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     

低碳视角下的多式联运最优路径选择

为了降低多式联运运输过程中的运输成本和碳排放量,可以从承运人角度选择低成本、低排放的运输路径。以实际运输过程中火车、船舶的固定时间窗和收货人的软时间组成的混合时间窗为约束条件,以运输过程中的总成本最低、碳排放量最少为目标,建立双目标优化模型。采用带精英策略的非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm,NSGA-Ⅱ)求解双目标优化模型的帕累托最优解集,为不同目标追求下的承运人选择不同的最优运输路径和最优运输方式的组合。设计了相关算例,由NSGA-Ⅱ计算得到的帕累托最优解集包含4个点,即4条最优运输路径和运输方式组合,分布均匀、收敛性好,为承运人提供了全面的决策依据,显示了算法的可行性和优越性。     

基于改进NSGA-Ⅱ算法的碟式斯特林系统多目标优化研究

考虑到碟式斯特林系统在循环过程中冷热源之间的热漏、回热损失及各种机械摩擦损失等不可逆问题,提出了改进快速非支配排序遗传算法,对系统热力学模型进行优化分析.首先,利用有限时间热力学分析了系统的效率、输出功率和压降;其次,提出了一种改进快速非支配排序遗传算法(Improved Non-dominated Sorting Genetic AlgorithmsⅡ,INSGA-Ⅱ),对多目标快速非支配排序遗传算法的选择算子和精英保留策略进行改进;最后,用改进后的算法对系统的功率-压降、效率-压降及功率-效率-压降分别进行两目标、三目标优化,并分析了11个决策变量在优化过程中的分布情况,利用TOPSIS决策方法从Pareto边界的可用解中选择最终最优解.实验结果表明,多目标优化求得的Pareto最优解分布均匀,得到的最优解更加符合实际,且发动机的转速、发动机的平均循环压力、回热器芯网数、活塞直径等结构参数的变化具有较高的灵敏度,为斯特林机的改进提供理论依据.     

一种改进的遗传算法求解TSP问题

提出一种基于顶点的候选表进行交配的遗传算法(Candidate Crossover Genetic Algorithm,CCGA)求解旅行商问题(TSP).遗传算法(GAs)是一种广泛使用的全局优化算法,并且已经成功地用于求解TSP.但是传统的遗传算法的交配算子缺乏指导性和启发性,交配算子随机的选择父体基因进行交配,导致GAs求解速度慢、解的精度不高等不足.通过分析TSP问题本身的特征,给出了一个使用已有的邻接边的信息和路径信息生成顶点的候选表,然后基于顶点的候选表进行交配的交配算子,使用该交配算子的遗传算法在求解TSP问题时性能上得到了很大的提高,通过TSP Lib上的测试样例将该CCGA和传统的遗传算法进行比较.比较结果表明CCGA具有更大的优势,它能使算法求解到近似最优解和最优解只存在很小的偏差.     

基于改进遗传算法的电力系统最优潮流

电力系统最优潮流问题（OPF）是多目标、多控制变量的混合非线性优化问题,能否实现离散变量的精确处理,将直接影响其计算。结果是否真正符合电力系统的实际状况．能否指导实际电网运行方式的规划问题。遗传算法是解决多目标混合优化问题的全局优化算法,可以实现离散变量的精确处理,其不足是优化时间长、易于收敛于局部极值点等。为解决传统遗传算法的搜索时间长,易落入局部极值点的不足,本文对传统遗传算法的一些遗传操作做了一些改进,经IEEE30节点标准电网数据计算分析,证明其优化结果比传统遗传算法更优。     

基于细分变异算子策略的遗传算法

针对基本遗传算法局部搜索能力不强以及早熟的问题,提出基于细分变异算子的遗传算法(Genetic Algorithm Based on Subdividing Mutation,SMSGA).SMSGA将变异算子依据进化历程分成大步前进算子和最优调教算子.大步前进算子防止遗传早熟现象的发生;最优调教算子加强局部搜索的能力.同时,为加快算法收敛速度,对遗传操作实施策略进行优化,引入了路由选择操作.选用3个典型的测试函数在MATLAB平台中对该算法与基本遗传算法以及采用双变异率的改进遗传算法进行比较分析,结果表明,SMSGA可以有效的避免遗传算法中存在的局部搜索能力差和早熟现象的出现.     

