基于全排序与混沌多样性的高维目标进化算法

当前大部分多目标进化算法采用Pareto排序为种群个体指定适应度值;然而随着优化目标个数增加,种群中非支配个体的比例越来越大,造成上述算法的搜索能力迅速下降。针对高维(4个以上)目标优化问题,提出了一种全排序方法;该排序方法与Pareto排序具有一致性,并且能够对非支配解进行比较;因此基于全排序的多目标进化算法不受目标个数增加的影响。为了提高算法的优化效果,设计了一个混沌映射算子,用来周期性地初始化种群,以保证种群的多样性与均匀分布。最后,采用标准测试问题对所提算法与著名的非支配快速排序遗传算法(NSGA2)进行了实验比较。结果表明在高维目标优化问题中,所提算法无论在收敛精度,还是算法运行效率上都高于NSGA2算法。     

基于替代模型的油藏注采参数多目标优化设计

针对水驱油藏生产过程中合适的注采参数选取难的问题,提出了以净现值和累产油量为目标函数的多目标优化注采参数设计方法。采用基于粒子群算法的最小二乘支持向量机作为替代模型代替数值模拟,并用带精英策略的非支配排序多目标优化遗传算法对注采参数进行优化。以某区块两注两采模型为例,选取生产井井底压力和注水井注入量为优化变量,通过粒子群算法优化的最小二乘支持向量机构建替代模型,在优化过程中代替数模,再利用非支配排序遗传算法对注采参数进行优化。对比分析替代模型和数值模拟优化设计的结果,其误差在3%以内,并在注采参数优化时间上得到了明显提升。     

基于改进萤火虫算法的移动机器人多目标路径规划

针对复杂室内环境下移动机器人的路径规划问题,提出一种面向多目标同时优化的改进萤火虫算法;该算法利用栅格地图对机器人作业环境进行建模,将Pareto支配关系引入到萤火虫个体的亮度评价过程,构建精英库保留算法迭代过程中的Pareto非支配解,采用自适应网格划分策略维护种群的多样性;以路径长度、路径安全性和路径平滑度为目标进行运动路径的搜索与优化。仿真结果表明,与经典的带精英策略的非支配排序遗传算法相比,面向多目标同时优化的改进萤火虫算法求得Pareto非支配解集更优越。     

基于改进的NSGA-II的卫星星座构型分层优化策略

针对卫星星座系统一体化设计方法运算开销庞大的缺陷,提出了卫星星座构型分层优化策略,其核心是改进了非支配排序算法的非劣性分层遗传算法(NSGA-II).新的非支配排序算法结合了Jensen的递归方法和快速排序法的优点,其鲁棒性优于递归方法和快速排序法,改进的NS-GA-II算法其计算复杂度O(MNlog N)也远小于原NSGA-II算法的O(MN2).最后,将新的优化策略用于区域导航卫星星座构型的优化设计,并利用Matlab和Satellite Tool Kit(STK)对星座进行了仿真.仿真结果表明,设计的导航星座位置定位精度平均值达到2.73,采用新的优化策略的运算开销为采用原优化策略的13.3%,大大降低了卫星星座构型优化设计的运算开销,为卫星星座系统一体化设计方法的实用化建立了良好的基础.     

基于多目标MQABC算法的无人机协同任务分配

针对多无人机协同任务分配问题经过单目标简化后对决策处理存在片面性和主观性等问题,提出了一种利用多目标自适应快速人工蜂群算法对其进行处理的方法.首先,建立多目标无人机协同任务分配模型;其次通过建立外部种群的约束处理技术及重置Harmonic平均距离循环策略对自适应快速人工蜂群算法(ABCSGQ)进行改进.另外通过定义自主决策准则引导多目标任务分配的方案选取.仿真实验结果表明:相比于多目标人工蜂群算法及非支配排序遗传算法,改进算法具有较好的分布性、收敛性及更高效的求解能力.     

基于改进NSGA-Ⅲ的文本空间树聚类算法

构建倒排文本空间索引树(IR)分裂聚类多目标模型,对非支配排序遗传算法(NSGA-Ⅲ)的求解过程进行改进,提出一种基于先验初始种群策略的非支配排序遗传算法(PIPS-NSGA-Ⅲ),使其更适应于倒排文本空间对象分裂聚类问题的求解.通过PIPS-NSGA-Ⅲ算法寻求对象最小包围矩形(MBR)之间的重叠与覆盖面积、对象群间平均距离以及语义相似度等目标的最优前端解.通过对比PIPS-NSGA-Ⅲ,NSGA-Ⅱ,NSGA-Ⅲ和SPEA-Ⅱ进化多目标算法,从对象分类时间、效率、查询时间和准确度等多个方面来评估算法的优劣.实验结果表明:PIPS-NSGA-Ⅲ算法对文本空间对象聚类分裂具有较高的效率;相对于简化传统R树(STR树)与R树空间索引结构,基于改进NSGA-Ⅲ文本空间索引的平均查询时间减少24.8%,平均准确度提高3.75%.     

