结合Kriging和物理规划的多目标代理优化算法

遗传算法处理高耗时且具有黑箱性的工程优化问题效率不足。为了提高工程优化效率，结合Kriging代理优化和物理规划，提出了基于Kriging和物理规划的多目标代理优化算法。在处理多目标问题时，使用物理规划将多目标问题转换成单目标问题，再使用Kriging代理优化对单目标问题进行求解。通过两个多目标数值算例和一个工程实例对提出的算法进行验证。结果表明，提出的算法能够求出符合偏好设置的Pareto最优解，且算法的效率更高。     

基于Kriging模型的航空发动机管道系统有限元模型修正

为获得精确可靠的航空发动机外部管道结构动力学模型,采用将Kriging模型与多目标遗传算法(MOGA)相结合的模型修正方法进行有限元模型修正.首先进行管道模型的模态试验和有限元建模,分别获得模态参数的试验值和有限元分析值；然后在合理的参数选取和试验设计(DOE)的基础上,拟合得到Kriging模型；最后基于Kriging模型采用多目标遗传算法进行有限元模型修正,并对比了不同修正方法的精度和修正效果.结果表明：采用Kriging模型进行有限元模型修正可以有效提升修正效果,获得更为准确的有限元模型；对于航空发动机管道系统,基于Kriging模型的模型修正方法相较于基于灵敏度分析的模型修正方法具有更高的修正效率和修正精度.     

基于Kriging代理模型的序列优化

Kriging代理模型通过对某预测点周围的信息加权的线性组合来预估该点的未知信息,因其加权选择由最小化预估值的误差方差来确定而被视为最优的线性无偏估计。本文研究Kriging代理模型的序列优化,提出了一种新的加点规则—DH最大点插值法,并利用遗传算法的全局搜索能力搜索模型迭代的插值点,进而提高了Kriging模型的建模精度。     

基于云模型的NSGA-Ⅱ算法改进

如何使算法快速收敛到真正的Pareto前沿,并保持解集在前沿分布的均匀性是多目标优化算法重点研究解决的问题.提出一种基于云模型的改进NSGA-Ⅱ算法,利用正态云模型云滴的随机性和稳定倾向性特点,分别对交叉、变异、拥挤距离算子进行改进.使算法既具有传统的趋势性和满足快速寻优能力,又具有随机性.在提高收敛速度与保持种群多样性之间做了个很好的权衡.通过求解多目标背包问题,对本文算法的多目标优化性能进行了考察,并与NSGA-Ⅱ算法进行比较,结果表明本文算法在整个解空间内能快速搜索到Pareto最优解,使搜索到的Pareto最优解在前沿均匀分布.     

基于组合优化的Kriging参数估计算法

在使用常微分方程组描述的数学模型进行参数估计时,本文使用Kriging代理模型完成优化过程.该代理模型通过少量数据点的训练即可部分替代计算费时的原始目标函数优化过程,因此可以节省大量的计算时间.在Kriging代理模型精化过程中,查找新增点的优化算法对参数估计的结果有重要影响.本文针对非线性且具有sloppiness属...     

基于NSGA-Ⅱ和MOPSO融合的一种多目标优化算法

用多目标粒子群优化（MOPSO）算法的粒子位置更新模式替代NSGA-Ⅱ的交叉操作,获得一个新的算法（NSGA-Ⅱ-MOPSO）。为使这两种差异较大的算法实现无缝融合,在NSGA-Ⅱ算法范围内对MOPSO中特有的概念粒子及其速度、Pbest、引导者进行处理：1）粒子对应于NSGA-Ⅱ中子代群体的个体;2）不再使用粒子速度概念;3）不再使用粒子Pbest概念,代之以从父代群体中为每个粒子的每一维寻找一个最近的该粒子非支配个体;4）每一个粒子的引导者可以是父代群体中稀疏程度最大的个体或者是按照二进制随机竞赛选择方法从父代群体中选择的一个个体,具体哪一种方式发挥作用依赖于预先设定的概率。另外,引入稀疏程度概念来评价粒子在目标函数空间的分布。6个算例的结果表明,与NSGA-Ⅱ及最新的两种MOPSO算法（CLMOPSO和EM-MOPSO）相比,新算法是一个有效、稳定的算法。     

