基于遗传算法的振动主动控制优化方法研究

对多岛遗传算法和非支配排序遗传算法进行了研究;以结构振动系统的结构振动能量指标和系统控制能量指标作为多目标优化函数,建立了振动主动控制系统的传感器和作动器位置、数量、长度及控制增益的多目标优化配置数学模型,首次采用非支配排序遗传算法作为优化策略进行多目标优化,同时,以多岛遗传算法作为优化策略,以系统存留能量指标作为单目标优化函数,并以悬臂梁作为算例进行了对比仿真,验证了二者的一致性。     

基于改进NSGA-Ⅱ算法的开关磁阻电机再生制动优化控制方法

针对采用传统优化算法优化开关磁阻电机再生制动控制参数存在制动能量回馈效率低及制动转矩脉动系数大的问题,提出一种基于渐近约束支配法则的双目标非支配排序遗传算法。首先针对传统双目标非支配排序遗传算法优化开关磁阻电机再生制动控制参数时存在易陷入局部最优解等不足,提出一种渐近约束支配法则,再将基于渐近约束支配法则的双目标非支配排序遗传算法应用于开关磁阻电机再生制动控制参数的优化,并对其效果进行了仿真验证,同时与传统双目标非支配排序遗传算法进行了对比分析,结果表明:基于渐近约束支配法则的双目标非支配排序遗传算法不仅有效解决了易陷入局部最优解的问题,而且显著提高了开关磁阻电机再生制动效率并降低了其转矩脉动系数,取得了满意的优化效果。     

一种基于多亲遗传机制的多目标优化算法

给出了进化个体之间的关系和非支配集中不同个体之间的相关性质,参考快速排序的思想,提出了一种有效的构造非支配集的算法.在此基础上,将多亲遗传算法与改进的快速排序构造非支配集的算法相结合,提出了一种基于多亲遗传机制的多目标优化算法.最后对提出算法进行了分析,采用了测试函数进行了仿真实验,获得了理想的实验结果.     

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。     

补偿模型误差的采油过程多目标优化

通过对采油过程的分析,本文建立了以最大化区块产油量和最小化单位产油量综合能耗为目标的优化模型.针对单位产油量综合能耗模型的输出与实际值存在较大误差,利用高斯混合模型(GMM)对单位产油量综合能耗混合模型误差特性进行描述,实现对模型的误差补偿,并将误差补偿后的单位产油量综合能耗引入到已建的优化模型中,使得优化结果更接近实际最优值.在此基础上,采用带精英策略的快速非支配排序遗传算法(NSGA-Ⅱ)用于所建的多目标优化模型求解.最后,以某采油作业区一区块生产过程为例进行仿真验证,结果表明了所建模型和优化算法的有效性.     

柔性作业车间调度问题的多目标优化算法

柔性作业车间调度问题具有解集多样化与解空间复杂的特点,传统多目标优化算法求解时容易陷入局部最优且丢失解的多样性。在建立以最大完工时间、最大能耗、机器总负荷为优化目标的柔性作业车间调度模型的情况下,提出一种改进的非支配排序遗传算法（Improved Non-dominated Sorting Genetic Algorithm II, INSGA-II）求解该模型。INSGA-II算法先将随机式初始化与启发式初始化方法混合,提高种群多样性;然后对工序部分与机器部分采用针对性的交叉、变异策略,提高算法全局搜索能力;最后设计自适应的交叉、变异算子以兼顾算法的全局收敛与局部寻优能力。在mk01～mk07标准数据集上的实验结果显示INSGA-II算法有着更优的算法收敛性与解集多样性。     

出租车合乘多目标优化方法研究

出租车合乘是缓解我国日益严峻的交通拥堵问题的重要手段。为高效解决出租车合乘问题，综合考虑出租车车辆总数、乘客等待时长、车辆运输总里程数三个指标，建立了优化这三个指标的数学模型。在此基础上，基于NSGA-II算法设计和实现了解决该优化问题的多目标遗传算法。最后，在某城市某日某时刻3 min之内的打车需求数据上对模型和算法进行了实验验证。实验结果表明，该模型与算法能带来较高的合乘发生率和较满意的合乘利润率，具有较好的合乘效益。     

