基于免疫遗传算法的机械手避碰逆解

给出了核反应堆检修用冗余机械手的无碰撞运动学求解方法。提出了一种基于免疫遗传算法的逆解方法,在保证解的精确性的同时对解进行了合理优化,使得求解过程快速准确。同时在求解的过程中利用罚函数法,对逆解过程进行避碰优化,使得基于该逆解方法的机械手运动控制更具灵活性。针对具体问题,提出了一种免疫遗传算法,对算法的快速性作出了考虑,满足了求解的实时性要求。     

基于局部搜索机制MOGA的多目标ADGHP建模及优化

依据航班的进离港过程,提出了一种航班优先系数计算策略,使得延误损失在进离港航班之间的分配合理化;在此基础上建立了一种进离港地面等待问题(ADGHP)多目标优化模型,以实现延误损失和续航航班延误时间的多目标优化.针对问题模型的复杂性以及现有多目标遗传算法(MOGA)的不足,提出了一种引入局部搜索机制的多种群遗传算法对问题求解,并改进优秀个体迁移策略,实现多目标的协同优化.最后,以国内某机场进离港航班为算例,使用所提算法进行计算,并与其它典型算法的求解结果对比,实验结果表明了所提模型与算法的有效性.     

递进多目标遗传算法

在现有算法研究基础上,提出了一种递进多目标遗传算法,该方法每进化一定代数后以一定策略对群体进行重构,以提高算法对解空间的遍历性,从而较大程度上避免算法的早熟.该算法采用非劣解等级优先的选择方式复制后代,降低算法的时间复杂性;通过递进层次间对部分非劣解个体执行局部搜索,加快全局非劣解集的进化.采用递进算法与现有两种典型多目标遗传算法NSGA、MOGLS算法对一些典型优化问题进行对比分析,验证了算法求解多目标函数优化问题的有效性;通过调整算法递进层次与每层进化代数的参数设置,进一步研究了参数选取对算法性能的影响.     

求解JLSP问题的遗传禁忌混合优化算法

针对批量与排序的集成问题设计一种遗传算法和禁忌搜索相结合的混合算法,用遗传算法作为主框架优化批量,排序部分由禁忌搜索单独优化,并将排序最优解反馈到遗传算法的主框架中生成集成计划继续寻优。遗传算法的选择算子和变异算子分别采用不同的自适应机制,以提高算法的搜索能力和收敛速度。对3种不同规模算例进行测试,其结果与其他算法比较,验证了所提算法的有效性。     

基于自适应进化粒子群算法的多目标优化方法

提出一种自适应进化粒子群优化算法(AEPSO),以提高多目标优化 PSO算法的性能.AEPSO算法把非支配排序技术、自适应惯性权重和特殊的变异操作引入到PSO算法中,来提高算法的全局搜索能力和粒子的多样性.与常用的整体加权方法来处理多目标优化问题不同,AEPSO算法采用非劣解排序来引导粒子的飞行,以改进算法的收敛性,同时采用特殊的变异操作防止早熟收敛并增加优化解的多样性.所提算法的有效性经过四种代表性benchmark函数进行验证,并与几种典型同类型算法进行比较.该算法已成功地用于合金材料的多目标优化设计.实验结果表明AEPSO算法能够较好地兼顾收敛精度与优化解的多样性,满足多目标优化设计的要求.     

基于分解进化多目标优化算法的火力分配问题

战前制定合理的火力分配方案,可以优化资源配置,用最小的代价获取最大的战场收益。综合考虑攻击、资源和毁伤概率等约束条件,建立了火力分配多目标优化数学模型。提出了一种求解火力分配模型的分解进化多目标优化算法,并设计了不可行解修复方法。仿真实验得出两个结论,一是不可行解修复方法可以显著提高算法的收敛性;二是在解决火力分配优化问题上,所提算法具有较好的收敛性和分散性,采用合适的分解方法可以有效提高算法的性能。     

可持续多式联运网络设计的多目标优化模型及算法

在回顾可持续运输网络相关文献的基础上提出一个可持续多式联运网络设计的多目标优化模型,该模型以可持续运输的时间、费用和CO2排放三个维度作为模型的优化目标。针对模型复杂的问题,在优化分解模型的基础上,设计了单目标遗传算法和多目标遗传算法NSGA-II联合求解的方式求解该多目标优化问题,并且通过算例验证了算法的有效性。结果显示在适当分解模型的基础上,采用单目标和多目标算法联立的方法能够得到复杂联运问题的多目标非支配解。     

基于对位学习多目标遗传算法的板形板厚控制

提出了一种基于对位学习多目标遗传算法的板形板厚控制系统设计方法。该方法给出了控制系统的结构,建立了板形板厚控制器参数的多目标优化模型,并采用对位学习多目标遗传算法对该模型进行多目标优化,得到一组控制器参数的Pareto解。在其中选择三个Pareto解对应的控制器参数,作用于板形板厚控制系统做仿真研究。结果表明,所得到的Pareto解集中选定区域的解都可以使系统具有满意的性能,并且对扰动有较好的抑制作用,证实了该方法的有效性。     

机械手逆运动学神经网络建模与仿真

采用多层前向神经网络来建立机械手逆运动学模型。在分析了用简单遗传算法学习神经网络存在求解速度慢、精度低及有量化误差等缺点的基础上，提出采用改进遗传算法来学习神经网络，用于机械手逆运动学求解。此方法采用实数值编码，并采取动态变异操作。仿真结果表明，该方法有效地弥补了简单遗传算法的不足，能快速达到全局收敛，从而大大提高了机械手逆运动学求解的精度。     

