基于新型Memetic算法的多目标优化

为了更好地解决多目标优化问题,提出一种求解多目标优化问题的新型memetic算法。该算法利用微粒子群算法的全局搜索能力和同步启发式局部搜索相结合进行局部微调;利用基于模糊全局极值的概念处理种群中过早出现收敛以及解多样性保持等问题。通过进一步检测得出新算法的特点并展示其在多目标优化问题上的独立性和综合效应。同时应用新型算法对IEEE14节点标准电网进行无功优化计算。结果证明,该新型memetic算法具有很好的寻优能力,验证了该算法的有效性及科学性。     

决策者偏好交互项目组合选择模型及算法优化研究

项目组合选择是战略项目管理决策的重要环节,目前基于决策者偏好的交互项目组合选择的研究仍然在模型和算法上存在不足。首先提出级别优先模型细致划分了项目间的偏好关系,并引入了项目间的协同交互,使模型更加完备。进而结合该模型改进了多目标粒子群算法,加快其收敛速度,并拓展其非劣解的多样性。在考虑决策者偏好和项目间交互约束的条件下,分别对偏好模型和模型求解算法进行了仿真验证。仿真结果表明,采用级别优先模型所得的非劣解更加接近项目组合选择的最优解,改进粒子群算法的搜索速度更快。     

智能电网中基于ESS-MOPSO算法的调度优化策略

结合智能电网的调度优化策略应综合考虑经济运行、节能减排及电能质量各方面因素,给出了智能电网的优化调度方程,并采用粒子群算法对该方程进行多目标寻优.介于传统粒子群算法中使用Pareto准则的局限性,采用一种基于优先阶的均衡选择全局搜索策略,更加有效地选取出全局最优粒子,引导其他粒子寻优.在对智能电网调度优化的仿真中取得了良好效果.     

基于熵模型的动态粒子群优化算法

受多种群并行寻优机制的启发,提出了一种基于熵模型的动态粒子群优化算法(entropy dynamic multiPSO,EDM-PSO)用于处理动态优化问题.将解空间划分为多个子空间,在每个子空间中利用熵模型增加种群多样性,多种群并行搜索,利用多点环境检测机制检测环境变化.对动态多峰benchmark优化问题进行了数值实验,并与其他几种动态优化算法进行了比较,结果表明:EDM-PSO算法对于处理动态优化问题具有优势.     

基于粒子群算法的新安江模型参数的优化

文中利用滦河流域大黑汀、桃林口及滦县站多年降水、蒸发及来水量资料,建立了区间年来水量的新安江模型,并利用基于粒子群优化算法对此模型的参数进行了优化。     

基于亲缘关系选择的粒子群优化算法

针对传统粒子群优化算法在解决最优化问题中存在早熟收敛和无法寻找到全局最优解问题,本文提出了一种基于亲缘关系选择的粒子群优化算法,提高了算法的全局搜索能力。此外,引入了多个种群的交流机制与各子种群之间的淘汰机制,有效避免了个体在寻优过程中陷入局部最优点。实验部分首先在单目标优化函数集上与传统的粒子群优化算法以及一些有竞争力的算法结果进行对比分析,发现算法在相同种群规模与评价次数的条件下,在准确性与搜索能力上有着明显的优势;然后,将新算法应用到桁架穹顶优化问题上,并与传统的粒子群优化算法进行了比较,求得了这一实际问题的一个可行解。     

计及蓄电池寿命的微网群优化调度模型

为延长蓄电池使用寿命,减少微网群运行成本,构建了计及蓄电池寿命的微网群多目标优化调度模型.以包含风、光、储、柴、燃料电池的两个子微网所构成的交流微网群作为研究对象,采用改进后的加权吞吐量法构建蓄电池寿命模型并预测蓄电池寿命.综合考虑系统发电成本、环境污染成本和蓄电池寿命损耗成本,在满足负荷供需平衡、不同微源出力等约束条件下,通过加权系数法将多目标函数归一化为综合目标函数,并利用二元对比定权法确定权系数,把对蓄电池的重视程度分为较低、中等、较高三种情况.采用粒子群优化算法进行求解,并对三种情况下的微网群调度结果与蓄电池寿命损耗情况进行对比分析.结果表明,该优化调度模型可有效提高微网群经济效益,并减小蓄电池损耗,验证了该模型的有效性.     

基于粒子群算法的城市接驳公交网络优化调度方法

为提高公共交通分担能力和解决轨道交通与交通出行起讫点之间的公共交通接驳优化调度问题,提出了轨道与公交的接驳公交网络优化模型.模型主要考虑不同接驳站点在不同时间对轨道交通和交通出行起讫点之间的接驳需求建立多目标模型.分析选用粒子群算法对所建立的多目标优化模型进行分析求解,比较了在轨道接驳需求下多种车队规模的调度线路、时刻安排状况,得到轨道线路邻近区域内接驳网络的优化调度,当车队规模在定值时即可满足接驳轨道交通的换乘需求,优化调度使得平均满载率显著下降,另外,验证了接驳公交网络基于粒子群算法的优化调度可有效降低营运消耗.     

