基于改进NSGA-Ⅱ的考虑自动引导车充电策略的集成调度

针对自动引导车（AGV）在自动化集装箱码头（ACT）执行任务过程中的电量问题，提出基于改进的非支配排序遗传算法-Ⅱ（NSGA-Ⅱ）的考虑AGV充电策略的集成调度。首先，在岸桥、场桥和AGV集成调度模式下，考虑AGV在不同作业状态下的耗电量，并建立以最小化作业完工时间和总耗电量为目标的多目标混合规划模型；其次，为提高传统NSGA-Ⅱ的性能，设计自适应NSGA-Ⅱ，并将所提算法与CPLEX求解器、NSGA-Ⅱ和多目标粒子群优化（MOPSO）算法进行性能对比；最后，设计AGV不同充电策略并对设备数量配比进行实验研究。算法对比实验结果表明：相较于传统NSGA-Ⅱ算法，自适应NSGA-Ⅱ对双目标的优化分别提升了2.8%和2.63%。利用自适应NSGA-Ⅱ进行的充电策略和设备数量配比实验的结果表明：增加AGV充电次数能够减少AGV的充电时间，且调整设备数量配比至3∶3∶9和3∶7∶3时，场桥和AGV的时间利用率分别达到最高。可见，AGV充电策略及设备数量配比对码头多设备集成调度有一定影响。     

改进约束人工蜂群算法及金融应用

为了有效求解约束优化问题，提出一种改进人工蜂群算法。该算法引入Pareto支配准则提高算法探索能力，避免算法早熟。在雇佣蜂阶段，通过识别种群当前状态自适应选取搜索方程与约束处理策略，引导种群快速进入可行区域。在跟随蜂阶段，利用全局最优解引导种群进行搜索，提高算法开发能力。通过对CEC 2006中20个测试函数实验结果分析表明，该算法能够有效求解约束优化问题。进而，将该算法应用于求解投资组合优化问题，通过数值实验说明该算法是求解投资组合优化问题的有效算法，可以用于求解此类金融问题。     

基于改进离散蜉蝣算法的双资源柔性车间可持续调度方法

在目前对柔性车间调度问题所进行的研究中，大多忽略了工件运输时间这一因素，并且也很少对可持续发展的经济、环境和社会3个要素进行综合优化。针对这些问题，提出了一种考虑运输时间的双资源柔性车间调度问题(DRCFJSPT)模型。首先，以完工时间、生产成本、能耗和人体工程学风险为优化目标，构建了柔性车间调度数学模型，并结合多目标模型的特点，设计了一种改进离散蜉蝣算法(IDMA),并对模型进行了求解；然后，采用熵值法评价了帕累托解集，基于三层编码并考虑了运输时间的插入式解码方式，设计了混合初始化方法，离散改进了蜉蝣更新方式；最后，为了验证IDMA求解DRCFJSPT的性能，采用MATLAB,对某机床零件加工企业生产数据进行了实验，并将其结果与采用非支配排序遗传算法(NSGA)-Ⅱ得到的结果进行了对比分析。研究结果表明：改进算法的解集质量和收敛性能均显著优于参考算法，通过改进算法求得最优解的最大完工时间为35.94 h,加工成本为6 003.95元，能耗为2 054.54 kW·h,人体工程学风险值为138.16;该结果可为实际复杂的柔性车间调度环境提供清晰准确的调度方案。     

基于双链式结构的云制造系统内资源调度

为提高云制造系统内各参与主体间的信任度及资源调度效率，研究基于双链式结构的云制造系统。首先，对区块链技术应用于云制造系统中进行分析，设计企业信息公有链及制造资源联盟链上的业务流程。其次，提出将资源调度算法写入制造资源链的智能合约中自动执行资源调度，建立考虑创新性和匹配性的多目标资源调度模型，使用带精英策略的快速非支配排序遗传算法(NSGA-Ⅱ)进行模型求解。最后，进行实验仿真分析，将本文所提出双链式结构及资源调度模型与传统云制造资源调度模型做对比，验证模型的有效性。结果表明，在基于双链式结构的云制造系统内各参与节点间相互信任后，制造资源调度具有更优的非支配解集并且资源调度速度得到了提升。     

桥壹廊进口家居集合馆

人生最终的价值在于觉醒和思考的能力,而不只在于生存。“先锋”的出现和发展,总是伴随着社会的变革与创新。当社会出现封闭与后退的倾向,当集体思维仍处于支配性地位,具有当代精神和思考的设计显得尤为重要。桥壹廊展厅,是一个来自反思层面的设计,内向而自由的空间以启迪精神为价值取向,超越功能与美的呐喊。     

