进的NSGA-Ⅱ算法对水质监测点多目标选址模型进行求解. 结果显示：在获得完整的非支配最优解的情况下,使用改进的NSGA-Ⅱ算法,相比于使用NSGA-Ⅱ算法节省了约42%的运算时间,提高了求解的效率.     

基于博弈人工蜂群算法的多目标车间调度研究

针对作业车间调度问题,以最大完工时间最小、机器的总空闲时间最小以及任务总延迟时间最小为目标,提出了博弈人工蜂群算法来求解多目标作业车间调度模型。为优化种群质量,应用改进的人工蜂群算法,通过设计交叉、变异以及局部搜索机制对种群进行不断优化;然后,通过博弈理论,使3个优化目标之间的博弈策略组成最优组合,从而获得子博弈精炼纳什均衡,求得问题的最优解;最后,进行了基准算例的仿真实验,并与其他算法进行比较,结果验证了所提算法的有效性。     

考虑工人负荷的多目标流水车间优化调度

针对流水车间工人负荷不平衡的现象,构建了工件总延误时间和工人作业分配标准差最小化的双目标优化调度模型。设计了基于两段式染色体编码的NSGA-Ⅱ算法,获得了模型的Pareto最优解集。引入两种嵌入启发式规则:交货期最接近(EDD)规则和加工时间最短(SPT)规则,形成了NSGA-Ⅱ-EDD和NSGA-Ⅱ-SPT两种对比情境。算例分析表明:NSGA-Ⅱ算法的Pareto解的平均个数N、Pareto前沿解误差比ER、Pareto前沿解空间评价指标S、Pareto前沿跨度K比NSGA-Ⅱ-EDD和NSGA-Ⅱ-SPT的性能好,在算法运算时间T上性能较差。     

柔性作业车间调度的分布式粒子群优化算法

针对柔性作业车间调度问题的特性,提出了一种分布式粒子群优化算法以求解柔性作业车间调度问题,该算法以最小化最大完工时间为目标,为解决传统粒子群算法在遇到突发事件时不能实时进行响应做出合理决策的问题,在算法中设计了两个多Agent粒子群优化模型。最后,使用经典算例对算法进行了验证,实验表明多Agent粒子群优化模型具有合理性,该算法能够有效解决柔性作业车间调度问题。     

基于多目标蜂群进化优化的微电网能量调度方法

针对微电网能源调度优化问题,提出了使微电网系统运行的经济和环保的双重优化模型,根据调度系统的评估结果对调度方案进行优化.为求解该模型,提出了基于指标化拥堵距离的多目标蜂群算法(ICABC),通过建立外部档案(EA)来保存搜索过程中的非支配解;同时,为了保持解集的多样性,改进了NSGA-Ⅱ的拥堵距离策略,基于指标计算拥堵距离能够避免删除密集区域的精英个体,有效地改善了Pareto前沿的分布特性.为验证所提算法的性能,将ICABC与经典的NSGA-Ⅱ、MOCLPSO算法在ZDT测试集上进行了性能比较与分析.在验证实验中,将所提的模型和ICABC算法应用于解决含有多种分布式电源的微电网能量动态调度中.仿真结果表明,通过合理安排微电源的出力,所提的方法能够有效降低系统总成本.     

基于多目标差分进化算法的机加工柔性作业车间调度

柔性作业车间的多品种、多件数导致调度难度大、耗费时间较长和成本较高,为此,以最大完工时间、能耗和刀具损耗数量为优化目标,考虑返工、次序的准备时间和批量调度约束,建立了多目标机加工柔性作业车间调度模型.提出一种引入综合考虑能耗和加工时间的轮盘赌初始化策略.针对传统差分进化算法交叉得到的子代机器部分质量较差,提出一种机器选择的策略,以此对差分进化算法进行了改进.将改进后的差分进化算法应用于机加工柔性作业车间调度,并与传统差分进化算法在机加工柔性作业车间调度进行多组实验对比.结果表明：改进差分进化在机加工柔性作业车间调度较传统差分进化算法具有收敛速度较快、鲁棒性较好的优点,优化后各机器负载更为均衡,可有效解决多目标机加工柔性作业车间调度问题,为多品种、多件数类排产任务提供了一种良好的指导方案.     

