含相变的缠绕管换热器设计及多目标优化

为实现含相变的缠绕管换热器的优化设计,提出了一整套计算模型,对传统模型中的Gilli公式进行了改进,大幅提升了该模型的计算速度.基于提出的计算模型以及非支配排序遗传算法Ⅱ(non-dominated sorting genetic algorithmⅡ,NSGA-Ⅱ)利用Python语言编写了缠绕管换热器的多目标优化程...     

基于NSGSA的DC-DC变换器无源控制器参数多目标优化

针对基于Euler-Lagrange(EL)模型、无源控制(Passivity Based Control, PBC)的DC-DC变换器受外部扰动影响时其输出电压不稳定的问题,本文以Boost变换器为例,将PBC作为内环控制电感电流,将能量控制作为外环控制输出电压,从而使PBC具有抗扰能力和鲁棒性。改进的PBC控制器的内环有注入阻尼参数、外环有比例和积分系数,这3个参数相互耦合,因此控制器参数整定较为困难,对此本文提出在Boost变换器闭环系统中加入改进的非支配排序引力搜索算法(Large-scale Improved Non-dominated Sorting Gravitational Search Algorithm, LSINSGSA)进行参数寻优。改进的LSINSGSA算法进一步提高了原算法(Non-dominated Sorting Gravitational Search Algorithm, NSGSA)的收敛速度与最优解集均匀分布水平。基于LSINSGSA算法的控制器参数优化方法可有效获得最优参数选取方案,使变换器的综合性能最优。仿真结果表明,本文提出的优化参数的方法可使变换器获得良好的动、静态性能。     

基于多目标遗传算法的危险品运输路径优化

文章考虑危险品的特性,定义危险品的运输风险,以最小化路径长度、最小化运输风险为目标建立优化模型,采用改进的非支配排序遗传算法(non-dominated sorting genetic algorithm,NSGA-Ⅱ)求解该双目标问题,分别求得长度最短、风险成本最小的路线,进行2个目标的Pareto分析。研究结果表明遗传算法能有效解决最短和风险最小路径的搜索问题,具有一定的理论参考价值和实际指导意义。     

基于Isight的增程式电动汽车控制参数多目标优化

文章以某款增程式电动汽车(range-extended electric vehicle,REEV)为研究对象,设计了整车控制策略,借助整车性能仿真软件CRUISE和多学科设计优化软件Isight搭建了整车性能仿真和优化模型,并采用改进的非支配排序遗传算法(non-dominated sorting genetic algorithm,NSGA-Ⅱ)对增程器控制参数进行多目标优化。优化结果表明,在满足整车能量需求的前提下,优化后的增程器总发电量减少了7.34%,汽车百公里燃油消耗量降低了8.28%。     

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...     

考虑延误与班期限制的多商品流多式联运方案优化

针对不确定时间影响的多商品流多式联运方案优化问题,以空铁联运为主,将运输时间转化为确定运输时间和不确定延误时间,同时考虑班期限制影响,以收货时间窗限制、准时率、运力等为约束条件,以所有订单总运输成本、运输时间和碳排放最小为目标,构建多商品流多式联运方案优化模型,并基于改进的非支配排序遗传算法Ⅱ(non-dominated sorting genetic algorithmⅡ,NSGA-Ⅱ)进行模型求解。实证分析表明：相对于无延误和班期限制,延误和班期限制均导致各目标值呈现不同程度增加;随着延误程度增加,总运输时间逐渐增加,而总运输成本还受到班期限制的耦合影响,呈现先减小后增加的周期性变化;碳排放量与运输成本呈现一致变化趋势;最后采用多属性决策方法获得考虑综合满意度的最优运输方案。研究结果可为实际中多式联运方案设计与优化提供参考。     

基于近似模型和遗传算法的等离子喷焊工艺参数多目标优化

为了对等离子喷焊工艺参数进行优化,提高喷焊层的质量,通过径向基函数(radical basis function,RBF)神经网络近似模型和非支配排序遗传算法(non dominated sorting genetic algorithmⅡ,NSGA-Ⅱ)遗传算法相结合的方法,对等离子喷焊试验数据,基于MATLAB平台进行训练,以此来构建显微硬度、磨损量和稀释率的近似模型,利用NSGA-Ⅱ遗传算法对模型进行下一步的多目标优化,最终得到帕累托最优解集,研究了工艺参数间的交互作用.结果表明:利用RBF-NSGA-Ⅱ遗传算法比响应面法能更显著地提高喷焊层质量.可见对等离子喷焊工艺的优化具有一定的参考价值.     

