面向公路施工成本模型的优化PSO算法研究

传统的施工项目管理方式和资源优化方法造成了资源浪费，因此研究提出了基于PSO算法的公路成本优化模型，首先通过对现行公路施工管理下成本指标进行分析，得出了施工成本计算模型并将其分为多部分的目标优化模型，同时应用粒子群算法对多目标优化问题进行求解。通过仿真表明，PSO算法模型优化之后成本减少了316.1万，而施工实践缩减了98天。实验证明，基于PSO的公路施工成本优化模型可以有效减少公路施工中的时间消耗和成本资源消耗。     

多目标模糊优化潮流模型及其基于神经网络的算法

提出了一种计算交流潮流的多目标模糊优化模型，模型中，同时考虑了发电费用最少及网损最小等多重目标，针对该模型，还提出了一种基于神经网络模型的新算法，该算法分别采用神经网络模型进行模糊集隶属函数的表达及优化问题的求解，从而将模糊优化同神经网络有机地结合起来，通过算例对所提模型及算法进行了验证。     

基于修正的Snake模型与特征对象法的多运动目标分割

在分析常规的运动目标分割算法的基础上,以计算简单、速度快、能精确提取运动目标为原则,提出了基于特征对象的运动目标分割算法,并将该法与修正的Snake模型结合进行了运动目标外廓的精确提取.分析和实验表明:该算法需要调整的参数少,计算简单,速度快,抗干扰能力强,可以有效地消除多帧间运动目标的遮挡,在多运动目标不重叠的情况下,能精确定位多运动目标的外轮廓.     

一种新的多目标粒子群算法的研究与应用

基于多目标粒子群优化算法的研究成果,以提升多目标优化方法性能为目标,结合铜电解稳态优化工程实际,提出了一种新的多目标优化粒子群算法.该方法采用可变的外部集策略和快速排序方法来减少优化计算量,采用拥挤度算子和强支配关系保证结果良好的分布性.测试函数的仿真对比分析及对铜电解实际过程数据的优化运行结果均表明该方法在收敛性、解的分布性及计算效率方面具有良好品质,特别是在求解三目标优化问题时的突出表现,表明这种算法在多目标优化领域具有更广泛的适用性.     

基于BPNN/NSGA-Ⅱ的居住建筑节能改造多目标优化

为进一步推进居住建筑节能改造的发展，提出一种基于耦合BP神经网络和非支配排序遗传算法（NSGA-Ⅱ）的多阶段多目标优化框架，以提高节能效益并使经济效益最大化，并将该方法应用于西安某高层住宅能耗与经济性优化研究之中.在优化过程中利用BP神经网络预测建筑性能，将其作为响应面近似模型集成到多目标优化过程中能减少总仿真时间.同时分析算法参数对帕累托优化结果的影响，得到了可持续、成本最优、低投资的节能改造方案，为寒冷地区居住建筑节能改造多目标优化研究提供了一定的理论参考.     

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.     

基于粒子群的多目标多执行模式项目调度

聚焦多目标多执行模式特点下的项目调度问题,通过建立工期、费用、资源和质量多目标函数,构建综合优化模型,同时运用粒子群算法解决工程项目多目标多执行模式优化问题.最后,通过一个应用实例计算,表明粒子群算法可以准确快速地解决该模型下的工程项目多目标优化问题,达到了项目调度中面对不同模式进行抉择,并且缩短工期、减少成本、均衡资源以及提升质量的综合的理想效果.     

改进的粒子群算法在印刷业优化管理中的应用

从印制质量及生产计划两个方面综合考虑,讨论印刷业优化管理的问题．首先对印刷品优先权的确定、印刷错误的研究,建立了印刷业多目标最优化的管理模型;其次通过改进的粒子群算法对该多目标问题进行优化．数值实例表明,该模型在印刷业优化管理中是有效可行的．     

一种基于潜变量的Ranking模型构造算法

现有的Ranking算法获得的模型全部来自训练数据，因为很多模型的有用信息并不能完全从训练数据中得到，因此这样得到的模型不够精确，对此，提出一种基于潜变量的Ranking算法。该算法以结构化SVM为学习工具，将除训练数据外的其他有用信息以潜变量形式引入算法的框架中，并在此基础上定义了面向INDCG的目标函数。针对该目标...     

以全局优化算法为基础的复杂模型参数识别理论

随着计算机技术和数值模拟技术发展,CAE（computer aidded engineering）技术得到越来越广泛的应用,目前困扰数值模拟技术在相关领域内进一步应用的最主要障碍是如何获取选用模型的材料参数．给出了应用反分析方法识别材料参数的基本框架,该框架包括建立目标函数、构造优化算法及评价识别参数可靠性几部分,并以金泉林和海锦涛提出的描述金属流动和晶粒尺寸长大的超塑性本构模型在927℃下Ti-6Al—4V合金的参数识别为例,说明应用该框架识别材料参数的过程,其中目标函数为晶粒尺寸及流动应力计算值和实验值差值的加权平方和;优化算法为基于目标函数特性构造的吸收遗传算法、Levenberg—Marquardt算法和增广Gauss—Newton算法优点的混合全局优化算法;通过计算结果和实验结果的比较及参数识别值和理论值的比较评判参数识别结果的正确性．     

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。     

基于正则性辅助的多目标优化进化算法研究

针对目前基于正则性辅助的多目标优化算法缺少局部信息以及模型参数设置对多目标优化算法的影响问题,本研究提出一种基于正则性辅助的多目标优化进化算法(Regularity Assisted Multi-objective Optimization Evolutionary Algorithm,RAMEA)。该方法将高斯采样和基于邻域的交配重组结合并用于子代重组,同时使用k-均值聚类方法获取流形结构信息,将种群划分为K个聚类,用K个聚类的均值向量建立高斯概率模型,从中抽取K个后代,然后将取样解作为父代添加到每个集群中去交配生成其他子代解。实验对比结果表明,研究提出的基于正则性辅助的多目标优化进化算法明显优于其他算法,其参数灵敏度和有效性表现更加突出。     

