基于Pareto解的交互式模糊优化及其应用

设计参数内关外联的属性和设计约束的模糊性、相关性和传播性往往导致多目标优化设计中冲突发生和目标间协调性差等现象。针对这些问题,应用模糊数学原理,构造尺度函数,增加附加约束,并基于Pareto解处的冲突矩阵、协同灵敏度分析以及目标重要度阈值的交互选择,建立了基于Pareto解的模糊交互式多目标优化模型。结果表明:提出的模型在兼顾主、客观要求的前提下,可降低目标之间的冲突程度,得到最大的满意度。以实例验证了模型的有效可行性。     

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.     

高速列车车厢夹层板断面结构的多目标优化

为获得不同运行速度和工况下的高速列车车厢侧墙结构,在拓扑优化结构的基础上进行了多目标优化研究。将侧墙夹层板质量、柔度、最大变形作为优化目标,以侧墙5段夹层结构的面板和夹心厚度为变量、车厢气压变化梯度为约束函数,利用代理模型技术,建立了各目标、约束函数与变量之间的代理模型,通过非支配遗传算法NSGA-II,得到了多目标的Pareto解集。该Pareto解集中的夹层板结构比拓扑优化得到的夹层板结构的最大变形性能提高了8.21%到33.58%,设计时可根据具体的要求和经验从Pareto解集中进行选择,从而为不同运行速度和工况下的高速列车车厢断面结构的设计提供了多种选择方案。     

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。     

考虑地面沉降约束的地下水模拟优化管理模型

为了解决地面沉降区地下水资源科学管理这一个重要的资源与环境地质问题,基于模拟优化(S-O)模型的思想,建立了考虑地面沉降约束的地下水模拟优化管理模型(SUBGO).模拟模型采用地下水模拟程序MODFLOW-2005中的地面沉降模拟子程序SUB-WT来模拟地面沉降过程.优化模型分别采用遗传算法(GA)和小生境Pareto禁忌遗传混合算法(NPTSGA)分别求解单目标和多目标的优化设计方案.将SUBGO管理模型应用于一个理想场地含水层中地下水开采方案和地面沉降控制的优化设计中,结果表明基于GA的单目标优化和基于NPTSGA的多目标优化均能搜索到全局最优解和全局分布的Pareto最优解,均能够在控制地面沉降的约束条件下,设计合理的地下水开采利用方案.与单目标相比,多目标优化能够为决策者提供多个解作为管理决策方案,同时多目标优化还提高了寻优的计算效率.     

基于伪并行NSGA-Ⅱ算法的火电站多目标负荷调度

为了克服以往负荷调度模型及优化算法存在的缺陷,提出了多目标负荷调度模型,同时考虑最小化燃料费用和污染排放量,并将带精英策略的快速非支配排序遗传算法(NSGA-Ⅱ)与并行遗传算法(PGA)相结合对其求解.利用该方法对一电厂进行多目标负荷调度,获得了分布良好的Pareto最优解,为经济性和环保性的权衡分析提供了有效的工具,分析结果验证了其思路的有效性和可行性.     

基于遗传算法的转向垂臂结构优化设计

提出了以体积(质量)最小和多工况下应力最小为优化目标,建立了转向垂臂的拓扑优化模型。以转向轮左、右转向极限工况和原地转向工况作为设计载荷,以垂臂模型的控制参数作为设计变量,建立了垂臂的多目标数学模型。采用第二代非劣排序遗传算法(NGSA-II)对所建立的数学模型问题进行优化求解,得到各自的Pareto优化解集,并参考Pareto解集对垂臂进行尺寸优化。结果表明,在不影响各项性能的前提下,转向垂臂减重17. 87%,取得了较好的轻量化效果。     

用遗传算法求解多目标0/1背包问题

扼要介绍多目标优化的Pareto最优性概念 ,研究搜索多目标 0 1背包问题Pareto最优解集的快速遗传算法 (FPGA :fastParetogeneticalgorithms) .FPGA采用种群中非支配解的层次评价可行解的适应值 ,提出了一种快速非支配解层次辨识算法 ,辨识算法仅有O(n2 )数量级的计算复杂性 ;采用基于聚类概率排挤的小生态技术维持种群多样度和Pareto最优解集的分布均匀性。对多种多目标 0 1背包问题的仿真优化实验结果表明 ,FPGA能够以有效的计算成本搜索到精度高的、分布均匀的高质量Pareto非劣解集 ,其收敛速度和收敛准确性一致地优于代表性的强度Pareto进化算法 (SPEA) .     

修正Game法多目标优化设计

本文介绍了多目标结构优化设计的 Pareto 最优解和修正的 Game 理论在结构优化设计中的应用。算例表明修正的 Game 法算法简便,结果可保证在Pareto 解集的范围内.     

