公交车和驾驶员集成调度算法研究

为解决公交车及驾驶员调度优化问题,本文给出了一种基于免疫计算的调度优化方案。设计了公交车和驾驶员调度问题的数学模型,给出了非劣邻域支配的多目标免疫优化算法的框架、基于实数编码的比例克隆算子和领域变异算子以及支配抗体的拥挤距离公式,并在仿真环境下进行了实验。实验结果表明,本文算法能有效地解决公交车及驾驶员调度优化问题,具有较好的应用价值。     

多目标粒子群算法在乘务员排班问题中的应用

乘务员排班问题规模庞大并且限制因素复杂,一种公平合理的排班有利于调动乘务员的积极性。对建立的多目标排班模型进行分析和优化,并提出近似可行解以处理约束条件,基于Pareto最优的粒子群算法解决了这一问题,仿真实验表明该算法是合理的。     

蚁群遗传算法的多目标优化

为了求解带有约束条件的多目标函数优化问题,提出基于连续空间优化的多目标蚁群遗传算法。针对多目标优化问题的特点,定义连续空间中利用信息量指导遗传搜索策略和信息更新方法,将信息量指导遗传搜索、优秀决策引入、决策集更新、改变算法终止条件等方式相结合,有效地加速了搜索的收敛速度,控制了Pareto最优决策集的数量,扩大了决策的分布范围,维持了决策的多样性。数值实验说明该算法能够快速找到一组分布广泛的Pareto最优决策。     

基于并列选择遗传算法的多机器人协作探测

多机器人系统在执行探测任务时,存在多个机器人同时选择相同探测区域而造成碰撞几率增加和探测效率降低的问题.在原有并列选择遗传算法的基础上,提出了一种改进的遗传算法.仿真和实验结果表明,将该算法应用于多机器人协作区域探测,可以减小机器人之间的碰撞几率,提高多机器人系统的探测效率.     

基于双极偏好控制的多目标粒子群优化算法

考虑双极偏好信息对粒子群的控制作用,提出一种使用双极偏好——正偏好和负偏好引导粒子群向 Pareto 前沿偏好区域进化的方法．根据TOPSIS 决策法思想,将外部种群粒子与正负偏好点的相对贴近度排序作为 外部种群管理和全局最优解更新策略;根据贴近度值确定解集的分布度;选取6 种不同类型的多目标测试函数进行 算法模拟,从世代距离、空间测度和超体积测度3 个指标与基于单极偏好的多目标粒子算法进行性能比较．结果显 示,基于双极偏好控制的多目标粒子群算法的收敛性和综合性能更优秀．     

两栖机器人轮桨腿驱动机构多目标优化设计

提出了一种既能够在陆地上爬行,又能够在一定深度的水下浮游和在海底爬行的新概念轮桨腿一体化两栖机器人;多运动模式和复合移动机构是该机器人的突出特点．分析了轮桨腿复合式驱动机构的运动机理,并采用多目标优化设计理论和算法,对驱动机构的爬行性能和浮游特性进行了综合优化,得到了两栖机器人驱动机构的结构优化参数．虚拟样机的仿真结果证明了该轮桨腿一体化两栖机器人驱动机构的综合运动性能良好,对非结构环境具有一定的适应能力．     

改进的蚁群算法求解多目标车间作业调度问题

目前已经有许多解决作业车间调度问题的启发式求解方法,但这些方法多数局限于单目标,因此不能满足现实生活中多目标作业车间调度问题的应用需求。提出一种改进的蚁群算法启发式地搜索多目标车间作业调度问题的近似最优解以满足实际的应用需求。通过对转移概率以及信息素更新方式进行改进,并融合交叉策略,确保算法在加快搜索收敛速度的同时又避免陷入局部最优。仿真实验证明,改进的算法具有较好的性能,能够解决实际生活中的多目标作业车间调度问题。     

三维微阵列数据的多目标进化聚类

聚类技术广泛应用于微阵列数据分析中。在基因-样本-时间GST微阵列数据矩阵中,挖掘三雏聚类成为当前的热门研究课题。3D聚类过程经常需要对多个相互冲突的目标进行优化,而且进化算法以其强大的探寻能力成为高维搜索空间中非常有效的搜索方法。本文基于多目标进化计算方法提出一个新的3D聚类算法MOE-TC,以挖掘GST数据中的3D聚类。现实微阵列数据上的实验验证结果充分说明了本文算法的有效性。     

考虑电-氢-热多能互补的微网多目标优化配置研究

氢储能具有储能容量大、储存时间长、清洁无污染、实现多种能源网络互联互补和协同优化等诸多优点,有望成为推动分布式能源发展和提升终端能源利用效率的重要支撑技术。为了提高独立型微网供电可靠性及可再生能源利用率,本文建立了考虑电-氢-热多能互补的独立微网多目标优化配置模型,并基于模拟退火的粒子群算法对目标问题进行求解。最后,通过东北某地独立微网优化配置算例,基于MATLAB平台验证了所提多能互补配置方案较传统电储能配置方案负荷失电率降低了3.18%,可再生能源利用率提高了8.37%,所提配置方案可有效促进可再生能源消纳,保证独立微网的供电可靠性。     

基于改进粒子群优化算法的外转子永磁同步电机的多目标优化设计

为降低外转子永磁同步电机(ERPMSM) 作为皮带输送机驱动电机时的永磁体成本并提高电机性能,提出基于响应面法(RSM)和改进多目标粒子群优化(IMOPSO)算法的优化设计方法。在建立电机基本结构的基础上,将永磁体尺寸、气隙长度、槽口宽度等作为优化参数,将永磁体成本、输出转矩、转矩脉动等作为优化目标。通过参数灵敏度分析筛选出显著参数,基于RSM结合有限元仿真建立样本空间,并拟合出优化目标和优化参数的函数关系,通过IMOPSO寻优。最后对比优化前后的方案结果,所提多目标优化算法准确可靠且具有更好的收敛性和多样性,能够在降低永磁体成本的同时优化电机的性能。