JADE平台粒子群算法在环境经济调度中的应用

在环境经济调度模型中,为同时降低火电机组的燃料成本和污染气体排放量进行多目标优化,模型引入阀点效应并考虑网损,在满足功率平衡和出力限制的前提下,采用一种基于JADE平台下的粒子群多目标优化算法对模型进行求解。算法吸收了粒子群算法的进化机制,将Pareto占优策略和拥挤距离相结合并应用在粒子群算法中,添加了动态惯性权重特性和小概率变异,提高了算法全局搜索能力。在JADE平台下搭建算法模型,并运用IEEE-30节点6机组和IEEE-118节点40机组的标准测试系统进行仿真,结果表明该算法提高了系统的计算速度,改进了算法的并行性,更适合求解大规模复杂系统。     

Antoni Gaudí and Frei Otto: Essential Precursors to the Parametricism Manifesto

As Senior Architect to the Basilica of the Sagrada Família in Barcelona, Mark Burry has been ‘thinking parametrically’ for almost his entire career. Here he describes how his longstanding role overseeing the completion of Antoni Gaudí's masterpiece has afforded unique insights into the work of a great geometer and parametric thinker. Burry places the contribution of Gaudí alongside that of Frei Otto – the other eminent 20th-century Proto-Parametricist.     

复合拣选策略下堆垛机作业序列优化问题

订单拣选是配送中心最费时费力的环节,配送速度不仅是新型电商的核心竞争力也是大型制造企业物料配送的核心指标,复合式拣选策略成为提高配送速度的重要方式。结合复合式拣选方式中货物之间不同的出货要求,将货物按照出货的紧急程度进行分类,建立了以能耗成本、作业时间以及出货惩罚值最小化为目标的堆垛机拣选作业序列多目标优化模型。通过改进带精英策略的非支配排序遗传算法(NSGA-Ⅱ)实现该问题的高效求解。算例分析表明,复合式拣选策略下可实现大多数订单的提前拣选,改进优化算法可为决策者在成本、效率和服务质量3个维度提供科学决策依据。     

Time–cost optimization: using GA and fuzzy sets theory for uncertainties in cost

Uncertainties should be considered in any time–cost trade‐off problems when minimizing project cost and duration, which leads to the so‐called stochastic time–cost trade‐off problem. A new approach to investigate stochastic time–cost trade‐off problems employing fuzzy logic theory is presented. The proposed approach fully embeds the fuzzy structure of the uncertainties in total direct cost into the model. An appropriate GA is used to develop a solution to the multi‐objective fuzzy time cost model. The accepted risk level of the project manager is defined through α cut approach for which a separate Pareto front with set of non‐dominated solutions has been developed. To compare the alternative set of options for any assumed project duration, associated fuzzy costs for different values of α cut are ranked employing two appropriate approaches for fuzzy costs comparison. The proposed models are applied to solve two benchmark test problems. It is shown that the models facilitate the decision‐making process by selecting specified risk levels and employing the associated Pareto front.     

基于进化算法的多目标优化方法

进化算法在解决多目标优化问题中有其特有的优势.首先对多目标优化问题进行了描述;然后结合研究现状讨论了目前几种主要的基于进化算法的多目标优化方法,以及它们的优缺点;最后给出了多目标进化优化算法的一些应用,以及进化多目标优化算法的未来发展方向.     

基于Pareto协同进化算法的TS模糊模型设计

提出一种可同时构造多个精确性和解释性较好折中的TS模糊模型的设计方法．该方法由以下两步组成：1）采用模糊聚类算法辨识初始模型;2）利用Pareto协同进化算法对所获得的初始模型进行结构和参数优化．Pareto协同进化算法由规则前件种群和隶属函数种群组成,其目标函数同时考虑模型的精确性和解释性,采用一种新的基于非支配排序的多种群合作策略．利用该方法对一类合成非线性动态系统进行建模,仿真结果验证了该方法的有效性．     

基于一种新模型的多目标遗传算法及性能分析

在多目标优化中,各目标通常相互冲突,其最优解往往有无穷多个,如何在最优解集中求出一组分布均匀且数量多的Pareto最优解供决策者选择十分重要.本文给出了多目标优化的一种新解法.首先定义了种群序值的理想方差和种群密度的方差,然后把目标个数任意的多目标函数优化问题Ⅰ转化成了用种群序值的理想方差和种群密度的方差构成的两个目标函数的优化问题Ⅱ,并对转化后的优化问题Ⅱ提出了一种新的多目标遗传算法(RDMOEA).计算机仿真表明RDMOEA算法对不同的实验函数均可求出在最优解集合中分布均匀且数量充足的Pareto最优解.     

多目标粒子群算法用于补料分批生化反应器动态多目标优化

多目标优化是过程系统工程的重要课题,通常以加权或约束方式将其转换为单一目标,未能反映多目标间的复杂关系,不利于随时根据需求作出有效的决策。基于群智能的粒子群算法具有全局优化性能,且易于实现。为使其适于多目标优化,应拓展功能,实施改造。以Pareto支配概念评价种群个体的优劣,设计了确定局部最优点和全局最优点的操作。又利用各粒子的局部最优点信息进行速度更新,以加强种群的多样性,避免因早熟而陷于局部最优。还设置了外部优解库,并通过分散度计算,以适当的策略进行更新,使之逐步均匀地逼近于Pareto最优解集。由此构建一种多目标粒子群优化算法（multi-objective particle swarm optimization,MOPSO）,并用于补料分批生化反应器的动态多目标优化,取得了满意的结果。可基于所搜得的Pareto最优解集,分析目标间的关系,为合理决策提供有效的支持。经与NSGA-II比较,MOPSO算法具有更为优良的性能。     

解决投资套牢问题的关系合约分析

针对市场需求不确定,新产品频繁推出,上游企业必须提前进行生产能力的投资等情况,分析了传统交易中因投资套牢而导致的投资不足问题,运用关系合约理论研究了解决该问题的方案.建立了信息对称条件下的关系合约模型,分析了关系合约可自执行的条件,给出了最优投资规模和转移支付水平的解.结果表明,在信息对称条件下,关系合约能够达到帕累托最优;此外,建立了信息不对称条件下的关系合约模型,分析了关系合约可自执行的条件,给出了最优投资规模和转移支付水平的解.结果表明,在信息不对称条件下,由于存在信息租金,关系合约不能达到帕累托最优.     

多工况输气管道泄漏声波信号自适应去噪

为实现极低信噪比下管道泄漏声波信号去噪,基于多通道信号的相关性,提出使用相关系数矩阵筛选变分模态分解所得 模态分量。 针对不同工况的泄漏信号,提出不依赖真值的去噪质量评价指标,将其作为多目标灰狼优化算法目标函数,基于 Pareto 前沿获取变分模态分解的最佳模态数 K 和惩罚因子 η,实现多工况自适应去噪。 搭建了输气管道泄漏多工况实验平台,在不同工 况、不同输入信号信噪比(-8~4 dB)下验证所提方法的去噪效果。 结果表明,该方法能有效抑制噪声,-8 dB 时去噪信号信噪比提 升 2. 84 dB 以上。 对比基于单目标优化的去噪方法,-8 dB 下新方法的信噪比和相关系数分别提高了 3. 65 dB 和 31. 26% 。