面向多目标柔性作业车间调度的强化学习NSGA-II算法

针对非支配排序遗传算法 (NSGA-II, non-dominated sorting genetic algorithm II)在求解柔性作业车间多目标优化调度问题中多样性不足、易于早熟与局部收敛的缺点,提出一种基于强化学习的改进NSGA-II算法(RLNSGA-II, reinforcement learning non-dominated sorting genetic algorithm II)。为避免NSGA-II陷入局部收敛问题引入双种群进化策略,利用性别判定法将种群拆分为两个种群,并在进化过程中采用不同的交叉变异算子,增加算法的局部和全局搜索能力;为解决NSGA-II精英策略造成多样性不足的问题,融合多个多样性度量指标,利用强化学习动态优化种群迭代过程中的拆分比例参数以保持多样性,改善算法收敛性能。最后通过Kacem标准算例进行了仿真实验与性能分析,验证了RLNSGA-II的有效性与优越性。     

知识驱动的高维多目标优化算法研究

针对传统的非支配排序在处理高维多目标优化问题过程中,因非支配解数量的指数增长而导致算法没有足够的选择压力的情况,提出了一种知识驱动的高维多目标算法(KD-NSGA-Ⅲ),以提升算法的收敛速度.该算法采用Pareto支配关系来衡量种群的优劣,通过知识引导筛选优势种群,结合参考点选择机制增强种群的多样性和广泛性,同时采用模拟二进制交叉策略和改进的自适应变异策略增强算法的搜索能力.通过对标准测试函数的实验,结果表明:相较于一些经典的多目标优化算法,KD-NSGA-Ⅲ在高维多目标优化问题方面性能改善效果优异,尤其在收敛速度上有显著的提升.     

基于Species机制的多目标遗传算法

多目标优化算法设计正在成为当前进化算法领域的一个研究热点.考虑将最初用于多峰优化的Species机制引入到多目标遗传算法中,通过借鉴现有多目标算法的相关思想,设计并提出了一种新的Species方法,包括基于Pareto最优性和拥挤度思想的Species种子确定策略及适应性的Species构造策略.一组标准多目标测试函数的仿真实验结果表明,提出的基于Species机制的多目标遗传算法表现出比经典的非支配排序遗传算法Ⅱ(NSGA Ⅱ)更好的性能.     

一种改进的RBF神经网络多目标优化算法

针对RBF网络训练中的多目标优化问题,提出了一种基于Pareto方法的改进的非支配排序遗传算法INSGA(Improved Non-dominated Sorting Genetic Algorithm).通过对某企业的订单数据进行预测的实验结果表明,它可以有效地解决以训练误差和测试误差为优化准则的RBF网络的参数确定问题,验证了改进的NSGA算法与RBF网络结合的可行性.     

含相变的缠绕管换热器设计及多目标优化

为实现含相变的缠绕管换热器的优化设计,提出了一整套计算模型,对传统模型中的Gilli公式进行了改进,大幅提升了该模型的计算速度.基于提出的计算模型以及非支配排序遗传算法Ⅱ(non-dominated sorting genetic algorithmⅡ,NSGA-Ⅱ)利用Python语言编写了缠绕管换热器的多目标优化程...     

一种改进的非支配排序遗传算法

为克服非支配排序遗传算法计算复杂度高, 未采用精英策略, 需要特别指定共享半径的缺点,提出了一种改进的非支配排序遗传算法.通过实验验证,该算法在几个给定的函数优化时都能取得比较好的结果.     

基于改进NSGA-Ⅱ算法的碟式斯特林系统多目标优化研究

考虑到碟式斯特林系统在循环过程中冷热源之间的热漏、回热损失及各种机械摩擦损失等不可逆问题,提出了改进快速非支配排序遗传算法,对系统热力学模型进行优化分析.首先,利用有限时间热力学分析了系统的效率、输出功率和压降;其次,提出了一种改进快速非支配排序遗传算法(Improved Non-dominated Sorting Genetic AlgorithmsⅡ,INSGA-Ⅱ),对多目标快速非支配排序遗传算法的选择算子和精英保留策略进行改进;最后,用改进后的算法对系统的功率-压降、效率-压降及功率-效率-压降分别进行两目标、三目标优化,并分析了11个决策变量在优化过程中的分布情况,利用TOPSIS决策方法从Pareto边界的可用解中选择最终最优解.实验结果表明,多目标优化求得的Pareto最优解分布均匀,得到的最优解更加符合实际,且发动机的转速、发动机的平均循环压力、回热器芯网数、活塞直径等结构参数的变化具有较高的灵敏度,为斯特林机的改进提供理论依据.     