基于Kriging代理模型的自适应序贯优化方法

提出了一种基于Kriging代理模型的自适应序贯优化算法。首先分析了代理模型使用不当引发的局部收敛问题,然后采用小生境微种群遗传算法求解EI函数来得到校正点,用以更新Kriging模型。这种选择校正点的方法使得优化过程避免陷入局部极值点。通过对4个典型函数优化实例进行实验,并与其他算法的结果作比较,其结果表明,新算法在解的精度、收敛性和收敛速度上表现出很好的性能,并且对所优化的问题没有特殊的要求,具有很强的工程实用价值。     

基于多目标优化技术的发动机罩加强筋布局设计研究

为了加强发动机罩壳的静态刚度特性和抑制振动能力,实现罩壳结构的轻量化,引入基于水平集法的拓扑优化技术和多目标理论,完成发动机罩加强筋布局的多目标优化设计。采用折衷规划法构建关于静刚度和一阶固有频率的多目标优化模型,运用水平集法求出罩壳加强筋的最佳分布形式。结果表明,该方法能大大地提高静动态结构性能,最大应力的下降说明罩壳应力集中现象得到有效的改善,缓解罩壳的疲劳现象。此外,基于层次分析法确定权重因子,避免了多目标优化模型构建中的主观能动性。采用平均频率法对动态目标函数的处理,有效地消除了动态优化过程中的收敛性。     

基于NSGA-Ⅱ的催化裂化分馏塔的多目标优化

在催化裂化装置生产中,主分馏塔的操作水平和技术水平直接影响整套装置的经济效益;研究催化裂化加工装置优化设计,分馏系统的操作优化非常重要;引入已经建立的分馏塔多目标优化函数并运用NSGA-Ⅱ对模型进行求解;通过深入研究算法并对NS-GA-Ⅱ算法中各项参数设置后,求解得一组Pareto最优解,该组最优解具有良好的延伸和分布;并引人多目标综合评价优化函数,求得一组最优解;结果表明在满足约束条件下,分馏塔的汽油和柴油的产率能得到显著的优化.     

基于遗传算法的Kriging模型构造与优化

相关模型参数的确定是Kriging模型构造的关键,讨论了利用传统数值优化方法,如模式搜索方法,确定相关参数存在依赖搜索起始点等缺点;利用遗传算法获得满足目标函数全局最小情况下的相关模型参数,解决了模型的构造对起始点依赖的问题;将遗传算法与改进后的Kriging模型结合,基于近似模型对系统进行全局最优化.     

基于NSGA-Ⅱ算法的多目标优化决策系统

设计一款多目标优化的决策系统,研究集中于调整PID控制器中的KP、KI控制器的增益,使得反馈控制系统满足设计的性能需求。在设计变量参数与给定系统的性能指标之间,设计一种可自动优化增益的参数的算法以满足性能标准的目标。项目设计了PID控制器的增益可以通过NSGA-Ⅱ算法进行调整,从而使得反馈系统的性能指标达到满意的标准。     

基于自适应Kriging模型的不确定可靠性功能优化算法研究

产品研发中功能失效是一个复杂的系统性工程,失效过程包含大量不确定性因素。为此,构建了自适应Kriging的不确定可靠性功能优化算法,进行产品总体功能失效分析、认知集合可信任度、样本点的生成、自适应Kriging计算及优选功能组合,获取在指定的概率约束下的最优解。以大数定律及极限定理为基础,保证了样本点在重要区域及Kriging模型的收敛条件。以工程机械储能系统为例,说明算法的迭代性、收敛性、准确性及稳定性。结果表明,该算法能够得出准确的敏感度,节省计算时间,提高计算效率。     

基于申威众核处理器的NSGA-Ⅱ并行和优化方法

由申威众核处理器组成的“神威·太湖之光”是当前我国性能最高的超级计算机,可为大规模NSGA-Ⅱ求解提供硬件平台。基于硬件架构特点,设计了分岛/主从增强混合并行NSGA-Ⅱ。在主从模式基础上,利用从核间寄存器通信,实现核组内从核局部数据存储的共享。优化流程,实现更多算法模块在从核上的并行。运用DMA传输、向量化、双缓冲、存储优化等方法显著提高加速比。实验表明,优化的并行NSGA-Ⅱ在申威众核处理器上具有良好的加速比和扩展性。     