离散变量模糊优化的组合形遗传算法及应用

为解决离散变量结构优化客观追求的应该是"满意解"的问题,提出离散变量模糊优化的模型,构造了离散变量模糊优化的对称解法.把离散组合形算法作为组合形操作算子融合到遗传算法中,构造一种离散变量结构优化算法-组合形遗传算法.在建立的对称模糊优化模型中,利用交模糊判决,将模糊优化问题转化成非模糊优化问题来求解,然后运用组合形遗传算法进行非模糊优化问题的求解.最后通过算例证明该方法具有良好的效果,为工程结构优化设计提供具有参考价值的理论依据.     

基于改进免疫遗传的配电网故障区段定位研究

针对目前智能算法在配电网故障定位中存在收敛速度慢、易陷入局部最优的问题,提出将基于免疫遗传算法(Immune Genetic Algorithm,IGA)应用于配电网故障定位中,同时引入精英保留思想对传统免疫遗传算法进行改进.改进后的算法拥有遗传算法搜索特性的同时保留了免疫算法多机制寻求多目标函数最优解的自适应特性,很...     

系统可靠性的多目标优化计算

由于多目标优化问题存在多个最优解集合，而传统的方法往往将其转化为各目标之加权和，然后采用单目标优化技术，这种方法存在诸多缺点和脆弱性，作为一种并行算法，遗传算法能很好地解决多目标优化问题，文中在非劣性分层遗传算法的基础上对遗传算子进行改进，首先获得多目标优化问题的非劣解，然后通过对系统进行敏感性分析，有效地缩小了问题的解空间．试验对比发现，算法的速度和精度得到有效提高。     

离散变量结构优化设计的混沌遗传算法

利用混沌搜索的遍历性、随机性、规律性等特点，提出了一种求解离散变量结构优化设计的混沌搜索方法；将混沌搜索技术嵌入遗传算法，与基本遗传算子共同构成了一种离散变量结构优化设计的混合遗传算法一混沌遗传算法；通过自适应的退火因子和罚函数来处理约束条件，使算法逐渐收敛于全局可行最优解。计算结果表明，该方法有效地克服了基本遗传算法中的“早熟”现象，并具有更快的收敛速度。     

遗传算法在有时间窗车辆路径问题上的应用

应用遗传算法(Genetic Algorithm-GA)求解有时间窗车辆路径问题,获得其近优解或最优解.使用一种直观的编码方法,提出基于优先关系的交叉算子,实验表明,这种GA能够有效地解决复杂的优化问题.     

改进遗传算法在建筑结构优化设计中的应用

针对标准遗传算法在迭代过程中经常出现未成熟收敛、发生振荡、随机性太大等缺点,提出一种新的遗传算子转基因算子,用于对标准遗传算法的改进·这种转基因算子有效地利用了计算适应度的信息,很好地保护了最优个体,并能提高群体中个体的适应度·包含转基因算子的改进遗传算法能直接计算具有应力约束和截面尺寸约束的离散变量结构优化设计问题,也能处理同时具有稳定约束和位移约束的多工况、多约束、多变量的离散变量结构优化设计问题·算例结果表明,改进遗传算法的收敛特性和优化设计结果远好于标准遗传算法,是一种理想的建筑结构优化设计方法·     

具有混合变量的桁架结构多目标形状模糊优化设计

分别以桁架杆件截面面积和可动结点坐标为离散和连续设计变量,以结构总重量最小、结点位移最小和结构固有频率最大为目标函数,进行桁架结构形状多目标优化设计。采用的改进遗传算法用二进制编码方式对两类不同变量进行编码,用凝聚函数将问题的多项约束转化成单个约束,用凝聚选择策略和竞争保留机制保证有潜力的解被优先选择,最终得到问题的理想解和有效解。最后从工程实际出发,根据模糊相似优先比方法,从多组有效解中寻找出最优解。     

基于响应面模型侧式进/出水口体型多目标优化

为解决抽水蓄能电站侧式进/出水口扩散段体型优化时传统优化方法通常依据工程经验进行体型调整,导致进流与出流时的水力特性难以同时满足最优的问题,以扩散段体型参数为设计变量,以进/出流各水力指标作为优化目标,利用响应面法建立了两者之间的代理模型.利用带精英策略的非支配排序遗传算法(NSGA-Ⅱ)进行了多目标优化,得到最优体型.研究结果表明:采用NSGA-Ⅱ可以解决双向水流条件下各目标难以同时满足最优的问题.此外,只须在建立代理模型过程中进行计算流体动力学(CFD)计算,而优化时无须进行,有效提高了进/出水口体型的优化效率.     