基于改进NSGA-Ⅱ算法的军事应急物流路径优化

在考虑实际复杂道路条件的情况下,对军事应急物流路径建立了多目标优化问题的数学模型,选用NSGA-Ⅱ作为求解多目标优化问题的算法基础,对NSGA-Ⅱ中的快速非支配排序环节进行改进,然后选择Matlab作为软件工具进行代码编写。2种算法仿真结果的比较分析结果表明:所建军事应急物流路径优化问题的数学模型具有现实可行性,改进的NSGA-Ⅱ算法在克服早熟现象,提高算法效率、算法稳定性和种群多样性方面是有效的。     

基于改进NSGA-Ⅱ的冷链物流多目标车辆路径优化

在考虑冷链物流配送时效性、易腐性等严苛条件的前提下,构建以客户满意度最大、配送总成本最小的多目标车辆路径优化模型,运用改进的非支配排序遗传算法(Improved Nondominated sorting genetic algorithmⅡ,I-NSGA-Ⅱ)对模型进行求解,获取冷链物流配送方案。在NSGA-Ⅱ算法中引入C-W节约算法构造问题初始解,通过改进变异算子、改进拥堵距离计算方法改进算法。结果表明：改进算法克服了传统NSGA-Ⅱ算法全局搜索能力差、收敛速度慢的缺点,得到了更优的Pareto解集,验证了改进算法的有效性。     

基于NSGA-Ⅱ算法的轨道转移优化方法研究

在普适变量法求解Lambert转移问题基础上,提出基于NSGA-Ⅱ（non-dominated sorting genetic algorithm-Ⅱ）算法的轨道转移时间-能量优化问题解决方法：通过修改非优超排序方法和采用空间扩张策略对NSGA-Ⅱ算法进行了改进,运用约束支配的概念解决了约束条件下Pareto最优集分层困难的问题。仿真实验表明：改进的NSGA-Ⅱ算法能有效求解轨道转移时间-能量优化问题,且比原算法提高了Pareto前沿散布性能。     

免疫非支配自适应粒子群多目标优化

为了更加有效地利用粒子群优化技术来解决多目标优化问题,提出了非支配粒子群的概念,并根据当前代的非支配解的数量自适应地构建粒子惯性权,动态调节粒子进化过程．同时,利用人工免疫系统中的克隆选择机制来对非支配粒子进行增殖扩散,保持粒子种群的多样性．通过系统的实验验证,与当前多目标优化领域最有代表性的NSGA-Ⅱ, PESA-Ⅱ和SPEAⅡ相比,表明该算法在收敛性和多样性方面均取得了一定的优势,且时间复杂度明显较低．     

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。     

基于改进参考点的快速非支配排序遗传算法研究

快速非支配排序遗传算法(NSGA-Ⅱ)是解决多目标优化问题的经典算法,然而在解决高维多目标问题时,算法的优化效果不佳。本文改进了参考点策略中参考点的生成方式,并将改进后的参考点策略与NSGA-Ⅱ相结合,使其在优化高维多目标问题时的求解性能有了较大的提高。利用DTLZ标准测试函数对4种算法进行了对比,结果表明,改进后的算法在有效解决高维多目标问题的同时,保证了良好的分布性能。     

基于NSGA-Ⅱ与BIM5D的工期-成本优化

为达到工程项目效益最大化,实现工期与成本的综合优化目标,提出一种改进NSGA-Ⅱ算法与BIM5D结合的寻优方法,对工期-成本优化问题进行求解。考虑投产效益对成本的影响,完善了工期-成本多目标优化模型。为解决NSGA-Ⅱ算法寻优过程中搜索空间小,准确度低的问题,在引进动态交叉、变异概率基础上,设计求解该模型的改进NSGA-Ⅱ算法。并将算法与BIM5D平台对接,进行施工工序及资金、资源曲线模拟,提高单一算法寻优实践性。案例分析表明,改进NSGA-Ⅱ算法与BIM5D结合求解工期-成本优化问题可有效优化进度和成本目标。     