基于Tent映射NSGA-II算法的微电网多目标优化方法

为提高微电网运行的经济性、降低网络中的碳排放量和有功功率损耗,文中提出一种基于Tent混沌映射NSGA-II算法的微电网能量优化管理方法。该方法采用双层能量优化管理：上层采用模糊管理系统确定微电网运行模式,下层采用改进NSGA-II算法对能量进行优化管理。首先在多约束条件下,建立以微电网运行经济性、网络中碳排放量和有功功率损耗为目标函数的多目标优化数学模型。其次在多目标优化数学模型求解过程中,引入Tent混沌映射方法来增加NSGA-II算法的种群多样性,以提高算法的全局搜索能力,同时利用隶属度函数确定微电网能量优化管理策略。最后运用欧洲一典型微电网作为算例,验证所提出的能量管理方法、容量配置优化模型以及改进NSGA-II算法的合理性和有效性。仿真结果表明：改进NSGA-II算法具有良好的优化效果,使得微电网运行的经济性得到了显著提升,较传统算法提高了14.55%;碳排放量有所降低,较传统算法减小了3.10%,可实现对微电网多目标的优化。     

一种多项指标全提升的多目标优化演化算法

针对当前大部分多目标优化演化算法设计复杂、耗时巨大,以及取得的近似Pareto前沿点不够多、分布不均匀、覆盖不完整等问题,提出了一种新的基于粒子群和几何Pareto选择算法的多目标优化PSGPS算法.经过5个测试问题的实验结果表明:该算法使用较低的时间消耗,就能在前沿点个数、前沿点分布均匀性、覆盖完整度等性能指标上都优于当前流行的NSGA2,SPEA2和PESA等多目标优化演化算法.     

基于膝点驱动进化算法的工程施工多目标优化

在传统的工期-成本施工优化体系上引入安全水平和环境影响两大目标,构建施工工期-成本-安全-环境多目标优化模型,采用膝点驱动进化算法KnEA进行多目标寻优。首先,构建工期-成本-安全-环境目标函数,其中安全目标函数的构建采用网络系统理论,构建工期-安全、成本-安全函数,环境目标函数考虑项目对环境的直接影响和间接影响; 然后,以工期天数、直接成本为输入,进行KnEA模型的参数设置,选取典型工程项目施工工序组合构建施工多目标优化模型。最后,利用KnEA算法求解,得到使工期-成本-安全-环境综合最优的工序执行模式组合的帕累托最优解集,与典型优化算法对比,验证了knEA算法在工程施工多目标优化中的有效性,从而证明了本文能有效指导施工过程的优化管理。     

基于生态捕食模型的多目标优化问题求解算法

根据种群生态学中的捕食模型，将多个目标的权值对应到生态系统的种群规模，利用生态捕食模型的动态周期性变化特性，提出了一种新的进化多目标优化算法．该算法通过生态捕食模型来动态调整各个目标的权值，无需人为指定，从而减少了对问题知识的依赖，快速找到非劣解集．文中给出了权值调整策略的参数选择标准，并选择几个比较困难的多目标函数优化问题做了实验．实验结果表明了新方法的有效性．     

一种求解多目标数值优化问题的实值量子演化算法

基于多目标优化原理和量子计算原理,提出了一种求解多目标数值优化问题的实值量子演化算法. 该算法除保留求解单目标优化问题的实值量子演化算法的特点外,还有三个主要特征:首先,根据多目标优化特点,使用多目标密度比较算子对种群进行排序和筛选;其次,应用非均匀变异算子保持解的收敛性和提高局部搜索能力;再次,使用多样性保持算子来保持解的多样性. 实验中使用多目标优化测试集并且同NSGA-II算法相比较,结果表明了算法的有效性.     

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.     

网络化控制多目标无功优化的进化算法

针对网络化控制无功优化系统中节点为时间驱动的传输模式,提出一种多目标优化的改进进化算法。首先,分析网络化控制系统中节点的时间驱动和事件驱动2种传输模式,并对于时间驱动模式下数据丢包现象,建立网络化控制多目标无功优化系统的数学模型,进而引入去冗-保持处理方法。其次,给出一种基于双群体搜索机制的改进差分进化算法,通过对约束条件的可行和不可行双群体处理,解决多目标优化过程中陷入局部最优的问题,并改进变异和交叉操作以提高优化速度与性能。最后,利用IEEE 30节点系统进行仿真计算及分析。研究结果表明:该算法不仅能保证系统达到次优状态,而且收敛速度、均匀性及逼近性等方面均有较大提高。     

信息传播影响下基于进化蜂群算法的应急车辆路径优化设计

为了能够准确反映信息传播对于应急物资需求的影响以及有效优化应急配送车辆的路径,构建了基于双层扩散网络的需求预测模型和改进的离散人工蜂群算法（进化蜂群算法）。首先,在分析扩散网络中事件层和信息层关系的基础上构建了物资需求预测模型。其次,在进化蜂群算法中,依据适应度值和历史进化程度来甄别优秀信息,并融合了交叉算子和变异算子使蜜源得以不断进化,从而充分挖掘了蜂群价值并有效提升了迭代效率。仿真实验结果表明,应急物资得以被短时高效地配送到所需区域,从而验证了所构建的模型和算法能够有效求解信息传播影响下的应急车辆路径多目标优化问题。