具有反向学习的多目标元胞遗传算法的空间桁架结构优化设计

为了解决具有多约束的桁架结构问题,提出一种具有反向学习的多目标元胞遗传算法应用于空间桁架结构多目标优化设计中。根据分析元胞遗传算法特点,引入一种反向学习策略、差分进化策略和约束处理技术。通过标准测试函数对比分析,算法能很好地保持Pareto解集的收敛性和均匀性。针对空间桁架结构优化的数学模型,采用实数编码和个体修正方法,将该算法对72杆空间桁架优化问题进行求解,并与MOCell的优化结果进行比较。结果表明,新算法获得的Pareto解集更加均匀,极端点值域更宽广,具有一定的工程实用性。     

混合变量多目标优化设计的Pareto遗传算法实现

提出了一种用Ｐａｒｅｔｏ遗传算法来实施的带约束的多目标混合变量的优化方法。得到Ｐａｒｅｔｏ最优解集,决策者从中可选出满足设计需要的解。该算法包括６个基本算子：选择、变异、交叉、离散变量圆整算子、小生境、Ｐａｒｅｔｏ集合过滤器。建立了用于多目标优化的适应度函数,使用模糊罚函数法法将带约束的多目标优化问题转换为无约束优化问题,同时提出了处理混合变量多目标优化问题中离散变量的方法。最后用算例说明了该方法     

关于较多有效性与Pareto有效性的两个定理

证明了多目标规划问题的较多有效解和较多最优解与有关较多个分目标问题的Ｐａｒｅｔｏ有效解和Ｐａｒｅｔｏ弱有效解之间关系的两个基本定理     

一类基于混合遗传算法的多目标优化方法

提出一类求多目标Pareto解的快速算法，该算法将个体各分目标的最大值作为适应度函数，采用混合遗传算法，通过求解种群适应度极小值的方法来获得Pareto边界不同方向上的最优解，并在种群进化过程中采用了一些加速收敛的改进方法，通过典型算例的仿真验证了其有效性．     

双层多目标规划问题的Pareto有效解

研究双层多目标规划问题，提出了“双级Ｐａｒｃｔｏ有效解”和“带权数双级Ｐａｒｃｔｏ有效解”的概念，建立了对应的最优性条件．利用这些条件，我们可以设计求解双层多目标规划问题的算法．     

船舶锅炉水位PID控制器参数多目标优化整定

为有效提高船舶锅炉水位控制性能,提出一种基于多目标遗传算法和多属性决策(MADM)技术的PID控制器参数整定方法.将系统的跟随性能、扰动抑制性能及鲁棒性能作为目标函数,采用改进非劣分层多目标遗传算法(NSGAⅡ)求出Pareto最优解.使用客观赋权的信息熵法对Pareto最优解属性进行权值计算.采用逼近理想解的排序方法(TOPSIS)进行MADM研究,给出了Pareto最优解排序.仿真结果表明,该方法通用性好,PID性能良好,适合工程实际应用.     

Multiobjective optimization and multivariable control of the beer fermentation process with the use of evolutionary algorithms

This paper describes empirical research on the model, optimization and supervisory control of beer fermentation.Conditions in the laboratory were made as similar as possible to brewery industry conditions. Since mathematical models that consider realistic industrial conditions were not available, a new mathematical model design involving industrial conditions was first developed. Batch fermentations are multiobjective dynamic processes that must be guided along optimal paths to obtain good results.The paper describes a direct way to apply a Pareto set approach with multiobjective evolutionary algorithms (MOEAs).Successful finding of optimal ways to drive these processes were reported.Once obtained, the mathematical fermentation model was used to optimize the fermentation process by using an intelligent control based on certain rules.     

面向Pareto最优遗传算法的服务组合方法

为了解决Pareto遗传算法在每一次进化操作中都要构造当前进化群体最优解集而影响运行效率的问题,提出了一种面向Parfto最优遗传算法的服务组合方法,以实现Web服务组合的全局优化.用伪二叉树法则构造目标函数的Pareto最优集合,再进行Pareto最优解集排序,最后采用个体相似度计算来确定遗传算法的适应度函数,由此获得一组满足约束条件的Pareto最优解服务集合.实验验证表明,所提方法可以提高多目标遗传算法处理服务组合效率的问题,即使在服务规模较大的情况下,所获得的解与最优值的比率仍能接近90%的水平.     

求解环境经济调度问题的多目标差分粒子群优化算法

提出一种基于差分演化的改进多目标粒子群优化算法来求解电力系统环境经济调度问题。算法通过对Pareto最优解集的差分演化来增加Pareto最优解的多样性;通过循环拥挤距离来控制归档集中非劣解的分布,以提高对种群空间的均匀采样;采用一种新的多目标适应值轮盘赌法选择粒子的全局最优位置,使其更逼近Pareto最优前沿;自适应惯性权重和加速度因子的动态变化可增强算法的全局搜索能力。对电力系统环境经济负荷分配模型进行仿真,并与文献中的其他算法进行了比较。结果表明,改进的算法能够在保持Pareto最优解多样性的同时具有较好的收敛性能。     

黎曼流形上非可微多目标规划的必要最优性条件

在黎曼流形上建立非光滑函数分析工具的基础上, 把具有等式和不等式约束的非可微多目标数学规划问题扩展到黎曼流形上, 利用Ekeland变分原理, 推导出弱帕雷托最优解广义梯度形式的Fritz John型必要最优性条件.