基于CART算法的卫星星座原始构型选择策略

针对现有的3种最具代表性的卫星星座设计方法的缺点,提出了层次递进的卫星星座设计方法.该方法采用基于CART算法的卫星星座原始构型选择策略,可将星座构型的求解空间缩小至少53.3%.利用CART6.0软件构建了选择卫星星座原始构型子集的CART树,运行速度达到7.9s,分类精度达到97.15%,10阶交叉验证的相对成本为0.033.结果表明:采用这种策略选择卫星星座原始构型还具有可扩展性强、准确性高和易于实现的优点,为卫星星座构型模块化设计建立了良好的基础.     

基于改进的二代非支配排序遗传算法对电子变压器多目标优化

本文在对多目标、多变量优化方法研究的基础上,提出了改进的二代非支配排序遗传算法。在该算法中,通过增加种群多样性和提高个体竞争力,有效地减少了早熟收敛现象的发生,同时,通过种群分割操作,大大减少了交叉运算的计算量。依据这一改进算法,建立了三维优化模型,对电子变压器进行了多目标优化设计,获得了电子变压器优化设计参数,使其体积更小、效率更高,更容易找到全局最优解。与非支配排序遗传算法(NSGA)和二代非支配排序遗传算法(NSGA-Ⅱ)相比,改进的二代非支配排序遗传算法在电子变压器优化设计方面具有明显的优势。最后,依据优化结果,制作了一台磁芯材料为超微晶合金的高频变压器,温度校核结果表明了此优化方法的可行性。     

考虑不确定行驶时间的双目标外卖配送路径优化

以运营成本和解的鲁棒性为优化目标,研究了考虑不确定行驶时间的外卖配送路径优化问题,建立混合整数规划模型,并设计了可有效求解该模型的带有精英策略的非支配排序遗传算法(NSGA-II).算例实验和数值分析验证了本文所建立模型的可行性和算法的有效性,可为第三方外卖平台调度优化提供决策支持.     

求解多目标柔性作业车间调度问题的两阶段混合Pareto蚁群算法

针对多目标柔性作业车间调度问题(FJSP)分解得到的作业分派、排序子问题仍是多目标优化问题的情况,提出了一种求解该问题的分层Pareto优化框架,并采用该框架构建了两阶段混合Pareto蚁群算法的求解算法,其中两个Pareto蚁群系统分别求解多目标作业分派、排序问题。结合GT算法、排产规则评估和过滤第一阶段的分派方案,将具有较好评估全局解的分派方案作为分派阶段的精英档案,并输入给排序蚁群系统获取其非支配调度解,进而获取问题全局非支配解。子问题算法混合了各目标相关的邻域搜索策略,与Pareto蚁群算法结合,以期提高解的质量。通过求解带有平均工件加权延迟时间指标的多个FJSP基准算例,验证了算法的有效性。计算结果表明,该分层Pareto优化框架对原问题进行分层分解,有利于降低原问题的复杂性,相比多数文献,算法能够获得各基准算例Pareto非支配解,从而为分解求解复杂多目标调度优化问题提供了一种途径。     

北斗卫星导航系统(一期)星座轨道稳定性设计

星座稳定性设计是星座总体工程设计的主要内涵.针对北斗卫星导航系统(一期)星座稳定性设计问题,在利用解析方法深入分析星座摄动运动规律的基础上,综合考虑系统覆盖、导航精度、几何构型等约束条件,提出一种将发射部署、被动摄动、主动控制相结合的星座稳定性一体化设计方案.北斗星座系统的部署和运行结果表明:在时间和空间尺度上,星座动态几何因子(DOP值)稳定,重点服务区域动态DOP值小于4.2,在受限于构型维持控制的卫星可用性指标方面:IGSO卫星可用性大于99%,GEO卫星平均可用性大于96.7%.     

U型件冲压成形回弹过程的数值模拟及参数优化

以有限元软件ABAQUS为平台,分别运用有限元动力显式和静力隐式方法模拟U型件成形及卸载后的弹性回复过程,分析了压边力、摩擦以及板料厚度对回弹量的影响.以控制回弹为优化目标,结合有限元数值模拟运用基于Pareto策略的非支配排序遗传算法(NSGA-II)对工艺参数进行了优化设计.     

