沥青路面养护决策的多目标优化模型的研究

路面养护决策优化模型是整个路面管理系统的核心。通过对费用和效益的分析,提出了效益的计算方法,由此建立了以路面状况指数(PCI)和路面行驶质量指数(RQI)所产生的效益为目标,资金为约束条件的多目标优化模型。这为路面管理者制定最佳养护计划,进行合理养护决策优化提供了依据。     

基于反馈控制原理可靠性多目标优化设计的满意解

通过对多目标优化问题不确定性因素的分析,将有效解问题扩展到模糊多目标优化模型软计算满意解求解问题．利用模糊集理论中隶属函数,将各子目标模糊化后处理为满意度函数,进而在分析控制系统中的闭环控制原理和多目标满意解优化软计算的动态过程的相似性后,提出了建立基于闭环反馈控制原理,由协调校正权函数、相对优属度函数和重要性加权指数构成的多目标满意解总评价函数方法．最后,给出机械零件可靠性多目标满意解优化实例进行验证．     

线路与编组站能力限制下的车流组织模型与模拟退火方法

研究了在线路能力、编组站能力（改编能力、通过能力及可利用的调车线数量）与装卸车能力受限条件下的车流组织方案优化问题．其目标是最小化集结费用、改编费用、换算车公里费用，以及组织始发直达而产生的换算车小时消耗，并满足车站和线路的有关能力限制．为此，建立了该问题的两类数学优化模型：大规模的非线性混合整数规划形式和非线性０—１规划形式．基于此类问题的难度，采用了模拟退火算法处理所建模型，其有效性通过对两类不同网络的例子计算得到了证实     

基于遗传算法的静电反馈式微传感器多目标优化

讨论了一种新型梳齿式静电反馈微加速度计的多目标参数优化问题，从耦合静电场能量关系出发，建立了系统的动态模型．在此基础上，以灵敏度、分辨率和动态响应为优化目标，通过目标规划法，构建了系统的多目标优化模型．利用遗传算法进行优化求解，并与序列二次规划法的优化解进行了对比分析，研究结果表明，这2种算法均能成功地求解优化问题，但遗传算法可得到设计者更为满意的多目标有效解．研究工作为进一步利用遗传算法的随机性和潜在并行性进行系统的Pareto多目标优化提供了基础．     

用折衷规划进行路面管理的多目标优化

为实现有限资源约束下路面管理效益的最大化和费用的最小化,提出多目标优化方法.应用折衷规划的数学方法建立路面管理决策双目标优化模型,目标函数为路网平均路面性能和维修设备工作时间最大化,约束条件包括维修费用、人力以及最低路面性能等;通过路网养护维修数据对模型进行验证.计算结果表明,维修费用和维修人员的使用率分别达到92.8%和99.9%.该方法是路面管理的有效优化工具,能够实现路面管理的多目标决策.     

基于非支配排序遗传算法的沥青路面大中修养护决策

为了更好地协调沥青路面大中修养护方案决策时成本、环境和性能之间相互制衡的矛盾,提出了一种基于非支配排序的遗传算法(non-dominated sorting genetic algorithm Ⅲ,NSGA-Ⅲ)来优化沥青路面大中修养护方案决策。针对实际公路工程项目中多重约束条件下的养护需求,建立了以碳排放量、寿命周期成本及路面使用性能为目标的多目标优化模型,采用NSGA-Ⅲ算法求解模型,有效解决各目标间的非支配关系,并得到养护方案的Pareto解集;在多属性决策中引入广义马氏距离与组合赋权方法,对Pareto解集进行排序决策,并以承德市某公路为例进行实例演示;划分3种不同的权重等级和六种权重策略,分析对不同目标赋予不同权重等级时对最优养护方案的影响。研究结果表明:NSGA-Ⅲ算法可以快速、高效地捕捉多目标解集,当对不同目标赋予相同的权重等级时,相比于只考虑单目标与双目标的养护方案,其最优解在碳排放量上分别降低24.45%、28.41%;寿命周期成本分别降低14.43%、17.95%;PCI值分别降低1.07%、3.68%。该方法相比于传统的决策方法可以更准确、更迅速地得到可持续性的养...     

