一体化中包计划模型与算法

描述了一体化中包计划问题,归纳了炼钢 连铸 热轧及下游工序的一体化工艺规程,建立了以优化中包数、工艺附加成本和各流向产能平衡为目标的多目标优化模型．基于策略和加权和方法处理多目标优化问题,针对模型设计了基于７种邻域结构和局部迭代搜索方法的改进型变邻域深度搜索算法和改进型简化变邻域搜索算法．通过实际数据仿真,将两种算法与启发式算法进行对比,同时对两种算法进行性能分析,其结果验证了所提出模型和算法的有效性．

     

基于跳跃辅助工作策略的混流装配线排产优化

为了使混流装配线高效运作, 研究了一类基于跳跃辅助工作策略的混流装配线排产优化问题. 以同时优化空闲费用和辅助工作费用为目标, 建立了一类基于跳跃辅助工作策略的混流装配线排产优化模型, 给出了执行跳跃辅助工作策略的一个必要条件和辅助工作费用的一个下界. 然后证明了该类优化问题是强NP难的, 由于该问题的强NP难性, 提出了一种嵌入式变邻域类电磁机制(Variable neighborhood search-electromagnetism-like mechanism, VNS-EM)混合算法求解该模型, 为了避免算法陷入局部最优, 在类电磁机制算法的每次迭代过程中嵌入改进的变邻域搜索算法, 利用变邻域搜索算法较好的局部搜索能力对最好个体的邻域进行精细搜索, 从而提高了解的质量. 仿真结果验证了该方法的可行性和有效性.     

变邻域遗传算法在车间物流调度中的应用

针对含有自动引导小车(Automated Guided Vehicle,AGV)的离散化车间物流调度问题,以最小化物流任务时间惩罚成本和最小化运载小车的总行驶距离为优化目标,构建离散化车间多目标物流调度优化模型,设计一种基于Pareto寻优的多目标混合变邻域搜索遗传算法(VNSGA-II).以遗传算法为基础,通过使用NSGA-II的Pareto分层和拥挤度计算方法评估种群优劣实现多目标优化,为了提高算法的寻优能力,避免算法陷入局部最优,通过添加保优记忆库对精英个体进行保护,并利用变邻域搜索算法在搜索过程中的局部寻优能力,针对本文模型特点,设计6个随机邻域结构,来达到算法求解最优值的目标.并提出了基于关键AGV小车的插入邻域和基于关键物流任务的交换邻域调整策略以进一步降低成本.最后,以某离散车间物流调度为实例,分别使用VNSGA-II、带精英策略的快速非支配排序遗传算法Ⅱ(Nondominated Sorting Genetic AlgorithmⅡ,NSGA-II)和强Pareto进化算法(Strong Pareto Evolutionary Algorithm 2,SPEA2)对问题进行求解,计算结果表明,VNSGA-II能得到更好的Pareto解集,验证了算法的有效性和可行性.     

多资源约束下的项目调度邻域搜索算法

为了解决项目调度过程中不同项目之间的资源冲突问题,提出了一种基于拓扑排序的邻域搜索算法．设计跳动和微动两个操作,实现编码的更新,保证解的多样性与收敛性．用项目调度问题库（Project Scheduling ProblemLibrary．PSPLIB）中不同规模的实例对算法进行检验,结果表明,这种邻域搜索算法能够找到较优的解．用这种邻域搜索算法计算其它算法的案例,结果也显示这种算法具有一定的优越性．对这种邻域搜索算法的不同参数进行实验,分析了参数设置对算法性能的影响．     

