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。     

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.     

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。     

末端配送服务模式与路径联合优化

考虑末端配送服务模式对服务质量和配送成本的影响，提供一种末端配送服务模式与路径联合优化方法.以配送成本和客户满意度为双目标建立混合整数规划模型，改进NSGA-Ⅱ求解模型，并且利用GUROBI求解器验证所建模型的有效性.通过求解不同规模算例发现，改进NSGA-Ⅱ具有求解稳定性，并且仅用GUROBI求解时间的1/10便能够得到高质量Pareto解集，与传统NSGA-Ⅱ相比，改进NSGA-Ⅱ求解时间平均仅增加23 s，求解质量平均提升3.37%，表明改进NSGA-Ⅱ优于GUROBI求解器和传统NSGA-Ⅱ.通过敏感度分析发现，与仅利用单一末端配送服务模式相比，物流企业综合利用多种末端配送服务模式能够更好地平衡配送成本与客户满意度水平，合理增加自提柜和自提点数量，拓宽客户收货时间窗宽度有助于降低配送成本.     

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。     

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。     

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.     

基于改进NSGA-Ⅱ的云服务PDTs调度算法

基于多目标优化的云计算PDTs调度是一个NP问题,考虑云计算用户的服务质量(Qo S)要求,将处理PDTs的成本和时间要求作为目标,提出一种基于改进NSGA-Ⅱ的云服务PDTs调度算法.采用相似任务序列交叉(STOX)操作加快进化,而采用位移变异避免算法过早收敛,此外,还利用一个拥挤距离自适应算子(SCD)来改善Pareto最优前沿的个体多样性.仿真结果表明该算法在云PDTs调度中保持Pareto最优解的多样性和分布性方面优于NSGA-Ⅱ算法.     

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.     

复杂产品概念设计多学科过程建模方法研究

为了使复杂产品概念设计的过程模型支持多学科优化,实现概念设计过程中的求解功能,确定产品设计的综合最优方案,提出了基于扩展Petri网与NSGA-Ⅱ算法相结合的多学科过程建模方法.针对复杂产品设计过程的特点,分析了概念设计在多学科优化过程中的重要作用,研究了扩展Petri网模型建立和NSGA-Ⅱ算法的执行过程,给出了以扩展Petri模型的变迁序列作为NSGA-Ⅱ算法染色体,结合属于Petri网模型元素的选择算子、交叉算子进行NSGA-Ⅱ优化运算的方法.将上述方法应用于某工业汽轮机的设计,并通过实例验证了该方法对于不同的设计要求,可以给出不同情况下的Pareto最优解集,是进行复杂产品概念设计过程建模的一种切实有效方法.     

基于改进NSGA-Ⅱ的多目标绿色作业车间调度问题研究

针对多目标绿色作业车间调度问题(green job shop scheduling problem,GJSP),以最大完工时间、总碳排放量和总拖期时间为优化目标,建立多目标绿色作业车间调度问题模型,提出一种改进的NSGA-Ⅱ算法来对模型进行求解。模型中设计总碳排放量目标函数,考虑工件更换装夹方式时机器调整状态的碳排放量;算法中设计基于N5邻域结构和非支配排序的局部搜索策略,结合实际设计GJSP测试实例,对提出的算法进行验证。计算结果显示,对于多目标优化,改进后的NSGA-Ⅱ求得均衡解非支配等级相对更高,获得了更优的单个目标值。研究表明,改进的NSGA-Ⅱ具有更好的优化效果,验证了提出算法的有效性。     

基于蚁群系统的双目标最小生成树算法

带有多个目标的最小生成树问题在实际生活中有着广泛的应用,但用传统方法很难有效地解决,本文提出一种基于多目标决策的蚁群系统求解双目标最小生成树算法,利用两个启发信息来构造新的状态转移规则,并改进了信息素更新规则,指导蚂蚁找到Pareto最优解。试验结果表明,该算法能有效解决双目标生成树问题,与Pareto最优枚举法比较,求解时间减少了。     

用INSGA-Ⅱ进化NPCs的复杂行为

目前游戏中NPCs多目标行为进化是一个非常复杂的问题。对此建立了NPCs多目标优化的数学模型,并提出了一种NSGA-Ⅱ的改进算法——INSGA-Ⅱ。该算法在进行精英选择时,采用了基于K-均值聚类的方法联合了不同等级之间的个体进行集合划分,然后从不同的集合中选择下一代个体,从而更好地保持了种群的多样性。通过实例比较证明,在玩家和NPCs作战的游戏场景下,INSGA-Ⅱ能够得到NPCs复杂多目标控制问题的Pareto最优解,而且比NSGA-Ⅱ表现出更好的收敛性和多样性。     

改进的多目标粒子群优化算法及其在雷达布站中的应用

为更好地解决多目标问题,提高多目标优化算法的多样性和收敛性,提出一种改进的多目标粒子群优化算法。算法将种群分为多个子种群同时进行优化搜索并改进粒子速度更新公式,扩大Pareto最优解集的覆盖面;利用反三角函数logistic映射初始化种群,使初始种群分布更均匀;并使用时变变异方法对外部档案进行变异,避免陷入局部最优。通过与标准多目标粒子群优化算法(MOPSO)和NSGA-Ⅱ在标准测试函数ZDT1、ZDT2、KUR上的仿真实验对比,验证了该文提出的改进算法的有效性,并将其应用于雷达优化布站。     

一种基于杂草克隆的多目标粒子群算法

多目标粒子群算法(MOPSO)在优化函数时,尤其对于Pareto前沿是分段不连续的优化函数,存在收敛速度慢,种群多样性差的缺陷。针对此问题,将杂草克隆机制引入MOPSO,提出了一种新的多目标粒子群算法,称之为IWMOPSO。该算法利用改进的档案维护策略和不可行解增强多样性和均匀性,通过标准测试函数验证,能够使所求得的Pareto最优解逼近整个Pareto真实前沿,收敛性和多样性明显优于MOPSO和NSGA-Ⅱ,具有较强的应用性。     

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。     

一种改进的高维多目标调和进化算法

针对传统的基于严格Pareto支配的多目标进化算法在计算3个以上目标的高维问题时出现收敛性不足的问题,以淘汰选择法ELECTRE-Ⅰ为构造基础,提出了一个改进的优势个体比较选择算子。该锦标赛规则可以有效克服Pareto选择压力不足的问题,与一般的锦标赛选择算子不同,该算子借助于面向最小优势子集选择的ELECTRE-Ⅰ法来找到同一层级非劣集中的优势个体,从而对每一层的非支配进化个体生成一个最小优势子集,进而给出进化个体中的优劣排序新规则,最后在典型高维测试集DTLZ函数上进行仿真实验。实验结果表明,该算法比经典多目标进化算法NSGA-Ⅱ、NSGA-Ⅲ、α-NSGA-Ⅱ和HV-NSGA-Ⅱ在求解某些特定问题集上具有更好的多样性与收敛性。