基于改进萤火虫算法的移动机器人多目标路径规划

针对复杂室内环境下移动机器人的路径规划问题,提出一种面向多目标同时优化的改进萤火虫算法;该算法利用栅格地图对机器人作业环境进行建模,将Pareto支配关系引入到萤火虫个体的亮度评价过程,构建精英库保留算法迭代过程中的Pareto非支配解,采用自适应网格划分策略维护种群的多样性;以路径长度、路径安全性和路径平滑度为目标进行运动路径的搜索与优化。仿真结果表明,与经典的带精英策略的非支配排序遗传算法相比,面向多目标同时优化的改进萤火虫算法求得Pareto非支配解集更优越。     

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。     

基于Pareto解的面板堆石坝施工工期-质量-成本均衡优化研究

大坝工程中能否对工期、质量、成本3大核心要素进行综合均衡优化,是评价工程项目的重要衡量标准.针对目前大坝工程施工缺少工期-质量-成本均衡优化研究,且多目标均衡优化最优解非唯一、存在一组Pareto解集的问题,建立了面板堆石坝施工工期-质量-成本均衡优化数学模型,并建立了Pareto叠加模型对组合解支配关系进行求解.结果表明:基于工序Pareto解的组合解大部分仍为Pareto解;通过对线性加权和法与TOPSIS法的比较分析,验证了耦合线性加权和法的可行性.基于Pareto叠加模型结论并结合多属性效用函数提出了改进的耦合线性加权和的带精英策略非支配排序遗传算法(NSGA-Ⅱ),降低了算法的计算复杂度且提高了计算效率和鲁棒性,克服了最优解非唯一的问题.同时,结合某面板堆石坝工程,运用改进算法提高了计算效率,并优选了符合工程实际的最优折衷方案.     

TFT-LCD制造cell阶段多目标绿色调度问题研究

针对薄膜晶体管液晶显示器(TFT-LCD)制造cell阶段的多目标绿色调度问题,构建了最小化最大完工时间、总能耗和总生产成本为目标的优化模型。采用基于机器和工序的两段式编码,使用在步长因子前加入动态系数的改进布谷鸟搜索算法,结合双元锦标赛和动态淘汰制,根据聚集距离法筛选Pareto最优解来获得Pareto最优解集,对TFT-LCD制造cell阶段多目标绿色调度问题进行求解。结果表明,改进布谷鸟搜索算法优于标准布谷鸟搜索算法和带精英策略的快速非支配排序遗传算法,可以提高TFT-LCD制造cell阶段多目标绿色调度问题的求解效率和质量。     

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) .     

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。     

基于网络响应面的多目标优化方法

为提高多目标优化算法的收敛性以及Pareto解的分布均匀性,构建了基于网络响应面的多目标优化方法.将前馈（BP）网络以及自适应共振（ART）网络的优点相结合,充分利用各子目标每1次独立优化时获得的最优解,并将其作非占优判断后作为初始样本自适应地构建网络响应面,从而提高了Pareto解的收敛性以及多样性指标.对网络获得的每个新类进行各子目标值计算,同时对该子目标值做相似度计算,进一步剔除相似度高的样本,从而提高了Pareto解的分布性指标.通过常用的多目标优化测试函数验证该方法,并与改进的非支配排序遗传算法（NSGA-Ⅱ）以及随机权和算法作对比,结果表明该方法能明显改善多目标优化方法的各性能指标.     

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。     

时序约束条件下协同制造链多目标优化

为了实现企业间制造资源的共享与优化配置,针对网络制造环境中复杂产品的制造任务,提出了协同制造链的概念.建立了整体运行成本与生产负荷最小化的多目标函数模型,分析了其时序约束条件;应用非支配排序遗传算法对多目标优化模型进行求解,获得了Pareto最优解集;应用TOPSIS方法在Pareto最优解集中选择最优解.仿真计算结果表明,提出的模型和算法能够获得满意的解.     

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.     

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.     

基于全排序与混沌多样性的高维目标进化算法

当前大部分多目标进化算法采用Pareto排序为种群个体指定适应度值;然而随着优化目标个数增加,种群中非支配个体的比例越来越大,造成上述算法的搜索能力迅速下降。针对高维(4个以上)目标优化问题,提出了一种全排序方法;该排序方法与Pareto排序具有一致性,并且能够对非支配解进行比较;因此基于全排序的多目标进化算法不受目标个数增加的影响。为了提高算法的优化效果,设计了一个混沌映射算子,用来周期性地初始化种群,以保证种群的多样性与均匀分布。最后,采用标准测试问题对所提算法与著名的非支配快速排序遗传算法(NSGA2)进行了实验比较。结果表明在高维目标优化问题中,所提算法无论在收敛精度,还是算法运行效率上都高于NSGA2算法。     

北京地铁亦庄线列车节能驾驶研究

降低列车牵引能耗是减少城市轨道交通系统耗能的重要途径之一,单列车的牵引能耗由列车在站间的驾驶策略决定,因此,本文以北京市地铁亦庄线为例,介绍了地铁列车的节能驾驶研究.首先调研并收集了亦庄线线路、运营、车辆、供电、能耗等数据,掌握了亦庄线整体节能背景.然后结合地铁运营的特点,给出了北京地铁亦庄线能耗评估的3个指标.并以蚁群算法为核心,开发了列车驾驶的仿真系统,该仿真系统以收集到的亦庄线实际运行数据为输入,离线优化列车自动运行(Automatic Train Operation,ATO)的推荐速度曲线和控制策略.最终将优化后的ATO控制策略在亦庄线进行夜间实验,结果显示,优化后的列车ATO控制策略可以减少单车运行能耗5.67%.     