约束差分免疫克隆算法及其在汽油调合优化中的应用

针对约束多目标优化问题,提出了一种新型的约束多目标优化算法。该算法采用了一种新型约束处理方式,先通过约束违反门限截取种群再依据约束与目标函数值针对不同情况实现对个体的优劣划分。本算法将差分进化与免疫克隆机制相融合,既利用了差分进化从全局角度进行搜索的特点,又利用了免疫克隆机制从优秀个体出发进行局部再寻优搜索的优点,扩大了算法搜索的广度与深度。测试结果表明该算法相比快速非支配排序遗传算法(NSGA-II)具有非常优秀的收敛性与分布性。将提出的算法应用于实际的汽油调合优化中,进一步验证了算法的有效性,可有效减少成本,提高产品质量。     

多目标城市道路交叉口信号配时优化算法研究

采用细胞传输模型对城市道路的交通流进行建模,提出了该模型中各项交通流运行指标的计算方法.将交通流模型嵌入到多目标优化算法中,替代以往传统的目标函数,采用非支配排序遗传算法NSGA II(none-dominated sorted genetic algorithm II)进行多目标的求解.通过算例分析不同输入条件和控制策略下的优化结果及与其他类似配时计算方法的比较,证明了此算法的结果较令人满意.     

基于NSGA-Ⅱ的DP船舶推力分配方法研究

针对动力定位(DP)船舶的推力分配问题,首先建立了关于推进器能耗、磨损以及推力误差的多目标优化目标函数,然后通过分析推力禁区、死区、饱和、推力变化率和方位角变化速率等约束条件,给出了多目标优化问题的约束不等式,最后利用改进的非支配排序遗传算法(NSGA-Ⅱ)对所提出的推力分配多目标优化问题进行了仿真验证.仿真结果表明:采用NSGA-Ⅱ算法进行推力分配可以有效降低推进器的能耗,在工程应用方面具有一定的可行性.     

面向物流场景的关键设备与输送线混合布局方法

针对物流场景中的关键设备和输送线布局问题,提出了一种结合多目标元启发式优化算法和布线算法的混合布局方法.在该方法中,首先建立以最优物料搬运总成本和输送线总成本为目标函数的多目标优化模型;然后使用元启发式优化算法实现关键设备的布局和解的更新与迭代,同时使用一种基于多目标评估的路径搜索算法实现输送线的布局,在布局中加入新策略以处理关键设备和输送线的约束;最后分别基于多目标粒子群算法(MOPSO)和非支配排序遗传算法2(NSGA2)实现两个混合布局算法,并通过实验验证该方法的有效性.     

考虑多资源约束的非等效并行机节能调度算法

针对瓶颈工序光刻过程中考虑能源消耗、多类型多数量的掩膜资源、换模等约束的非等效并行机调度问题,进行了改进型免疫克隆选择算法的调度方法研究.首先对问题域进行描述,以最小化总加权完成时间与能源消耗量为优化目标,建立了数学模型;在此基础上提出了一种带精英策略的多目标免疫克隆选择算法,该算法融合了非支配排序遗传算法的排序规则,并引入深度邻域搜索算子、种群更新算子以提高算法搜索性能及挖掘性能.最后,对算法进行仿真实验,结果表明该算法是有效的、可行的.     

基于外点惩罚函数与NSGA-II算法的气体分馏装置多目标优化

采用多元线性回归理论,结合最小二乘法对气体分馏装置进行优化建模,提出将惩罚函数法与非支配排序遗传算法（NSGA-II）相结合的优化策略,对气体分馏装置优化模型进行求解得到Pareto最优解集。优化结果表明,文中提出的改进NSGA—II算法求得Pareto解集的收敛性和多目标优化点的分散程度要优于NSGA．II和NSGA算法,该算法克服了NSGA—II算法Pareto解集的分散程度不均匀、NSGA算法收敛性差的问题。通过对比气体分馏装置目前工况与改进NSGA—II优化算法的结果可知,改进算法的结果成功地解决了目前该气体分馏装置能耗过高的问题,使该装置达到了节能优化的目标,为气体分馏装置的节能与优化设计提供了新的有效方法。     

面向机械设计的一种改进的遗传算法

根据对机械优化设计应用中模型的约束与目标函数的特点,提出一种改进的遗传算法.提出个体多代生存的模式和种群规模动态波动促进优良模式积累的理念.对约束和目标函数的处理分别采用了新的选择和配对算子.采用一种小生境技术保持优化算法搜索的全局性能.最后通过实验验证了本文提出的理念以及改进的遗传算法对于复杂约束问题的良好性能.