嵌入轻量梯度提升机评估模型的暂态稳定预防-紧急协调控制

为了综合发挥运行方式控制和稳控切机控制对电网暂态稳定性的提升作用,提出一种嵌入轻量梯度提升机(light gradient boosting machine,LightGBM)评估模型的电力系统暂态稳定预防-紧急协调控制决策方法。为快速评估控制措施对稳定裕度的影响,首先利用混合控制样本生成方法和LightGBM算法构建预防-紧急控制对稳定裕度的评估模型,考虑到不合理的切机、切负荷控制可能破坏系统稳定性,利用LightGBM评估模型的数值灵敏度来辨识有效的控制地点、缩减决策空间。进一步将LightGBM模型嵌入暂态稳定双层优化控制模型、替代暂态稳定时域仿真校核,结合改进的非支配排序遗传算法(non-dominated sorting genetic algorithm-Ⅱ,NSGA-Ⅱ)实现协调控制策略的快速求解。通过IEEE 39节点测试算例,验证了所提方法能够实现不同严重程度的故障在发生前后的预防控制和紧急控制之间的协调配合,既提高了电网安全稳定性,又减小了优化调度成本。     

飞行自组网拓扑控制研究综述

飞行自组网（FANET）的拓扑结构蕴含着无人机之间以及无人机与基础设施之间通信的路径信息，是影响FANET性能的关键因素。对现有FANET拓扑控制研究进行综述，首先，介绍了FANET的网络架构以及FANET拓扑控制的研究框架和需求，并将FANET拓扑控制算法具体分为4类。在此基础上，对每类FANET拓扑控制算法进行了全面梳理与详细分析，通过对比总结了不同算法的特点和优缺点。最后，探讨了FANET拓扑控制仍面临的挑战及未来的研究方向。     

基于Ｐａｒｅｔｏ支配的改进人工大猩猩部队多目标优化

针对二维和三维多目标优化的解易陷入次优和分布不规则问题，本文引入Pareto支配方法并提出了结合改进策略的人工大猩猩部队优化算法（MOGTO）以改善多目标优化问题。首先，利用外部档案集存储互不支配解集以防止种群经过一次寻优迭代后删除劣解的同时错误去除非支配解。其次，加入蒙特卡洛树搜索对种群探索阶段的三种机制优化，增加算法全局搜索能力。同时，结合天牛须算法的左右须寻优原理及黄金正弦寻优策略对开发阶段的两种机制优化，生成左右须解和促进个体位置更新，引导个体扩大搜索范围以防止最优解陷入局部最优。最后，通过12个基准测试函数验证并与其它6种常见算法相对比，实验结果表明本文算法在多目标问题、寻优能力较对比算法有较大的提升。通过曲柄摇杆机构优化设计案例测试分析，验证了本文算法在实际工程应用中的可行性和实用性。     

基于多目标遗传算法的行驶工况构建优化

在利用短行程法构建行驶工况的过程中，为综合考虑短行程的典型性和行驶工况的代表性，将二者量化并作为多目标优化过程中的两个目标函数，引入非支配排序遗传算法Ⅱ（nondominated sorting genetic algorithmⅡ，NSGA-Ⅱ）对短行程的选择进行优化。将NSGA-Ⅱ优化方法与常用的短行程选择方法进行对比，在相同时间内，随机选择法、相关性法、距离法和NSGA-Ⅱ分别构建了7 582、7 209、9 615和20个候选行驶工况。结果显示，4种方法中，在整体上，NSGA-Ⅱ产生的行驶工况集中在代表性较高的区域同时使得构成行驶工况的短行程整体上典型性较高；在最优工况的比较中，NSGA-Ⅱ的最优工况与原始数据的特征参数相对误差最小，包含的短行程到离簇中心的平均距离最短，表明采用NSGA-Ⅱ算法对短行程选择过程进行优化有助于从多个角度提升行驶工况的构建质量。     

CHAIN：基于重合支配的边缘计算节点放置算法

边缘计算将计算资源部署在离终端用户更近的边缘计算节点，从待选的位置中选择合适的边缘计算节点部署位置能提升边缘计算服务的节点容量以及用户服务质量（QoS）。然而，目前对于如何放置边缘计算节点以降低边缘计算成本的研究较少。此外，在边缘服务的时延等QoS因素的约束下，目前尚没有一种边缘计算节点部署算法能最大限度地提高边缘服务的鲁棒性同时最小化边缘节点部署成本。针对上述问题，首先，通过建立计算节点、用户传输时延和鲁棒性的模型将边缘计算节点放置问题转化为带约束条件的最小支配集问题；随后，提出重合支配的概念，基于重合支配衡量网络鲁棒性，设计了基于重合支配的边缘计算节点放置算法——CHAIN(edge server plaCement algoritHm based on overlApping domINation)。仿真实验结果表明，与面向覆盖的近似算法和面向基站的随机算法相比，CHAIN的系统时延降低了50.54%与50.13%。