基于智能优化算法的原油移动路径规划研究

本文研究了沿海型炼厂原油移动路径规划问题,根据实际化工罐区建立了图结构数学模型,基于多目标优化算法对模型求解,引入Deb准则处理复杂约束条件,得到了较为理想的原油移动路径规划方案。结果表明,在给出多个需同时移动的子任务的情况下,优化得到的路径规划方案均为可行方案,并能够根据实际生产需求选择相应功率的泵机,达到最小化功耗的需求。由此可见,本文设计算法能够有效解决沿海型炼厂原油移动路径规划问题。     

一个用于多目标优化的进化规划算法

进化计算的群体搜索机制为多目标优化问题的直接求解提供了途径。本文将多目标遗传算法中的一些技术用于进化规划,提出一个多目标进化规划算法,并给出计算实例。     

一个用于多目标优化的进化规划算法

进化计算的群体搜索机制为多目标优化问题的直接求解提供了途径.本文将多目标遗传算法中的一些技术用于进化规划,提出一个多目标进化规划算法,并给出计算实例.     

基于物理规划的航空保障多目标优化模型

根据作战需求确定优化权衡目标,以使用保障需求和技术可行性为约束条件,以保障能力指标集合,以备件储备量的组合为决策变量,建立多个单目标优化模型和多目标优化模型,提出了基于物理规划的航空保障能力多目标优化方法,结合粒子群算法得到了满足设计者偏好的最佳航材备件方案.设计了航空保障能力系数的满意等级,构造了各优化目标的偏好函数和综合偏好函数,使整个设计过程更加灵活地反映决策者偏好,减轻大规模多目标设计问题的计算负担,使军用机群的保障能力更适合实际作战要求,同时通过对比单目标优化的结果,验证了算法的有效性.     

多目标优化问题的连续域蚁群算法仿真研究

本文研究了一种用于求解带有多个约束条件(multi-objective optimization problem,MOP)的连续域蚁群算法。该算法定义了连续域中信息量的留存方式和蚂蚁的行走策略,并将信息素交流和基于全局最优经验指导两种寻优方式相结合,将当前发现的所有的非支配解保存起来,进而用这些解来指导蚂蚁朝着散布较为稀疏的区域寻优,以保证解的分布性能,并提高了蚁群算法的收敛速度,同时维持了群体的多样性。     

多目标优化问题的粒子群算法仿真研究*

研究了一种用于求解多目标优化问题的粒子群算法(CMMOPSO)。该算法采用外部存档存储每一代产生的非劣解, 并且采用拥挤距离来维持外部存档规模, 同时提出一种新的全局最优粒子的选取策略(基于拥挤距离和收敛性距离)来提升粒子向Pareto前沿飞行的概率;为提升种群跳出局部最优解的能力, 以一定的概率对外部存档中粒子进行变异操作。通过典型的多目标测试函数对提出的算法进行检测, 结果表明,CMMOPSO算法在求解多目标问题上有一定的优势。因此, CMMOPSO可以作为求解多目标优化问题的有效算法。     

卫星星座优化与仿真平台设计与实现

卫星星座的优化设计问题是航天领域的一个研究重点,介绍自主研发的卫星星座优化与仿真平台的系统构架和主要功能.该平台主要包括4个子系统,能够实现卫星星座的信息管理、计算、优化、覆盖分析和可视化仿真等功能.本平台的特色在于使用多种演化算法和多目标优化算法对卫星星座的配置方案进行优化,得到最佳方案,如可以提供灾难应急时卫星机动变轨的最佳方案和仿真过程,从而辅助相关部门及时制定应急措施.并通过与有关文献中的对比计算,证明此系统的正确性和有效性.     

基于果蝇优化算法的多工位装配序列规划

为同时解决产品装配序列规划和多工位分配问题,提出一种面向复杂产品的基于果蝇优化算法的多工位装配序列规划方法。首先,基于果蝇优化算法设计了针对求解序列的编码体系;其次,采用多子种群并行搜索模式,重新设计了果蝇优化算法的搜索过程;然后,为了综合考虑多工位上相关装配操作成本的影响,提出了新的适应度函数表达式,并将适应度函数与优先序列矩阵结合起来对进化过程进行引导,实现了对产品装配序列和工位分配顺序的优化;最后,以飞机起落架为例,验证了所提方法在解决多目标优化问题方面的有效性。     

求解非线性方程组的智能优化算法综述

非线性方程组的求解是优化领域的一个重要研究课题.近年来,利用智能优化算法求解非线性方程组已成为一个重要方向.首先介绍非线性方程组的定义;其次,根据智能优化算法求解非线性方程组问题的基本框架,从转化方法和智能优化算法两方面入手,对求解非线性方程组的算法的研究进展进行归纳总结;再次,对非线性方程组的测试函数及评价指标进行描述,对比了5个具有代表性算法的性能,分析了目前利用智能优化算法求解非线性方程组亟待解决的问题;最后,指出值得进一步研究的方向.     