基因算法在求解非光滑优化问题中的应用 (三峡地区资源环境生态研究)

本文考虑了基因算法在求解非光滑优化问题中的应用。非光滑优化方法致力于求解目标函数为连续不可微函数的数学规划问题。因为目标函数的不可微性,传统的以梯度为基础的确定性算法在求解非光滑问题时会遇到障碍,所以运用不需要梯度信息而只需要目标函数值信息的遗传算法来求解非光滑问题是一个不错的选择。遗传算法是基于自然界生物遗传变异过程而设计的一种优化算法,它首先对问题的可行解进行编码,编码方法有0-1编码,格雷编码和实数编码,然后运用交叉算子,变异算子和选择算子产生下一代种群。当种群迭代达到一定的次数后,种群中的最优染色体就会收敛到原问题的最优解。本文设计的基因算法基于实数编码,算子分别采用算术交叉算子,非一致变异算子,最佳选择算子。     

动态无功优化的混合智能算法

针对存在离散控制设备动作次数约束的动态无功优化问题,提出免疫遗传算法和非线性内点法的混合算法.首先忽略控制设备的离散性和动作次数约束,采用非线性内点法求解初始优化解;然后按照控制变量的性质将原问题分解为连续优化与离散优化2个子问题迭代求解.在离散优化问题中,保持连续变量不变,采用免疫遗传算法优化离散变量,通过特别的编码方式使抗体自动满足动作次数约束;在连续优化问题中,保持离散变量不变,采用非线性内点法优化连续变量.混合算法充分结合了免疫遗传算法和非线性内点法的优点,能较快求解动态无功优化的近似最优解.IEEE14节点系统的仿真结果验证了混合算法的有效性.     

基于改进型自适应遗传算法求解设备多行布局问题

对面积不等、形状固定的设备多行布局问题，提出了自由换行布局策略和净行间距概念.构建了带逆向物流、净行间距的多目标组合优化数学模型.引入免疫系统群体多样性作为种群进化的标志的基础上，建立了改进的自适应遗传算法(Improved Adaptive Genetic Algorithm, IAGA)，实现了交叉概率和变异概率的非线性自适应调整.最后，对算法进行了实验对比分析.结果表明，所提出的算法能快速有效地获得问题的近似最优解，稳定性好，对解决设备多行布局组合优化问题具有实用价值.
     

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.     

设计同等位相异值遗传算法解决一维多峰函数早收敛问题

研究了等位异值遗传算法(BDGA,Bit Difference Genetic Algorithm)在多峰连续函数上的有效性,BDGA算法从整个种群(即所有个体)的角度来进行突变,通过定义等位异值变异算子进行有向导的变异计算,将每一位基因值的差异性在不同代遗传中加以保留,进而维持种群的多样性,结合简单群体与精英保留策略,很好的解决了遗传算法解多峰问题的早熟收敛问题。使用BDGA算法对经典一维多峰测试函数进行计算,实证了算法的高效性。BDGA算法结构简单,收敛速度快,应用方便,为遗传算法应用的优化提供了参考。     

多目标优化问题的研究

针对传统方法求解多目标优化问题的局限性,应用一种新的算法求解。遗传算法从问题解的串集开始搜索,覆盖面大,可以同时处理群体中的多个个体,利于全局择优,减少陷入局部最优的风险,而最小生成树具有过程简单清晰、适用性广泛的特点,结合两者的优点,构造了基于生成树的遗传算法。首先通过加权目标规划法求出最优解,然后通过遗传算法和基于生成树的遗传算法求解,结果表明,对于小规模的多目标优化问题,两种算法都可以求出最优解,在求解时间方面,基于生成树的遗传算法比遗传算法更优越。