基于改进SVM响应面法与NSAG-Ⅱ的多功能救援属具抱抓机构优化设计

为提高救援速度,研制一种集钳碎、剪切及抱抓为一体的新型多功能救援属具,节省救援作业中切换不同属具的时间,提出了改进的径向基核函数与梯度算法优化的加权最小二乘支持向量机(weighted least squares support vector machine,WLS-SVM)响应面法建立抱抓机构高精度的近似模型.在近似模型的基础上以抱抓机构最大等效应力、最大变形量和质量为性能指标,引入非支配排序遗传算法(non-dominated sorting genetic algorithm,NSGA-Ⅱ)进行多目标优化设计.为提高NSGA-Ⅱ算法的种群多样性和搜索能力,对精英策略、交叉算子和变异算子进行改进,应用NSGA-Ⅱ算法与改进算法对抱抓机构的优化问题进行求解.最后,通过径向坐标可视化(radial coordinate visualization,Rad Viz)将高维空间的Pareto解集可视化至二维平面并选出最满意方案进行比较.实验对比表明:改进算法的Pareto解集分布更加均匀、最满意方案的目标值更小,能在保证属具抱抓机构可靠性的情况下,有效地进行轻量化设计.     

基于改进NSGA-Ⅱ算法的消防车辆调度优化

传统多目标优化算法用于消防车调度时存在冲突解及精度较低的限制,为此提出一种改进的NSGA-Ⅱ算法。为解决消防车调度中染色体基因重复出现的问题,对基因进行分组并分配权重,提高种群的适应能力;为使种群朝指定方向收敛,设置目标函数的优先级,从而提高算法的精确度。将改进的NSGA-Ⅱ算法与原算法进行比较分析,并对优化结果进行三维可视化。实验结果表明,改进的NSGA-Ⅱ算法能够得到更加准确的Pareto解集。     

进港飞机调度多目标优化问题的改进NSGA-II算法

基于多目标优化问题的Pareto最优解概念,提出了一种求解非劣解集的改进非支配排序遗传算法(NSGA-II),用于解决多条跑道情况下进港航班调度问题,要求航班总延误时间平方和及总延误成本两个目标最少。重点讨论了算法实现中的基于最近邻思想的启发式交叉算子和改进的变异算子,以及对非劣解集的筛选操作。最后进行了仿真实验,对优化结果进行了分析比较。研究结果表明改进NSGA-II算法对多跑道进港飞机调度多目标优化问题具有较好的应用前景。     

基于改进NSGA-Ⅱ算法的氯乙烯精馏过程多目标优化

针对氯乙烯精馏过程中氯乙烯产品纯度低、能耗高的现状,研究了一种新的改进型非支配排序遗传 算法(ImprovedNon-dominatedSortingGeneticAlgorithm,NSGA-Ⅱ),用于解决氯乙烯精馏过程多目标优化问题。 首先建立了氯乙烯精馏的模拟流程,然后通过对高低沸塔中进料位置、回流比等主要影响因素进行灵敏度分析,在 考虑其机理模型及实际生产状况等多种约束条件的基础上,建立了以氯乙烯纯度和能耗为目标的多目标优化函数, 最后利用改进NSGA-Ⅱ对目标函数进行求解。实验结果表明,相比于NSGA-Ⅱ,该改进算法能得到分布更为均匀 的Pareto最优解集,为氯乙烯精馏过程中参数的选择提供了有力支撑。     

零等待flow shop多目标调度的混合差分进化算法

针对具有零等待约束的flow shop问题,以总流程时间和最大完工时间为多目标,提出一种结合多目标变邻域搜索的混合差分进化算法(multi-objective differential evolution hybridized with variable neighborhood search,M DEVNS)进行求解。提出一种基于改进Naw az-Enscore-Ham(NEH)规则的多样化种群初始化方法;设计了差分进化的变异、试验、目标个体更新操作;为提高多目标搜索能力,在算法的进化中混合了一种多目标变邻域搜索方法。通过Taillard标准测试算例的计算试验,证明了MDEVNS算法获得的Pareto前沿解在多样性和性能方面要优于多目标模拟退火算法和非支配排序遗传算法,验证了MDEVNS算法求解多目标零等待流水车间调度问题的有效性。