机动通信力量派遣问题建模与优化

机动通信力量派遣问题的建模与优化,是实现机动通信力量运用科学决策的有效手段。考虑战地通信力量损伤,建立最佳派遣方案,按照多目标规划的原理和方法,给出了派遣问题建模的基本假设,系统分析了影响派遣的作战需求、实力编制等因素,提出了机动通信的保障效能和成本损失目标函数,构建了系统的机动通信力量派遣模型。在模型优化的过程中,引入了宽容完全分层序列算法,并结合算例演示了建模和优化的一般过程,仿真结果表明对于机动通信力量运用具有一定的辅助决策价值。     

基于多场景建模的动态鲁棒多目标进化优化算法

为了解决实际生产中的动态多目标优化问题,提出一种基于多场景建模的动态鲁棒多目标进化优化算法.首先,所提出算法将不同环境下的问题视为不同场景,并通过相似度计算和场景聚类建立多个场景;然后,利用改进的多场景多目标进化优化算法求解各场景的折中解,当环境发生变化时,根据新问题所属的场景类,直接应用该场景类的折中解作为新问题的最优解,从而加快算法的响应速度;最后,通过对场景类中问题的约减,保留最具代表性的问题,逐步提高算法的鲁棒性,并降低解的切换成本.实验结果表明,所提出算法能够快速响应环境变化,并提高解的鲁棒性.     

基于改进蚁群算法的催化裂化分馏塔在线多目标优化

为了对催化裂化分馏塔多目标问题在线智能优化,本文选择可以在线催化裂化分馏塔多目标的优化模型,同时提出一种新的改进蚁群算法,作为智能优化手段.对分馏塔的优化过程作单位化和数字位的处理,通过研究优化过程中参数的取值对优化的影响,确定一组合适的参数组合,去优化分馏塔.实验数据表明:优化结果较好并大大缩短了优化时间,为在线优化分馏塔提供行之有效的方法.     

三维装载与CVRP 联合多目标优化问题的模型及算法

提出三维装载与CVRP联合多目标优化问题(3LCVRPMO)模型,该模型在三维装载约束下的CVRP问题(3LCVRP)的基础上,考虑了配送车辆数目及路径总距离两个目标函数.在权衡装箱和路径优化两个优化过程的基础上,构建了多阶段/两层混合算法架构(MSOTLH)及其算法,并对路径优化偏好的3LCVRPMO问题进行求解.基于3LCVRP问题相关算例的数据实验结果表明,所提出的3LCVRPMO模型及MSOTLH算法是有效的.     

基于多区域多目标优化算法的广播流媒体直播仿真

针对当前广播流媒体直播的时效性问题和多目标优化问题,结合多区域多目标优化算法和顺序分发算法,分析了不同算法对于直播的效果.结果 表明两种不同的算法在同一时间段内随着直播任务的个数增加,基于多区域多目标优化算法的下降幅度较小;在同一时间段内,随着直播任务的增加,两种不同算法的等待时间都有所增加.基于多区域多目标优化算法的...     

基于多目标蝗虫优化算法的移动机器人路径规划

在静态多障碍物环境下的移动机器人路径规划问题中，粒子群算法存在容易产生早熟收敛和局部寻优能力较差等缺点，导致机器人路径规划精度低。为此，提出一种多目标蝗虫优化算法（MOGOA）来解决这一问题。根据移动机器人路径规划要求将路径长度、平滑度和安全性作为路径优化的目标，建立相应的多目标优化问题的数学模型。在种群的搜索过程中，引入曲线自适应策略以提高算法收敛速度，并使用Pareto最优准则来解决三个目标之间的共存问题。实验结果表明：所提出的算法在解决上述问题中寻找到的路径更短，表现出更好的收敛性。该算法与多目标粒子群（MOPSO）算法相比路径长度减少了约2.01%，搜索到最小路径的迭代次数减少了约19.34%。     

高维多目标优化算法分析研究

目前,大部分多目标进化算法MOEA(Multi-Objective Evolutionary Algorithms)是针对2到3个目标问题而设计,并且已经取得良好的优化效果,而对于目标个数大于或远大于3个的高维多目标问题,用MOEA逼近Pareto前沿和保持较低的计算复杂度都十分困难。通过讨论分析目标个数对高维优化算法带来的困扰,总结针对这些困扰引入的一些算法和策略。介绍了已有的高维多目标算法对占优机制进行的改善,并着重对现存的高维多目标减少算法做了系统的分类综述,对比分析验证了各类算法的优化效果,并给出进一步可研究的方向。     

永磁同步电机优化控制系统建模与仿真

为了降低永磁同步电机本身的非线性及参数的不确定性对整个伺服控制系统的干扰,优化永磁同步电机控制系统.实现综合在线预测转速、反馈输出转速和参考转速求取下一时刻最优的控制电流增量,通过实时监控转速变化消除系统的不确定扰动.用电机的AR模型为内部模型,对传统模型中的系数进行优化,并且只选择未来某一时刻的预测值来计算最优控制律,简化了计算过程从而克服了传统模型算法控制需要选择较长的采样周期才能计算出合适的控制量,能很好地满足动态较快的电动机实时性要求.对系统的稳定性和鲁棒性进行了仿真和实验分析,表明在模型失配时系统稳定,并且增强了鲁棒性.     

多目标优化的粒子群算法研究

本文介绍了粒子群优化算法PSO中的多目标优化的粒子群算法及其应用,并将其运用在防守对方多个前锋球员的进攻威胁,以粒子群算法随机性来适应不断变化的形势。