基于多目标遗传算法的柴电混合动力船舶功率分配优化

船舶在传统的柴油机推进模式时,低负荷下船用主机性能不佳,燃油消耗率高,燃烧质量差,在提高经济指标和减少排放指标方面遇到瓶颈.柴-电动混合动力推进形式能够通过合理的分配,有效降低燃料消耗和排放.针对混合动力船舶的动力结构,构建关于油耗和污染物排放的多目标优化模型.采用多目标遗传算法(NSGA-Ⅱ)优化功率在主机和发电机间...     

一种基于区域局部搜索的NSGA II算法

针对局部搜索类非支配排序遗传算法 (Nondominated sorting genetic algorithms, NSGA II)计算量大的问题, 提出一种基于区域局部搜索的NSGA II算法(NSGA II based on regional local search, NSGA II-RLS). 首先对当前所有种群进行非支配排序, 根据排序结果获得交界点和稀疏点, 将其定义为交界区域和稀疏区域中心; 其次, 围绕交界点和稀疏点进行局部搜索. 在局部搜索过程中, 同时采用极限优化策略和随机搜索策略以提高解的质量和收敛速度, 并设计自适应参数动态调节局部搜索范围. 通过ZDT和DTLZ系列基准函数对NSGA II-RLS算法进行验证, 并将结果与其他局部搜索类算法进行对比, 实验结果表明NSGA II-RLS算法在较短时间内收敛速度和解的质量方面均优于所对比算法.     

基于人群搜索算法的PID控制器参数优化

关于PID控制器在工业控制领域应用优化问题,PID参数优化成为工业自动化研究的热点.PID参数优化对于系统的稳定性、可靠性和快速响应等特性有着重要的意义.为了改善和优化PID控制器性能,提出一种人群搜索算法(SOA),以PID三个参量为搜寻队伍,以误差绝对值和控制输入平方项的时间积分作为优化目标,经过迭代寻优计算得到系统最优控制量.通过对比遗传算法和粒子群算法PID参数优化,仿真结果表明,改进算法提高了系统的控制精度,系统响应速度快,鲁棒性好,为控制系统PID参数整定提供了参考.     

基于分解的多目标花朵授粉算法

在过去几十年里，许多多目标进化算法被广泛应用于解决多目标优化问题，其中一种比较流行的多目标进化算法是基于分解的多目标进化算法(MOEA/D)。花朵授粉算法是一种启发式优化算法，但迄今为止，花朵授粉算法在基于分解的多目标进化算法领域的研究还非常少。本文在基于分解的多目标进化算法的框架下，将花朵授粉算法拓展至多目标优化领域，提出一种基于分解的多目标花朵授粉算法(MOFPA/D)。此外，为了保证非支配解的多样性，本文提出一种基于网格的目标空间分割法，该方法从找到的Pareto最优解集中筛选出一定数量且分布均匀的Pareto最优解。实验结果表明，基于分解的多目标花朵授粉算法在收敛性与多样性方面均优于基于分解的多目标进化算法。     

基于改进遗传算法的支持向量机参数优化方法

针对支持向量机算法在回归预测时由于参数选取不当导致过学习或欠学习的情况,提出一种基于改进遗传算法的支持向量机参数优化模型。该模型将遗传算法与支持向量机结合,利用遗传算法进化搜索的原理对支持向量机具有重要意义的惩罚参数、核参数和损失函数同时优化。实验选取3组标准数据集作为测试数据集,并将改进算法同时与遗传算法、网格寻址算法、粒子群算法进行仿真测试结果对比。实验结果表明改进的算法较大地提高了支持向量机算法整体的寻优能力。     

基于免疫的多目标优化遗传算法*

提出一种基于免疫的多目标优化遗传算法.该算法模仿生物免疫系统过程,使用克隆选择算子和高斯变异算子提高了搜索效率和收敛性;创建了一个记忆细胞集来保存每代所产生的Pareto最优解,以便产生Pareto最优解集;提出一种有别于传统聚类算法的邻近排挤算法对记忆细胞集进行不断的更新及删除,保证了Pareto最优解集的分布均匀性.最后将该算法与SPEA算法分别进行了仿真,通过比较两者的收敛性和分布性,得到前者优于后者的结论.     