基于Pareto GA的机械手结构/控制多目标优化设计

针对机械／控制系统并行设计的多变量、多目标优化特点,以单臂机械手为对象,研究机电融合优化设计模型和多目标并行优化的算法．根据单臂机械手的动态特性和控制性能要求,采用极点配置方法构造了基于PD反馈控制的机电融合优化设计模型,通过Pareto遗传算法（PGA）对带约束的机电融合多目标优化问题的并行求解进行了研究,并对得到的Parato可行解集进行了分析．在PGA优化过程中采用了目标函数的归一化处理、分级罚函数法将约束问题转化为无约束优化、群体分级和Pareto解集过滤器等技术,并采用聚类方法对Pareto解集中解的个数、解集的特性和解的多样性进行控制,使优化解收敛到一个非劣点集．     

分布式降雨径流模型率定的多目标分析方法

利用多目标方法，对自主研制的具有物理基础的分布式降雨径流模型进行了参数的多目标分析和模型有效性探讨．通过对参数的敏感性分析，确定糙率系数和土壤饱和水力传导率为率定的主要参数，选择效率系数、模拟洪峰的相对误差和洪峰达到时间的绝对误差为目标函数．在模型率定过程中，首先利用多目标最优化方法获得模型参数的非劣解集，然后又利用离散型协调规划从非劣解集中选出满意的模型参数，最后通过对非劣解集模拟的过程线的范围及形状的分析，对模型的有效性进行了评价．研究结果表明，多目标模型率定方法综合考虑了水文过程的各种要素，获得的满意解优于传统的单目标优选结果，非劣解集的聚合程度及模拟的过程线的范围能够反映模型的有效件．     

沥青路面网级管理系统中资金优化模型

从路网未来高、中、低三种规划目标出发,将网级路面管理系统中的资金优化模型分为高服务水平资金优化模型、中服务水平资金优化模型和低服务水平资金优化模型,既符合道路管理部门决策过程,又为降低模型的求解难度提供了一种新的路径.在对三类模型的形式及求解过程分析的基础上,通过实例对模型的有效性进行了验证,验证结果表明,该分析方法对道路管理部门进行养护维修经费的需求分析具有实用价值.     

论时间／费用优化中资金的时间价值

以时间/费用优化为例,给出了考虑资金时间价值后,对网络进行动态时间/费用优化的数学模型,编制了遗传算法程序,通过改进的遗传算法求取了模型的最优解,并且将优化结果与不考虑资金时间价值条件下的结果进行分析对比,结果表明,考虑资金的时间价值对网络进行动态优化其结果才更为可靠、准确.     

无人机多任务区侦察时间分配模型与应用

为了合理分配无人机对多个任务区的侦察时间,提出了一种包含问题建模、求解和方案决策的无人机多任务区侦察时间分配方法。首先,建立了包含侦察收益和侦察风险两目标的无人机多任务区侦察时间分配模型,该模型属于带约束多目标优化问题;其次,提出了一种改进的基于分解的约束多目标进化算法,该算法具有简单、灵活、无参等特点,可有效求解;最后,利用优劣解距离法从非支配解集中选择最优方案。选择了6种约束多目标进化算法,在3个不同雷达强度指数条件下进行对比实验。Hypervolume指标说明约束多目标进化算法在求解该问题时优于其他算法。实验结果表明：提出的方法在求解无人机多任务区侦察时间分配优化问题中能够实现快速准确决策。     