面向多目标柔性作业车间调度的强化学习NSGA-II算法

针对非支配排序遗传算法 (NSGA-II, non-dominated sorting genetic algorithm II)在求解柔性作业车间多目标优化调度问题中多样性不足、易于早熟与局部收敛的缺点,提出一种基于强化学习的改进NSGA-II算法(RLNSGA-II, reinforcement learning non-dominated sorting genetic algorithm II)。为避免NSGA-II陷入局部收敛问题引入双种群进化策略,利用性别判定法将种群拆分为两个种群,并在进化过程中采用不同的交叉变异算子,增加算法的局部和全局搜索能力;为解决NSGA-II精英策略造成多样性不足的问题,融合多个多样性度量指标,利用强化学习动态优化种群迭代过程中的拆分比例参数以保持多样性,改善算法收敛性能。最后通过Kacem标准算例进行了仿真实验与性能分析,验证了RLNSGA-II的有效性与优越性。     

轴辐式中国国内煤炭运输网络构建

提出轴辐式中国国内煤炭运输网络结构,构造一个同时考虑经济因素和环境因素的双目标轴辐式煤炭运输网络优化模型.应用精英策略非支配排序的遗传算法(NSGA-II),设定10个算例,并对比多目标粒子群优化算法(MOPSO)和多目标和声搜索算法(MOHS)对模型进行求解.结果表明,轴辐式煤炭运输网络优化模型有效,相比于MOPSO、MOHS算法,NSGA-II算法能够在更短的时间内生成较高质量的最优解,并且所得最优解二氧化碳的总排放量更少.     

保证用户公平性的低成本卫星星座设计

针对用户分布和地理环境的差异性对保证卫星星座服务下的用户公平性提出的挑战,综合考虑不同区域的用户需求、通信发展水平和自然灾害水平,提出了一种用户公平性保证的低成本卫星星座设计方案。建立LEO卫星网络模型,分析单颗卫星的覆盖性能;定义用户公平性因子,在满足用户公平性的同时,将LEO卫星星座设计问题建模为最小化星座投入成本和最大化覆盖率;在星座容量和星座盈利的约束下,采用非支配排序遗传算法(non-dominated sorting genetic algorithm, NSGA-Ⅱ)求解卫星星座设计问题。仿真结果表明,所设计的卫星星座能够以较低的卫星星座投入成本满足不同区域的用户公平性要求,同时满足目标区域的覆盖率。     

基于改进蚁群算法的区域伪卫星增强GPS星座优化设计

为实现信号遮挡严重区域伪卫星增强GPS系统的最优导航定位性能,提出了增强星座优化模型及基于改进蚁群算法的实现方法.首先,根据恶劣定位环境可见GPS卫星时空分布不均的特点,基于精度、可用性、连续性等导航性能指标以及系统投入成本和工程地质、地形条件建立增强星座的优化模型.然后,针对该模型主要评价指标的特点,利用改进的蚁群算法实现伪卫星最优位置的搜索.结合具有典型峡谷特征的小湾电站2号山梁相关实验,从多角度给出建立优化模型的准则及其对搜索算法的影响.实验结果表明,经优化设计后该区域的导航定位性能提高了35%～70%,能够满足形变监测系统的设计要求.     

考虑复杂场景的常导高速磁浮辅助停车区优化布置

针对辅助停车区（ASA）布置的复杂场景,面向多目标速度曲线共存线路,以辅助停车区数量与列车区间追踪时间最小化为目标,以列车安全运行为约束,构建了多目标优化模型,设计与讨论了带精英策略的快速非支配排序遗传算法（NSGA-II）,提出了一种考虑辅助停车区布置特征的种群初始化策略,使得算法具有良好计算性能。算例仿真验证了模型与算法解决复杂场景下辅助停车区优化布置的有效性,为求解辅助停车区布置问题提供了新思路。     

基于多混沌算子遗传算法的混合动力汽车控制策略优化

为某款装备了电池/超级电容混合储能系统的并联型混合动力汽车设计了模糊控制策略.结合遗传算法的种群进化和混沌序列的随机遍历特性,将混沌初始化算子、混沌扰动算子、混沌局部搜索算子引入多目标非占优排序遗传算法(NSGA-II)中,构建了新的多混沌算子遗传算法(MCO-NSGA-II).运用MCO-NSGA-II算法进行了混合动力汽车模糊控制策略优化,以改进车辆的燃油经济性及HC、CO和NOx的排放性能.仿真结果表明,混沌初始化算子和混沌扰动算子可以改善原NSGA-II算法的搜索能力并增加种群多样性,而混沌局部搜索算子可以进一步增强算法局部搜索能力,能更好地搜索到理想的Pareto解集.运用MCO-NSGA-II算法进行优化,使混合动力汽车在欧洲城市驾驶循环(ECE)下的燃油消耗降低了11.8%,HC、CO和NOx排放分别下降了7.72%、15.72%和11.77%.     