基于免疫机理的多峰值函数并行优化算法

多峰值函数的极值问题一直是优化领域中的一个难点和热点。传统搜索方法和遗传算法很难同时搜索出多个极值。基于生发中心中免疫细胞亲和度成熟的机理，本文提出了一种并行优化算法，目的是找出多峰值函数的多个最优解或最优解和尽可能多的局部优化解。算法的主要步骤有超变异、选择、记忆和相似性抑制。用不同的多峰值函数进行了仿真实验，并和相关算法进行了比较，结果表明所提出的算法具有良好的搜索性能。     

多目标优化设计中的Pareto遗传算法

遗传算法的随机性和隐含并行性,使它能同时搜索到多个局部最优解并获得最优解集。为了发挥遗传算法群体搜索的优势,提高多目标优化设计效率和灵活性,在自适应遗传算法的基础上引入群体排序技术、小生境技术和Pareto解集过滤器,建立了一种适用于多目标优化设计的Pareto遗传算法。以Pareto前沿面的形式给出优化设计的Pareto最优解集,供设计者按设计意愿选择最优的设计结果。采用Pareto遗传算法进行跨声速翼型的多目标优化设计,设计结果表明,Pareto遗传算法是十分有效的,完全可以用来进行多目标优化设计。     

冲突多目标相容预测控制

两层结构的相容控制框架可以解决复杂冲突多目标控制问题,但其需要克服的困难是多目标直接优化、第一层所选区间目标的实现和在线实时优化控制。采用多目标遗传进化算法解决了直接优化多目标的工具问题。为能实现第一层中所选择的控制目标,第二层中设计了不同于第一层中形式的指标,并加入选择函数以反映实际系统的需要。结合预测控制思想的特点,提出了在线迭代遗传算法,解决了在线优化速度问题。以预测控制动态过程中误差、能耗两个目标为例对相容预测算法进行了说明。     

基于遗传算法的高超声速进气道自动优化设计

高超声速进气道的优化设计对于改善进气道的性能,进而提高发动机整体飞行效率具有重要意义。利用FLUENT/MATLAB协同仿真技术,通过CFD对进气道模型进行高维分析,结合多机并行运算发挥遗传算法全局寻优的能力,提出了一种基于遗传算法和CFD仿真的高效、高精度的高超声速进气道自动优化设计方法,试图构建一种高超声速进气道自动优化设计的快速原型仿真平台。通过对三楔面定收缩比进气道的多目标优化算例,初步验证了此方法的可行性与高效性,为开展多变量多目标的高超声速进气道优化设计创造了良好的条件。     

基于模糊约束的军事物资配送多目标路径优化

针对带模糊时间窗口、模糊运输费用以及模糊运输风险的多目标军事物资运输问题,利用模糊期望理论,建立了带模糊约束问题的多目标运输路径优化模型,并利用改进的多目标量子遗传算法求解该模型,算法中采用量子比特编码,引入非支配排序和精英保留策略,防止算法陷入局部最优。仿真实验结果表明,建立的模型合理、算法有效,在军事物资配送问题中具有一定的实用价值,与传统的多目标遗传算法相比较,利用改进的多目标量子遗传算法求解该问题,收敛速度更快。     

柔性作业车间动态调度问题研究

为了有效求解柔性作业车间动态调度问题,提出了一个基于多目标免疫遗传算法(MOIGA)的动态调度优化算法。首先定义了柔性作业车间动态调度问题,然后采用事件驱动和周期驱动相结合的调度策略,提出了基于MOIGA的动态调度优化模型,接着设计了面向交货期性能最优的柔性作业车间调度算法,并讨论了影响算法复杂度的因素,最后通过一个实例仿真,表明了算法的可行性和优越性。     

基于多目标遗传算法的卫星成像任务调度技术

针对成像卫星的任务调度问题,考虑多种约束条件,提出了成像任务约束图模型。基于多目标优化和遗传算法思想,提出了一种应用于卫星成像任务调度的多目标遗传算法,详细分析了算法的各个关键步骤的设计思想,能够求得基于成像约束图模型的满意解,生成卫星的优化拍摄计划。卫星成像任务调度原型系统的实现和实验结果验证了该模型和算法的合理性和有效性。     

改进的Pareto多目标协同优化策略

为了提高标准协同优化的收敛性并扩展其多目标优化能力,将Pareto多目标遗传算法用于协同优化的系统级优化,提出了一种改进的Pareto多目标协同优化策略（enhanced collaborative optimization using Pareto multi-objective genetic algorithm, ECO-PMGA）。为了保证非劣解集的Pareto最优性与均布性,提出了一种考虑拥挤度的非劣解逐级排序方法。ECO-PMGA采用2-范数形式的学科间一致性约束以提高学科级优化的效率。通过两个典型的优化算例对ECO-PMGA的数值稳定性与搜索Pareto非劣解集的能力进行了检验。研究结果表明,ECO-PMGA的收敛性与数值稳定性得以显著提高,而且ECO-PMGA具有良好的Pareto多目标优化能力。因此,ECO-PMGA在复杂耦合系统的多目标优化设计方面具有较高的实用价值。     

基于分布式协商进化算法的多Agent目标冲突消解

针对多Agent系统研究中的目标冲突消解问题,建立了在多个Agent的局部目标和系统全局目标间进行协调优化的多目标优化模型.在多Agent分布式规划的框架下,提出了一种基于遗传算法(genetic algorithm,GA)的分布式协商进化算法,用于求解多目标规划模型.针对GA搜索中保持解的多样性、提高收敛速度等问题,对选择算子进行了设计.通过仿真实验,证明新的选择算子能有效提高解的质量.最后将该算法应用于部队机动协同路线规划的目标冲突消解问题,验证了其有效性.