基于MOPSO算法的斜拉桥索力优化分析

针对斜拉桥设计和监控计算中合理成桥状态和施工状态索力的确定问题,提出了一种基于MOPSO算法的斜拉桥索力优化方法。该方法在PSO算法的基础上通过增加外部储备集和优化更新策略来适应多目标、多约束的索力优化,较单目标优化方法仅有单一解的局限性,MOPSO算法考虑因素更全面,得到的Pareto最优解集可供决策者根据经验进一步筛选。采用Python编程语言,联合有限元软件编写基于该方法的优化程序,选取主塔、主梁的弯曲应变能之和,主塔成桥后在恒载作用下的纵桥向位移平方和作为目标函数,以施工过程及成桥后结构处于安全状态和索力总体分布均匀作为约束条件。工程算例优化结果表明,该方法能够快速搜寻到Pareto最优解集,并从中筛选出最优解,其结构应力处于安全范围,主塔线形合理,索力总体分布均匀。该方法可应用于斜拉桥成桥和施工阶段索力的确定及梁拱组合体系桥梁吊杆索力的确定。     

外协加工资源选择模型研究

为了在多个外协加工资源选择中集成产品规划的质量、成本和时间影响因素,建立了基于集对分析的产品优化控制的质量/成本/时间平衡优化模型.采用基于压缩矩阵改进的阿霍-克若思克算法求解该优化模型,得到最佳的产品质量/成本/时间控制方案,从而为各零部件选择合适的外协加工资源.最后,对三针平缝机的质量/成本/时间控制问题进行了实例分析,依据其分析结果确定各零部件的外协加工资源,结果表明了所提方法的可行性.     

基于K-Means全局引导策略的多目标微粒群算法

提出了一种基于K-means全局引导策略的多目标微粒群算法(KMOPSO),通过K-means算法从归档集中选出K个均匀分布的非支配粒子作为全局最优引导,以保证种群中的粒子向整个Pareto前端移动,提高解的多样性. 用基于最近邻居的剪枝算法控制归档集规模,同时保证其中非支配解的多样性. 引入变异策略来加强算法的局部搜索能力,避免早熟收敛. 用5个经典函数进行了仿真测试,实验结果表明,该算法能有效地解决多目标优化问题,不但能收敛于Pareto最优前端,而且在解的多样性方面优于改进的非劣分类遗传算法和基于拥挤距离的多目标微粒群算法.     

基于粒子群算法的Universum SVM参数选择

分类器的模型参数对分类结果有直接影响.针对引入无关样本的Universum SVM算法中模型参数选择问题,采用粒子群优化(particle swarm optimization,PSO)算法对其进行优化.该方法概念简单、计算效率高且受问题维数变化的影响较小,可实现对多个参数同时优选.此外,在PSO中粒子适应度函数的选择是一个关键问题.考虑k遍交叉验证法的估计无偏性,利用交叉验证误差作为评价粒子优劣的适应值.通过舌象样本数据实验,对参数优选前后测试样本识别正确率进行比较,实验结果验证了该算法的有效性.     

基于DE优化SVR的锂离子电池剩余容量预测

在分析了支持向量机回归算法(SVR)对剩余容量模型非线性回归基础上,针对SVR参数选择难的问题,提出了一种基于微分进化(DE)算法优化SVR的算法。DE具有强劲的全局搜索能力,将其应用到SVR的参数寻优当中去,可以寻找到SVR的最优参数。将该方法应用于锂离子电池剩余容量的预测模型,并将生成的模型和基于粒子群优化(PSO)算法的SVR锂离子电池容量预测模型比较。仿真结果表明,基于DE优化的SVR剩余容量预测的精准度高于PSO优化的SVR剩余容量预测精准度,为锂离子电池容量预测提供了一种新的方法。     

企业物流业务外包的双向选择模型

为使企业能科学地进行外包决策,在对企业相关要素的系统分析和定量评价的基础上,提出了一个双向选择的数学模型.该模型能够很好地解决企业物流外包决策中的第三方物流(3PL)服务商的选择问题.     

一种改进的混合粒子群优化算法

针对粒子群优化算法容易陷入局部极值点、进化后期收敛速度慢、精度较差等缺点,把Hooke-Jeeves模式搜索方法作为粒子群优化算法的一个局部搜索算子,嵌入到粒子群算法中,Hooke-Jeeves的强局部搜索能力提高了粒子群优化算法的局部收敛速度和精度,从而提出了一种混合粒子群优化算法。通过基准函数和实例测试进行了验证,结果表明,提出的混合算法的收敛速度和精度均优于粒子群优化算法。     

水下机器人运动规划中多目标遗传算法的选择方法

为探讨多目标遗传算法的选择方法对优化结果的影响,本文以水下机器人为对象,对多目标遗传算法的选择方法进行了分析和研究,提出了变权重系数法并对选择公式进行了修正,以水下机器人“Twin-Buger”为对象,进行运动规划的算例验证了本文所提出方法的有效性和可行性。     

复杂刀具优化设计数学模型的建立及算法改进

目的　建立复杂刀具优化的数学模型,提高优化算法速度.方法　采用优化设计与CAD相结合的方法.结果与结论　解决了传统刀具设计的缺点,改进后的算法速度大幅度提高.     

软件外包企业技术创新及其动态机制研究

为了研究软件外包企业技术创新的影响因素和驱动机制,利用系统动力学技术,建立技术创新系统动力学模型．通过对正反馈回路的持续增长和负反馈回路的有效调节,最终会保持软件外包企业技术创新水平的稳定增长．技术创新驱动模式和技术人员激励方式是企业技术创新政策敏感性因素,通过企业相关政策调节,可实现企业技术创新的持续性．