基于合作协同进化算法的航迹冲突解脱研究

为解决基于航迹运行(Trajectory Based Operation, TBO)模式下大规模航迹战略冲突解脱问题,建立了综合考虑最小化冲突数量和航迹调整成本的双目标优化模型.设计了基于超体积指标的多目标合作协同进化算法(Indicator-based Cooperative Coevolution Multi-objective Evolutionary Algorithm, IBCCMOEA)进行模型求解,采用非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm II,NSGA-II)进行子种群优化.同时,设计了自适应遗传算子加快算法收敛速度.分别采用中国航路网络繁忙时段442架和1 014架航班历史飞行数据进行仿真验证,将所提算法与NSGA-II,基于分解的多目标进化算法(Multi-objective Evolutionary Algorithm Based on Decomposition, MOEA/D)以及多目标合作协同进化算法(Cooperative Coevolution Multi-objective Evolutio...     

基于多目标进化算法的低轨区域通信星座优化设计

研究利用进化算法实现低轨区域通信星座的多目标优化设计。首先分析、确定低轨星座优化的轨道控制参数，然后将基于Pareto最优概念的多目标进化算法引入星座优化中。结合星座覆盖性能的评价准则，给出了一种利用非劣分层遗传算法(NSGA—Ⅱ)实现星座轨道控制参数优化的框架。最后对具体实例进行了优化仿真，结果表明，该方法可以获得一组分布合理的Pareto解，为星座方案决策提供了有力的支持。     

基于外点惩罚函数与NSGA-II算法的气体分馏装置多目标优化

采用多元线性回归理论,结合最小二乘法对气体分馏装置进行优化建模,提出将惩罚函数法与非支配排序遗传算法（NSGA-II）相结合的优化策略,对气体分馏装置优化模型进行求解得到Pareto最优解集。优化结果表明,文中提出的改进NSGA—II算法求得Pareto解集的收敛性和多目标优化点的分散程度要优于NSGA．II和NSGA算法,该算法克服了NSGA—II算法Pareto解集的分散程度不均匀、NSGA算法收敛性差的问题。通过对比气体分馏装置目前工况与改进NSGA—II优化算法的结果可知,改进算法的结果成功地解决了目前该气体分馏装置能耗过高的问题,使该装置达到了节能优化的目标,为气体分馏装置的节能与优化设计提供了新的有效方法。     

多目标优化量子进化算法及其在PID控制器中的应用

目前量子进化算法主要应用于单目标优化问题.本文结合量子进化算法和经典多目标优化算法中常用的非支配排序技术,提出一种解决多目标优化问题的多目标优化量子进化算法(Multi-objective Optimization Quantum Evolutionary Algorithm,MOQEA),并将其应用于PID控制器参数整定.经过实验证明,无论是解的质量还是解的分布均匀性,MOQEA都优于经典多目标优化算法NSGA-II.     

考虑能耗优化和学习效应的随机多目标并行机调度问题研究

针对具有学习效应且处理时间不确定的并行机调度问题,以最小化最大完工时间和能源消耗为优化目标,建立了该问题的随机多目标调度模型;设计和改进了非支配排序遗传算法和基于分解的多目标进化算法进行求解。通过采用覆盖率指标和逆世代距离指标对实验结果进行评价,分析了两种算法在求解该问题上的性能。研究结果表明,MOEA/D在C指标方面优于NSGA-II,而NSGA-II在IGD指标方面优于MOEA/D。     

基于替代模型的油藏注采参数多目标优化设计

针对水驱油藏生产过程中合适的注采参数选取难的问题,提出了以净现值和累产油量为目标函数的多目标优化注采参数设计方法。采用基于粒子群算法的最小二乘支持向量机作为替代模型代替数值模拟,并用带精英策略的非支配排序多目标优化遗传算法对注采参数进行优化。以某区块两注两采模型为例,选取生产井井底压力和注水井注入量为优化变量,通过粒子群算法优化的最小二乘支持向量机构建替代模型,在优化过程中代替数模,再利用非支配排序遗传算法对注采参数进行优化。对比分析替代模型和数值模拟优化设计的结果,其误差在3%以内,并在注采参数优化时间上得到了明显提升。     

基于Species机制的多目标遗传算法

多目标优化算法设计正在成为当前进化算法领域的一个研究热点.考虑将最初用于多峰优化的Species机制引入到多目标遗传算法中,通过借鉴现有多目标算法的相关思想,设计并提出了一种新的Species方法,包括基于Pareto最优性和拥挤度思想的Species种子确定策略及适应性的Species构造策略.一组标准多目标测试函数的仿真实验结果表明,提出的基于Species机制的多目标遗传算法表现出比经典的非支配排序遗传算法Ⅱ(NSGA Ⅱ)更好的性能.     

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。