柔性作业车间多目标调度优化研究

研究了多目标柔性作业车间调度问题(FJSP),提出了一种基于Pareto的混合遗传算法,并建立了包括生产周期、总拖期时间和机床负载在内的多目标优化模型.该算法采用基于工序的编码方式和活动化解码方法,将Pareto排序策略与Pareto竞争方法结合起来.为了保证解的多样性,采用小生境技术并同时使用多种交叉方法,用Pareto解集过滤器保存进化过程中的最优个体,防止最优解的遗失.算法最后给出问题的Pareto最优解集.仿真试验证明,提出的混合遗传算法可以有效解决多目标FJSP.     

两连杆桁架设计的多目标优化算法

针对两连杆桁架的多目标最优化设计问题,提出一种利用遗传算法和模糊理论来求解多目标优化问题的Pareto最优解算法,并通过实验进行验证;讨论遗传算法和模糊理论产生Pareto最优解的差异.结果显示:通过遗传算法配合近似分析的方法可以更有效率地寻找到更多的Pareto最优解.     

多目标优化算法中Pareto最优解集适应度值的研究

多目标优化算法主要研究如何利用算法求解相对复杂得多目标问题从而得到一组最优解,多目标优化算法已经成为进化计算领域的研究热点之一。多目标优化问题解的多样性主要体现在两个方面,即目标解分布的广度和均匀程度。为了使目标解具备多样性且均匀分布,研究领域提出了多种解决方法,本文主要围绕Pareto最优解集适应度值展开深入的研究与分析。     

结合区间和符号方法的多变元多项式的混合全局最优化方法

提出了一种求解带边界约束的多变元多项式全局最优解的混合方法.混合是指在优化的过程中结合了区间方法、符号方法和数值方法.一方面通过区间方法在舍入误差存在的情况下得到包含最优解且满足要求的任意小区间;另一方面通过符号方法解决当Jacobi矩阵在区间内某点奇异时区间牛顿法无法验证驻点的存在性与惟一性的问题;同时,利用数值优化方法(如BFGS方法)来有效克服区间方法运算速度慢的缺点.此外,文中的算法非常有利于并行化,因此可以进一步提高算法效率.     

基于多目标量子粒子群算法的环境/经济调度

针对传统的粒子群优化算法在求解环境/经济调度中存在控制参数多和局部搜索精度低等问题,提出一种基于多目标量子粒子群优化算法的环境/经济调度问题的求解方法.该算法利用具有量子行为特性的粒子搜索解空间,引入改变作用区间的变异算子增强全局搜索能力,并采用基于粒子多样性的方法更新全局最优的领导粒子.仿真结果表明,该算法是有效的,所求Pareto解集能逼近真实的Pareto解集且具有良好的分布性.     

多目标优化问题的差分进化算法研究

为保持所求得的多目标优化问题Pareto最优解的多样性,提出了一种精英保留和根据目标函数值进行排序的多目标优化差分进化算法.对排序策略中目标函数的选择方式进行了分析和比较,并提出了一种确定进化过程中求得的精英解是否进入Pareto最优解集的阈值确定方法.用多个经典测试函数进行了实验分析,并与NSGA-Ⅱ算法进行了比较.实验结果表明,该方法收敛到问题的Pareto前沿效果良好,能有效保持所求得的Pareto最优解的多样性.     

一种求解多目标旅行商问题的混合进化算法

许多科学与工程优化问题往往需要转化为多目标旅行商问题进行求解,由于目标函数之间的冲突性,使得这类问题不存在能够优化所有目标函数的唯一最优解,而是存在一个Pareto最优解集或者Pareto Front。为了获得一个高质量的Pareto最优解集,提出了一种基于蚁群优化和差分进化的混合多目标进化算法。在提出的算法中,一方面采纳分解机制利用蚁群优化算子实现对Pareto最优解的开发,另一方面采纳拥挤度概念利用差分进化算子实现对Pareto Front的探索。通过对一组标准测试算例的仿真实验,结果表明所提出的算法比现有的算法能够获得分布性和收敛性更优的Pareto解集。     