混合算法的邻域结构变更研究及在排样问题上的应用

本文研究了全局搜索算法和局部搜索算法的混合机制,设计了基于邻域搜索和遗传算法的混合搜索算法。该算法结合了遗传算法的全局搜索特性和邻域局部贪婪搜索特性;在分析排样问题碰靠过程特征的基础上,构建了排样问题邻域假设,当邻域假设满足时,遗传算法+邻域搜索能很好发挥作用;当不能判断邻域结构是否满足邻域假设时,提出了建立遗传算法+匹配变邻域的搜索算法,该算法兼顾了组合优化中邻域搜索的局部搜索无效的情况,实现了匹配的变邻域混合算法在排样优化问题中的应用。实例结果标明,排样图形不一样,其求解难度不一样,该算法均搜索到了更好的排样模式,验证了算法的有效性。     

多中心联合配送模式下集货需求随机的VRPSDP问题

针对多中心联合配送模式下集货需求随机的同时配集货车辆路径问题(MDVRPSDDSPJD), 构建了两阶段MDVRPSDDSPJD模型. 预优化阶段基于随机机会约束机制以及车载量约束为客户分配车辆, 生成预优化方案; 重优化阶段采用失败点重优化策略对服务失败点重新规划路径. 根据问题特征, 设计了自适应变邻域文化基因算法(Adaptive memetic algorithm and variable neighborhood search, AMAVNS), 针对文化基因算法易早熟、局部搜索能力弱等缺陷, 将变邻域搜索算法的深度搜索能力运用到文化基因算法的局部搜索策略中, 增强算法的局部搜索能力; 提出自适应邻域搜索次数策略和自适应劣解接受机制平衡种群进化所需的广度和深度. 通过多组算例验证了提出模型及算法的有效性. 研究成果不仅深化和拓展了VRP (Vehicle routing problem)相关理论研究, 也为物流企业制定车辆调度计划提供一种科学合理的方法.     

使用混合邻域搜索算法求解多目标柔性JSP问题

通过对实际车间调度问题及邻域搜索算法的研究,针对传统遗传算法存在着一些缺陷,对多目标柔性JSP(车间调度)问题提出了基于遗传算法,并结合多种邻域搜索算法形成的一种新的混合邻域搜索算法。该算法基于相似度和免疫机制来构造初始解的策略,在遗传算子中提出了一种自适应的变异交叉概率,并在选择算子中结合模拟退火算法策略和免疫机制。经过实验结果表明,该混合邻域搜索算法提高了算法搜索的效率,并很好地解决了JSP问题。     

面向柔性工艺的作业车间调度问题混合遗传算法

针对离散制造业的许多产品采用柔性工艺设计增加作业计划调度的复杂性这一问题,对传统的FJSP进行了工序顺序柔性的扩展,将问题抽象为柔性工艺的作业车间调度问题（flexible process Job-Shop scheduling problem,FPJSP）。以缩短生产周期为目标,建立了该问题的整数规划模型,并设计了混合遗传算法。该算法针对FPJSP的特点设计了改进的遗传算法染色体编码方式和遗传算子,并结合变邻域搜索算法,设计了适合求解该问题的四种不同的邻域结构进行动态邻域搜索,以提高遗传算法的邻域搜索性能。通过应用实例验证了所提出的混合遗传算法在求解FPJSP的求解效率和优化性能方面的有效性。     

求解异构并行机调度问题的混合多目标教-学优化算法

以异构并行机调度问题为研究对象,考虑了一类以优化总加权完工时间和加权延误总和的调度问题。首先,基于问题描述构建了该问题的混合整数规划模型。其次,提出了混合多目标教-学优化算法。在算法设计中,结合问题的特点设计序列编码方法,并采用分解技术来实现多目标调度问题的求解。此外,该算法通过融合多种交叉算子来定义个体进化过程,并通过与变邻域搜索算法的混合来提升其优化效果。最后,给出了仿真实验与分析,测试结果验证了多目标教-学优化算法求解该调度问题的优越性。     

混合算法在排样问题上的应用研究

结合全局搜索算法和局部搜索算法的互补特性,研究设计了串行和镶嵌两种混合模式,实现了基于邻域搜索和遗传算法的混合算法;在分析排样问题中图形碰靠的相关性特征的基础上,构建了排样问题的邻域假设和匹配邻域结构,基于混合算法获得了排样问题的优化解;实例结果标明,该算法在搜索到了更好的排样模式,验证了算法的有效性。     