Kriging模型的增量构造及其在全局优化中的应用

为了解决高效全局优化算法(EGO)中迭代次数增多时构建Kriging模型速度过慢,以及对于某些响应值变化范围较大的目标函数出现过早收敛的问题,提出了增量Kriging方法和基于此方法的改进EGO算法.增量方法利用已经得到的关联矩阵的逆矩阵和新增的数据点忽略关联系数优化的过程,直接进行一系列矩阵运算,得到新关联矩阵的逆矩阵,进而得到更新后的预测模型.改进的EGO算法使用上述的增量方法和更加严谨的停止规则,包括改善期望、自变量和响应值的停止准则.最后使用标准函数分别对增量方法和EGO算法进行测试,结果表明,增量方法可在损失少量精度的情况下大大缩短模型更新的时间,改进的EGO算法具有更高的效率和稳定性.     

NSGA-Ⅱ求解多目标优化综合精度的研究

多目标过程综合可归结为1个多目标混合整数非线性规划(MOMINLP),主要有2大类求解技术:多目标数学规划法和以多目标遗传算法(MOGA)为代表的进化算法.MOGA能并行处理多个目标,鲁棒性强,近年来得到长足发展.但由于无法从理论上保证得到问题的真正非劣解,应用受到了一定限制.本文应用多目标遗传算法NSGA-Ⅱ对废料最少问题进行求解,得到近似非劣解集.提出1个逐步插值算法,对近似解集中的点依次进行筛选,给出了所选点的搜索目标函数的构造方法,并应用SQP法对其寻优,得到真正的非劣解.将精确解与近似解进行比较表明,NSGA-Ⅱ的求解精度较高,绝大部分近似解的最大可能误差不超过3%,可为实际工程中的初步决策提供依据.     

基于NSGA-Ⅱ算法的装备研制多目标优化研究

为提高装备军事效益和经济效益,在网络计划技术的基础上,以装备研制成本和质量为目标,结合工期-质量模型、工期-成本模型和成本-质量模型,建立了多目标综合优化模型。采用一种基于Pareto最优解的多目标遗传算法——NSGA-Ⅱ算法求解,以某探测器研制为例,运用该方法进行建模求解,经MATLAB计算,验证了模型的合理性和算法的有效性。结果表明NSGA-Ⅱ算法的收敛性好,通过它求得的非劣解与实际能较好地相符,为部队在各种武器装备方案论证阶段开展工期、成本和质量之间的权衡分析提供了一种有效工具。     

基于响应面方法的航空发动机装配系统的多目标性能优化

将响应面方法应用于复杂的航空发动机装配生产系统的性能优化中,获取系统的最大平均生产率和最小在制品水平,并解决以平均生产率和在制品水平为目标函数,以系统单机加工速度和缓冲区总大小为决策变量进行多目标性能优化问题。解决多目标优化问题的方法是利用线性加权法将多目标转换为单目标,然后应用响应面方法进行优化。实验结果表明:响应面方法能够很好地解决复杂的航空发动机装配生产线的性能优化问题,并为决策者提供多种情况下的最优解。     

基于改进NSGA-Ⅱ算法的多目标设施动态布局问题研究

为解决高效的车间动态设施布局问题,以重布局费用、非物流关系和面积利用率为目标,对NSGA-Ⅱ算法进行了优化,将随机变异操作与最近和最远法的非支配解选择结合,对NSGA-Ⅱ算法进行了改进并对其进行求解。通过经典算例的模型求解测试,验证了该方法的可行性和有效性。     

基于改进NSGA-Ⅱ算法的微电网多目标优化研究

在解决微电网分布式电源多目标优化运行问题时,针对传统NSGA-Ⅱ算法在逼近性、运算效率等方面的局限性,考虑进化过程个体相似度的差异及算法陷入局部最优的可能性,提出了一种改进型的NSGA-Ⅱ算法。新算法引入信息熵机制改进算子,将交叉概率、变异概率分别近似为递减函数模型、柯西分布模型,通过算法性能测试证明了新算法有效性。以分布式电源接入IEEE30节点电力系统为例进行仿真实验,通过与传统NSGA-Ⅱ多目标优化算法对比,证明了改进型算法在提高收敛速度、改善优化指标方面的优越性。