基于NSGA-Ⅱ与方案优选的机场航站楼大跨度钢结构多目标优化研究

为优选出机场航站楼大跨度钢结构最佳施工方案,实现施工工期短、成本低和质量高的综合优化目标,文章以非支配排序遗传算法(non-dominated sorting genetic algorithmⅡ,NSGA-Ⅱ)与方案优选为基础,结合建筑信息模型(building information modeling, BIM)技术和工作分解结构(work breakdown structure, WBS)技术,构建兼具优化与施工仿真模拟的大跨度钢结构多目标优化体系;以某军民合用机场为例,应用该体系确定该工程航站楼大跨度网架结构安装采用分块安装法,优选出的施工方案较优化前不仅质量水平保持在较高的0.95,而且工期缩短22 d、成本减少57 625元,进一步验证了该体系具有很好的可行性与有效性。研究结果可为科学合理地确定大跨度钢结构施工方案提供依据,并有助于提高机场航站楼施工管理水平,为类似工程提供参考。     

基于改进非支配排序遗传算法的配电网动态重构

针对分布式电源大规模接入配电网情况下配电网的动态重构问题,提出一种基于改进非支配排序遗传算法(non-dominated sorting genetic algorithms Ⅱ,NSGA-Ⅱ)的配电网动态重构策略.首先,以系统运行成本和电压偏移最小为目标建立配电网动态重构模型.其次,结合参数自适应策略和基于可行解优越性的约束处理技术提出NSGA-Ⅱ改进算法对模型进行求解.再次,用超体积(hypervolume)指标选择最佳的帕累托解集,并通过模糊决策技术从帕累托解集中选择最佳方案.最后,以IEEE 33节点系统为例进行仿真.结果 表明:该模型可以在降低系统运行成本的同时提高系统电能质量.     

糖尿病患个体化食谱营养优化建模与算法实现

根据糖尿病患者自身状况设计营养膳食方案是对患者进行个体化营养治疗,实现有效控制血糖的前提.针对糖尿病患者对个体化营养治疗的需求,建立可适应不同性别、身高、体重、年龄以及血糖水平患者要求的膳食营养多目标优化模型,然后使用非劣性排序遗传算法(non-dominated sorting genetic algorithmⅡ,NSGA-Ⅱ)对模型进行求解.实验结果显示,每餐食谱营养均衡,食材重量搭配合理,可满足糖尿病患者的营养摄入需要,表明该模型与算法的有效性和可行性,有助于提升糖尿病膳食食谱设计的精确化.     

改进的NSGA-Ⅱ算法的柔性物料搬运策略

针对传统的装配车间拉动式物料配送存在拣货效率低和配送成本高的问题,提出了以搬运机器人为中心的柔性物料配送策略.建立了以完工时间、延期时间、负载和能耗等目标最小化的多目标多机器人协作配送调度模型;并结合模型特点提出了一种改进的非支配排序遗传算法(non-dominated sorting genetic algorithm-II,NSGA-Ⅱ),对算法的流程、编码方法和遗传算子进行了设计和改进.最后以某汽车部件装配车间为例,运用改进的NSGA-Ⅱ算法对所建模型进行求解,并与经典的NSGA-Ⅱ算法进行了对比分析,验证了算法的可行性和有效性.结果表明,改进的NSGA-Ⅱ算法在求解柔性物料配送问题时具有更优的性能.     

风电场储能系统的多目标优化调度策略

为了实现风电与储能联合运行的优化调度策略,首先综合考虑风电功率预测效果、并网功率波动和储能系统的出力水平等多个目标,建立风储联合运行的多目标优化仿真模型。然后运用马尔可夫模型预测风功率,同时基于有精英策略的非支配性排序遗传算法(non-dominated sorting genetic algorithm-Ⅱ,NSGA-Ⅱ)滚动优化风储并网功率,来获得风储系统不同运行策略。并通过优选储能系统运行参数,避免储能系统的过度充放电和进入死区。最后,将决策者的偏好嵌入到多目标优化过程中,针对优化解集的分布进行了对比分析,验证了偏好情况下的储能的针对性和有效性,实现了风储系统多目标偏好下的优化调度。     