飞机环控/发动机系统多目标优化分析

一种以系统熵产最小为目标函数的优化方法,应用到飞机环控/发动机系统的综合优化计算。由于在不同飞行阶段为使系统总的熵产减小对设计变量的要求不尽相同,甚至存在冲突,引入多目标优化的思想进行优化计算。将任务剖面内不同飞行阶段系统总的熵产最小视为不同的目标函数,通过分析系统之间交联关系、选取设计变量和分析约束条件建立多目标优化计算模型。采用自适应进化多目标粒子群优化算法对模型进行优化计算,得到非劣最优解集,为方案决策提供理论依据。仿真结果证实该方法的有效性,为飞机系统综合优化提供一种新思路。     

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.     

计及混合潮流约束的热-电互联综合能源系统 多目标优化调度

为满足多样化能源需求并提高能源网络的可靠性,研究多能源系统优化管理和混合潮流问题.针对多能源的网络约束及其耦合特性,构建整合分布式发电、热电联产、电力网络和区域供热网络的热-电互联综合能源系统模型.基于梯形模糊隶属函数构建模糊化软约束,量化电力网络节点电压和区域供热网络节点供给温度的技术不满意度.考虑系统的经济运行和网络节点的能源供给质量,提出一种计及混合潮流约束的热-电互联综合能源系统多目标优化调度策略,以最小化运行成本和网络节点状态变量的技术不满意度.采用epsilon约束算法精确求解该多目标优化问题的Pareto前沿.算例分析结果表明,所构建的模型和提出的算法可以有效提高系统能源供给质量和优化决策的准确性.研究成果进一步体现了所提出的多目标优化方案在兼顾经济性、能源供给质量以及复杂的运行约束,保证系统经济稳定运行等方面的效益.     

飞机环控/发动机系统多目标决策研究

提出一种两阶段多目标决策方法,应用于飞机环控/发动机系统的多目标决策分析。将起飞、加速爬升和高空超音速巡航阶段的总熵产最小视为不同目标函数以建立多目标优化模型,采用多目标优化算法得到非劣最优解集。在此基础上进行方案初选,利用改进综合权重的Vague集决策方法对备选方案进行模糊评价和优选,并找到最终解。计算结果验证了该方法的合理性。     

基于多目标飞蛾算法的电力系统无功优化研究

鉴于电力需求的日益增长与传统无功优化方法的桎梏,如何更加合理有效地解决电力系统的无功优化问题逐渐成为了研究的热点。提出一种多目标飞蛾扑火算法来解决电力系统多目标无功优化的问题,算法引入固定大小的外部储存机制、自适应的网格和筛选机制来有效存储和提升无功优化问题的帕累托最优解集,算法采用CEC2009标准多目标测试函数来进行仿真实验,并与两种经典算法进行性能的对比分析。此外,在电力系统IEEE 30节点上将该算法与MOPSO,NGSGA-II算法的求解结果进行比较分析的结果表明,多目标飞蛾算法具有良好的性能,并在解决电力系统多目标无功优化问题上具有良好的潜力。     

基于双重权约束期望改进策略的多目标并行代理优化方法

针对多目标仿真优化的高昂成本及黑箱函数难以获取问题,提出基于双重权约束期望改进策略的多目标并行代理优化方法.首先,建立Kriging模型获取未试验点的预测不确定性;其次,构建双重权约束期望改进策略,并利用填充策略矩阵及距离聚合方法实现新改进策略的聚合;然后,最大化聚合双重权约束期望改进策略实现多目标并行优化;最后,达到终止条件,获得Pareto最优解集.选取测试函数及铰接夹芯梁设计案例进行优化验证.验证对比结果表明:所提方法可有效提升多目标问题优化效率,减少昂贵仿真成本;与同类方法相比,低维问题中获取Pareto最优解集的收敛性、多样性及分布性更优.     