基于自适应环境因子熵权决策的多目标特征选择

多目标进化算法在特征选择方面有显著的优势，但其求解高维数据最优特征子集的性能依然较差，且从获得的Pareto解集中选择合理最优解仍是一个挑战性的问题.为了解决该问题，提出一种基于自适应环境因子熵权决策的多目标特征选择算法.首先，通过设计环境因子来自适应识别关键特征，优化候选特征子空间；其次，将环境因子嵌入改进的交叉算子和变异算子，实现全局最优特征子集的自适应搜索；最后，利用关联环境因子的熵权决策策略，从获得的Pareto解集中选出最优解.实验表明，与现有的五种多目标特征选择算法相比，提出的算法具有更高的分类精度，并能准确地获取全局最优解，验证了该算法的有效性.     

一种用于多目标优化的克隆选择算法

多目标进化算法的研究目标是使算法种群快速收敛并均匀分布于问题的Pareto最优前沿面.为此,在比较与分析已有多目标进化算法的基础上,借鉴免疫系统中的克隆选择原理,提出了一种用于多目标优化的克隆选择算法.该方法只对部分当前所得到的Pareto最优解进行进化操作,并选用一种简单的多样性保护机制来保证Pareto最优解具有良好的分布特征.'实验结果表明该方法能够很好地达到Pareto最优前沿面,较好地保持解的多样性,并且具有很快的收敛速度.     

带有盒子约束的多目标优化问题的进化算法

针对带盒子约束的多目标优化问题,提出一种多目标优化进化算法。在选择过程中．采用Pareto支配和聚集距离排序来挑选出有代表性的个体。在变异过程中,沿着权重梯度方向搜索来寻找可行的Pareto最优解。最后,采用两个数值算例测试算法的性能,通过与NSGA—II的比较结果表明该算法能获得多目标优化问题的可行Pareto最优解并且具有很好的分散性。     

多层框架结构区间优化新方法

多层框架结构的设计参数受测量或加工精度影响往往具有一定的误差或不确定性.针对设计参数具有不确定性的多层框架结构,提出一种区间优化新方法.用区间数表征框架结构的不确定设计参数,通过优化框架结构响应区间值的上界,将区间优化问题转化为近似的确定性优化问题.将结构响应Taylor展开式中的一阶导数也看成区间的,可得到框架结构响应更加准确的变化范围. 选择区间设计参数的中值和半径为优化变量,可以得到比传统确定性结构优化更多的优化信息.对一典型四层框架结构进行了具有频率约束的区间优化.结果表明,区间优化不仅能得到与传统结构优化大致相同的设计参数最优值,还能得到当实际工程问题中设计参数取不到理论最优值而有微小波动时,框架结构响应的变化范围,为框架结构的可靠性分析提供理论依据.     

基于区间分析的结构非概率可靠性优化设计

将结构体系及其所处复杂环境中的不确定参数描述为区间变量,在区间可靠性分析方法的基础上,发展出一种结构非概率可靠性优化模型,可给出满足一定可靠性要求的优化设计方案.结构非概率可靠性优化过程包含两个层面,外层根据问题特征选用不同的全局寻优能力较强的优化算法,内层根据响应对不确定性量的敏感程度可使用基于Taylor展开的区间分析方法和配点型区间分析方法代替优化过程以评估结构响应的上界和下界.这种优化方式既避免了两层嵌套优化,极大的降低了优化过程的计算量,又可充分利用现有成熟的优化算法,程序的可移植性强.模型中使用改进的两种不同的区间可靠性模型,分别为基于区间能度方法的＂1公式模型＂和基于图表法的＂2公式模型＂,实用性强.文中的两个数值算例表明了本文所提出方法的有效性.     