纯电动中型客车传动系参数的模型在环优化

文章针对纯电动中型客车传动系参数优化问题,以传动系中变速器的传动比为优化变量,以车辆动力性和经济性为优化目标,采用模型在环优化(non-optimization with model in loop,OML)方法,利用Simscape物理建模工具建立电动客车模型,结合带精英策略的非支配排序遗传算法(non-dominated sorting genetic algorithm NSGA-Ⅱ)对纯电动客车传动系参数进行优化,并基于最小二乘法组合赋权法进行Pareto解集选优确定出最优解。优化结果表明,利用OML方法在约束条件范围内合理地优化了变速器的传动比,加速时间和比能耗分别降低了6%和3.9%,达到了整车动力性和经济性协同优化的目的,为实车开发提供了理论参考。     

改进NSGA-Ⅱ算法在涡轮叶片多光谱测温中的应用

介绍了多光谱辐射测温原理、遗传算法(genetic algorithm,GA)以及第二代非支配排序进化算法(non-dominated sorting genetic algorithm-Ⅱ,NSGA-Ⅱ)的应用。从自适应角度出发对NSGA_Ⅱ算法加以改进,使其交叉变异算子具有一定动态调整能力,并把差分进化算法融合到NSGA_II变异算子进化中使其进化方向得以优化。作者从计算精度,稳定度,计算速度角度出发对传统的GA遗传算法、经典的NSGA-Ⅱ算法和改进后的NSGA-Ⅱ算法进行仿真实验并且利用真实四路测温实验验证,结果表明改进的NSGA-II算法具有单次计算精度高、稳定性好、计算速度略快、最后一代种群特性良好等优点,适合应用在温度范围为700~1 000℃下涡轮叶片多光谱辐射测温中。     

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NSGA-Ⅱ算法的多目标公交调度优化模型

针对传统公交调度方案容易导致运营经济成本和乘客时间成本的不合理分配问题,提出了一种基于NSGA-Ⅱ算法的多目标公交调度优化模型。综合公交车辆运营成本、乘客出行成本及乘车舒适度三个目标函数,建立公交调度优化模型,通过非支配排序遗传算法对模型的pareto最优解进行计算。最后以深圳市某路公交为实例,通过采集线路参数,计算得到该线路最优发车间隔。验证了NSGA-Ⅱ优化算法在公交调度中的有效性,对公交运营与线路改善有一定的借鉴意义。     

基于NSGA-Ⅱ算法的高压共轨喷油器优化设计

针对高压共轨电控喷油器关键结构参数对喷油器的响应特性影响深刻的特点,采用带精英策略的非支配性遗传算法NSGA-Ⅱ(non-dominated sorting genetic algorithm-Ⅱ),基于多目标多学科优化平台modeFRONTIER和液压仿真分析软件AMESim,以针阀开启延迟和关闭延迟为目标函数建立了多目标优化模型,对电控喷油器的关键结构参数进行多目标优化设计.结果表明:针阀开启延迟时间降低了16.7%,达到0.25ms;关闭延迟时间降低了15.2%,达到0.78ms.     

考虑冷热电三联供系统耦合特性的区域综合能源系统运行优化

为了加快实现双碳目标,提高能源利用效率、减少碳排放量,本文通过选取关键供能设备 冷热电三联供系统 （combined cooling heating and power system,CCHP）构建综合能源系统模型,并利用改进的二代非支配排序遗传算法（non-dominated sorting genetic algorithm-II,NSGA-Ⅱ）研究了引入该设备后园区整体运行方式和运作效率的改变。结果表明：CCHP 设备可通过其强耦合特性实现供能侧设备的多能互补和能量梯级利用;可见通过引入 CCHP 过后,可大大提高综合能源系统的运行效率,在减少运行成本的同时相对控制碳排放量的释放,提高系统总体效益。     

航线维修任务人力资源多目标优化模型研究

本文通过确定航线维修组的最优数量,以达到优化航线维修时间与成本的目的。首先通过假设检验方法来分别确定配置优化模型的主要输入分布的规律,建立航线维修 的排队论模型,确定模型的关键指标;并在此基础上建立以最小维修成本、最小维修时间与最大化可用度为目标的多目标优化模型,通过NSGA Ⅱ（non-dominated sorting genetic algorithm）算法求解该模型。最后通过实际对比证明了模型对航线维修的时间、成本与可用度都有了不同程度的提高 ,结果表明,以排队论为基础建立航线维修组的优化配置模型具有合理性。     

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。