模糊随机多目标规划性质的研究

在模糊随机环境下,针对于多目标规划问题的性质,给出了一系列的重要结论。首先,基于模糊随机理论,提出了模糊随机多目标规划问题的期望值模型,实现了对实际问题的不确定性到确定性的转化, 并为解决实际问题提供了理论模型。规划问题的凸性在优化理论中占有非常重要的地位,因此,对于所提出模型的凸性,利用模糊随机变量的期望值的特殊性质,给出了严格的证明。 定义了模糊随机多目标规划的期望值绝对最优解、期望值有效解及期望值弱有效解的概念,并研究了它们的性质。根据生活中的实际问题所建立的模糊随机规划模型的求解,所得结果为其算法的研究及最优决策的执行提供了重要的理论依据。     

不定二次规划的全局优化算法

对不定二次规划问题提出了一个新的确定型全局优化算法,通过对目标函数和约束函数的线性下界估计,建立了不定二次规划的松弛线性规划.通过对松弛线性规划可行域的细分,以及一系列松弛线性规划的求解过程,并通过实例证明了算法能收敛到原问题的全局最优解.     

一种求解多目标优化问题的有效算法

为突破求解多目标优化问题已有方法的局限,研究一种新的全局收敛算法,其中目标函数和约束条件均为一阶连续可微函数。该方法结合理想点法和调节熵原理将带约束多目标优化问题转变成无约束问题,构造函数的区间扩张和无解区域删除原则,建立了区间调节熵算法,并证明其收敛性。数值算例表明,该算法是有效、可靠的。     

设施布置算法性能比较和仿真

为了解决多目标的优化问题,提出了变动临近区域遗传算法。算法在解决设施布置问题时,改进了质化研究和量化研究中的一些不足。仿真结果表明,与传统的NPGA、VEGA遗传算法相比较,该算法在最终解个数、算法的稳定性、染色体的均匀程度等评价指标上为最优。     

设施布置算法性能比较和仿真实现

为了解决多目标的优化问题,本文提出了变动临近区域遗传算法。算法在解决设施布置问题时,改进了质化研究和量化研究中的一些不足。仿真结果表明,与传统的的NPGA、VEGA遗传算法相比较,该算法在最终解个数、算法的稳定性、染色体的均匀程度等评价指标上为最优。     

AHCI中对用户建模的模糊数学处理方法

自适应人机接口是智能计算机领域需要研究的关键问题之一。从人机工程学的角度对人的因素进行了分析,提出了应当关注的若干因素,并把用户类型作了新手划分。     

一种解多目标优化问题的基于分解的人工蜂群算法

在处理多目标优化问题时,如何平衡所得解集的分布性与收敛性是一个困难又重要的工作。为此,提出了解决该问题的一种基于目标空间分解的人工蜂群算法(MOABC/D)。首先采用一组方向向量将目标空间分解成一系列的子区域,并在每一个子区域至少保留一个解来保持解的分布性,其次提出一个基于分解的选择策略和2个基于信息交换的搜索策略来提高人工蜂群算法的搜索能力,并采用一个基于高斯分布的搜索策略来增强人工蜂群算法的搜索效率。为验证所提算法的性能,与8种同类算法在10个测试问题上进行比较。结果表明,本文所提算法得到的解集具有更好的收敛性能和分布性能。     

基于NSGA-Ⅱ考虑性能的烧结矿配料优化

针对传统只考虑成本的烧结矿配料优化问题,研究了考虑性能的烧结矿配料优化模型,将性能指标还原度、转鼓指数(机械强度)、利用系数作为目标函数.利用非支配排序遗传算法NSGA-Ⅱ在解决多目标优化问题上的优势对该目标进行优化,结果表明,NSGA-II解决多目标问题很有效,为考虑性能的烧结矿配料优化提供了一种新方法.     

基于模糊逻辑的多目标优化问题遗传算法求解探讨

基于群体搜索的遗传算法求解多目标优化问题具有独特的优势,鉴于决策者事先对于各目标的重要性一般只有模糊的认识,文中对各目标进行了模糊化处理,构造了适应值函数,提出了基于模糊逻辑的多目标优化问题遗传算法求解方案.