区间有限元控制方程的求解方法

考虑了输入参数和荷载的有界不确定性，用区间变量来表示．将区间有限元分析同摄动方法、优化技术相结合，提出了求解区间有限元方程的区间参数摄动法和区间参数优化法，针对参数在较大范围内变化的情况，提出了参数分区求解的方法．通过数值算例进行了对比分析和讨论，说明了所提出方法的可行性和有效性．     

不确定环境下的物流配送中心选址模型

针对现实中普遍存在的不确定环境，提出了当需求量为一般的不确定量：区间数时，物流配送中心选址的区间规划模型，并依据不同的决策标准，将其转化为确定的单目标或多目标规划模型．基于Matlab模拟的数值实例也显示了该优化问题的现实性与最优解的多样性．     

NSGA-II与改进粒子群算法相结合的储能优化配置

储能系统的选址定容在接入新能源的电力系统中具有重要意义,合理选择储能容量可以很好地平抑风电接入后的系统有功功率波动,同时减少能源浪费。本文提出了一种混合智能优化算法(Hybrid Intelligent Optimization Algorithm,HIOA),以电压偏差、负荷波动最小及最少储能配置容量为目标进行优化配置。该算法将多目标粒子群算法改进后(IMOPSO)与精英非支配排序算法(NSGA-II)结合,与常规多目标粒子群算法相比,大幅提高了算法的寻优性能,保证了Pareto 解的多样性和分布性。通过非支配排序求解获得Pareto 最优解集,采用逼近理想解排序(technique for order preference by similarity to an ideal solution,TOPSIS)选出储能的最优接入方案。通过IEEE-33 节点测试系统的仿真实验验证了本文所提算法的准确性及有效性,在求解配电网储能选址定容问题中有很好的收敛性和全局寻优能力。     

不确定结构的区间可靠性优化设计

对不确定结构的区间可靠性进行了研究，建立了基于区间可靠性的优化设计模型.采用结合嵌套遗传算法和径向基函数神经网络的模型，进行区间的直接优化，解决了基于区间可靠性的优化设计求解问题，避免了间接模型的复杂转换过程.充分考虑了实际工程中设计向量存在扰动的情况，提出了该情况下目标函数波动的约束，使目标函数和约束函数在扰动下依然满足可靠性要求.通过数值算例验证了模型的有效性和优越性.将所提出的模型用于具有区间不确定参数的行车平板优化，结果表明了所提方法的可行性和工程有效性.     

多态不确定性环境下城市固废管理模型及求解

研究了多态不确定性环境下的城市垃圾处理问题.在一定假设条件下,建立了一类固废管理问题的区间模糊优化模型.提出了区间大小关系可能度算子的公理化定义,并基于这种可能度算子的方法,对给定的权重系数和置信水平,推导了原模型的确定型等价类,从而把区间模糊优化问题转化为普通的线性规划问题求解.将所建立的模型和求解方法用于解决一个实际固废管理问题,结果证实了该模型及其求解方法的有效性.     

基于多目标协同优化算法的卫星结构优化设计

针对卫星系统中多目标、多约束、耗时的结构优化问题,建立了卫星结构的多目标协同优化模型.将协同优化方法与全局多目标优化算法相结合,并针对协同优化方法的缺陷采取一些改进措施,提出了协同优化方法与全局多目标优化算法(CO-PE)组合优化方法.以某卫星结构多目标优化问题为例,在iSIGHT优化软件中对卫星结构进行多目标协同优化设计,通过CO-PE组合优化方法获取Pareto最优解集.优化结果表明,多目标协同优化模型能够简化优化问题的复杂度,基于近似模型的CO-PE组合优化方法具有较好的准确性和高效性,对实际工程中类似的复杂结构优化问题具有一定的参考价值.     

一类不可微总体极值的区间算法

在区间分析基础上，本文对分段光滑函数定义一种特殊导数概念，利用导函数的区间扩展，推出一种求解此类不可微总体极值的区间算法     

需求区间型运输问题的模糊优化模型

为解决需求区间型运输问题,将弹性需求区间转化为三角模糊数,建立该问题的模糊优化模型;根据运输问题的特点,将模糊优化模型转化为两个等价的运输问题,给出模糊最优判决λ＊的一个定理,并给出此类运输问题的一种简便求解方法;最后,通过实例验证方法的有效性.