电–气互联系统的气电解耦分布式多目标优化调度

本文基于能源互联网背景建立了一种计及供能成本、碳排放量和净负荷曲线平滑度的电–气互联系统多目标优化模型,并采用线性化方法将非线性优化模型转化为混合整数线性规划模型.同时,为了求解该模型,实现各能源的协同互补利用,提高能源的利用率,本文在保障各能源网络分散自治权的基础上提出一种基于气电解耦的分布式多目标优化算法,以气电解耦优化的方式实现电、气系统的分散自治.所提算法将原系统的多目标优化问题分解为电网和气网的子优化问题,并采用独立的优化器完成子问题的求解.电网和气网仅需交换少量边界变量以及虚拟目标因子分别进行全局调整即可获得多目标解.最后,本文根据修改的IEEE 39节点电力网络和比利时20节点天然气网络搭建模型并进行仿真分析,结果验证:所提算法能够完成电–气互联系统的气电解耦并实现多目标并行求解,从而提高系统信息私密性、实现各能源网络的分散自治.     

基于多目标PSO算法的信息工程监理

为了解决信息化工程监理面临的综合管理的复杂性, 通过综合考虑信息工程监理过程中对质量、投资、进度的控制, 采用以资源作为决策变量, 以整体工期优化为目标, 建立一种信息工程监理过程多目标优化的数学模型. 针对该数学模型, 构建了信息工程监理控制优化的多目标决策问题的目标函数, 结合一种多目标离散粒子群进化算法, 根据具体问题的特点, 重新定义和设计新的粒子进化方程, 从而较好地解决多目标优化信息工程监理控制目标的问题.     

Multi-objective biogeography-based optimization for supply chain network design under uncertainty

This paper proposes a new two-stage optimization method for multi-objective supply chain network design (MO-SCND) problem with uncertain transportation costs and uncertain customer demands. On the basis of risk-neutral and risk-averse criteria, we develop two objectives for our SCND problem. We introduce two solution concepts for the proposed MO-SCND problem, and use them to define the multi-objective value of fuzzy solution (MOVFS). The value of the MOVFS measures the importance of uncertainties included in the model, and helps us to understand the necessity of solving the two-stage multi-objective optimization model. When the uncertain transportation costs and customer demands have joined continuous possibility distributions, we employ an approximation approach (AA) to compute the values of two objective functions. Using the AA, the original optimization problem becomes an approximating mixed-integer multi-objective programming model. To solve the hard approximating optimization problem, we design an improved multi-objective biogeography-based optimization (MO-BBO) algorithm integrated with LINGO software. We also compare the improved MO-BBO algorithm with the multi-objective genetic algorithm (MO-GA). Finally, a realistic dairy company example is provided to demonstrate that the improved MO-BBO algorithm achieves the better performance than MO-GA in terms of solution quality.     

结合特征扰动与分配策略的集成辅助多目标优化算法

代理模型利用近似预测代替算法对多目标优化问题的真实评价,大幅减少了算法寻优所需的真实适应度评估次数。为提高代理模型在求解高维问题时的准确性并降低计算开销,提出一种基于特征扰动与分配策略的集成辅助多目标优化算法。将径向基函数网络代理模型与支持向量机回归代理模型作为集成过程中的基模型,降低算法在高维问题上的计算开销。结合特征扰动与基于记忆的影响因子分配策略构建集成代理模型,提高集成准确性。使用集成预测值与不确定信息加权辅助管理集成代理模型,平衡全局搜索与局部探索,增强算法在目标空间中的寻优能力。实验结果表明,该算法在ZDT1~ZDT3和ZDT6测试问题上所得解集的分布性与收敛性相比经典算法更好,并且当决策变量维数增加时,使用集成代理模型相比于Kriging代理模型约减少了90%的适应度评估次数,同时可获得更准确的预测结果。