基于遗传算法的选煤工艺参数优化

对选煤生产过程优化目标进行了分析,采用以经济效益为目标,建立了优化工艺参数与优化目标间的关系模型,该模型是非线性的。选煤生产过程工艺参数优化就是指在市场需求、资源配置,生产能力等条件下,选择最合适的分选密度和分选灰分,获得最大经济效益。遗传算法利用生物进化机制,在一个较大的初始解空间中,通过优胜劣汰的方法进行优化求解,和其他优化方法相比不仅寻优能力强而且计算速度快。基于遗传算法对选煤生产过程工艺参数进行了优化操作,根据具体情况,采用特定的遗传操作。仿真结果表明,优化后的工艺参数能获得最大的经济效益。     

基于钩缓约束的重载列车驾驶过程优化

重载列车是一种由上百甚至几百节车厢组成的动力集中式大载重系统, 其牵引力/制动力需通过车钩相继传递给车厢, 存在明显的非线性和大滞后性. 现有的人工驾驶模式, 司机难以考虑车厢之间的钩缓约束, 易引起车钩断裂和脱轨; 且运行性能与司机的操纵经验密切相关, 存在耗电大, 无法按照列车运行图正点运行等问题. 本文针对此关键问题, 以实现重载列车安全、正点、节能运行为目标, 开展其驾驶过程运行优化研究. 分析列车钩缓系统受力原理, 基于其特性曲线, 采用翟方法构造重载列车钩缓模型及整车纵向动力学模型; 据此, 考虑钩缓约束运用多目标自适应遗传算法, 结合实际运行线路(限速、坡道、曲线率等)约束条件设定列车理想的运行速度目标曲线; 最后, 采用改进广义预测控制器设计重载列车驾驶过程优化控制方法, 跟踪理想速度目标曲线安全、正点、低能耗运行. 基于大秦线上HXD1型重载列车实际数据的仿真结果表明本文所设计的理想目标速度曲线优化方法可以较好地改善列车运行中的安全, 正点和节能等关键性指标, 运行优化控制能保证列车精确跟踪理想速度目标曲线, 实现其驾驶过程优化运行.     

基于混合并行遗传算法的多目标约束优化技术研究

多目标约束优化问题属于NP问题。并行遗传算法是解决该类问题的常用算法,它具有较强的全局搜索能力和并行性,但局部搜索能力差,禁忌搜索算法则比较适合于局部搜索。提出了一种基于混合并行遗传算法的多目标约束优化方法,该方法综合了并行遗传算法和禁忌搜索算法的优势,改进了并行遗传算法的性能,能有效避免局部最优解。     

基于多目标粒子群算法的起动过程仿真

在深入研究某型航空发动机起动过程的基础上,利用改进的多目标粒子群算法对其进行了仿真分析,结果验证了该多目标粒子群算法的快速性、收敛性和仿真的准确性,为改进、调整部附件参数提供了重要依据和先期理论验证,提高了发动机试车的安全性,降低了改装成本。     

基于仿真与遗传算法的液压控制系统优化研究

文章采用“模块化建模”方法,将每个子系统应用键合图-状态空间法建立起相应的数学模型,分别对其进行实验仿真计算分析,再根据它们之间的功率传递关系由程序将这些子系统衔接起来,建立了整个起升液压系统仿真模型,给出并分析了液压控制系统动态特性的仿真结果;通过采用实数编码、精英选择、白适应交叉和变异概率策略的遗传算法,将系统仿真模型与遗传优化算法有机结合起来,实现基于仿真模型的参数优化,并对优化计算进行可视化编程,实现优化过程的信息处理可视化;仿真结果表明,优化后系统的动态性能得到了较大的改善。