基于模糊集理论的施工项目工期—成本—质量权衡优化方法研究

基于模糊集理论对施工项目工期、成本和质量多目标权衡优化这一问题进行系统研究.研究表明:采用三角模糊数能够有效表达施工活动持续时间和成本的不确定性,通过建立质量模糊评语集及其隶属函数,可以对质量水平进行合理的量化评估.利用Pareto最优化原理,设计基于非支配排序遗传算法的运算程序,从而建立不确定条件下施工工期、成本和质量多目标权衡优化模型,决策者可以从模型获得的一系列Pareto最优解中寻求满意方案.     

基于多目标粒子群的加热段炉温优化设定

目的在考虑退火工艺指标和能耗指标的同时,对冷轧不锈钢连续退火炉加热段的炉温稳态进行优化研究,合理地设定连续退火炉加热段稳态炉温.方法通过考虑退火工艺指标和能耗指标的同时,使用基于R2指标和分解策略的多目标粒子群优化算法(R2-MOPSO)建立炉温稳态设定的多目标优化模型,从所提出的算法获得的Pareto最优解集和Pareto最优前沿中通过加权的方法选取适合生产的最优解.结果将基于R2指标和分解策略的多目标粒子群优化算法(R2-MOPSO)与基于分解的多目标粒子群优化算法(d MOPSO)针对加热段炉温稳态优化设定的仿真结果进行对比,R2-MOPSO算法优化得出的带钢温度升温曲线较为理想,消耗燃料较少.结论在满足生产质量要求和降低成本的同时,R2-MOPSO算法可以合理地设定连续退火炉加热段稳态炉温,更好地引导工业生产.     

离场航班多目标优化排序研究

为缓解大面积、长时间的离场航班延误现状,研究了多目标离场航班优化排序问题,考虑连续航班对离场航班影响,建立了具有多个目标函数的混合整数规划模型,并基于多目标优化问题的Pareto最优解概念,设计了一种带精英策略的非支配排序遗传算法(NSGA-Ⅱ)求解模型.选取上海浦东机场3 h内离场航班进行仿真验证,并将仿真结果与其他算法优化方案比较,与FCFS策略相比,航班总延误降低了20. 1%,延误架次减少了20.较单一目标优化,该算法具有保持多个目标函数优异性的特点,且115架航班优化时间仅为302 s,能够较好的满足实际运行效率需求.所提方法能够有效解决离场航班多目标优化排序问题.     

面向再生制动能利用的地铁列车时刻表优化模型

通过对列车时刻表进行优化,可以使再生制动能量最大程度的被牵引列车利用,进而可以减少地铁列车的牵引能耗,达到节能运行的目标.在充分考虑地铁系统首、末班车服务时刻不变和列车旅行时长限制等情况下,提出一种通过时刻表优化实现再生制动能量利用最大化的新问题,并建立了其数学模型,设计了一种基于人工蜂群的智能优化算法来求解该问题.在此基础上,基于北京地铁燕房线的实际数据进行了仿真实验.结果表明:优化后的列车时刻表能够在较少影响地铁系统服务质量的前提下,比既有列车时刻表再生制动能利用量提高132.29%.同时,通过与遗传算法进行对比,证明了基于人工蜂群的智能优化算法求解时刻表优化问题的有效性.通过对列车运行存在不同程度干扰时的再生制动能量利用情况进行仿真分析,证明了所获得的优化时刻表的鲁棒性.     

基于改进NSGA-Ⅱ的交叉培训规划多目标优化

针对柔性制造单元的员工交叉培训规划问题,从人性化和经济效益的角度考虑,提出了将多能工水平和任务覆盖水平等培训策略作为约束条件,以培训员工平均满意度最大化和任务平均支付工资最小化为目标的多目标优化方法.针对多目标优化模型,采用了非支配排序遗传算法(NSGA-Ⅱ)求解,并采用了Pareto解集过滤器技术.实验结果表明,改进的算法在一定程度上提高了运算效率和改善了Pareto解的多样性.     

一种求解阻塞流水车间多目标调度的离散差分进化算法

针对流水车间中产品不存在缓冲区的多目标优化问题,研究了阻塞流水车间的最大完工时间和总流程时间的最小化问题,提出了一种多目标离散差分进化(Multi-objective Discrete Differential Evolution,MDDE)算法搜索Pareto最优调度解。MDDE的变异个体通过非支配解或当前解的邻域随机产生,实验个体通过交叉操作产生,而选择过程则设计为一种多目标选择策略。此外,算法还混合了一种基于插入的Pareto局部搜索方法。基于标准测试算例的数值仿真实验表明,MDDE算法获得的非支配解集在Inverted Generational Distance、Set Coverage和Hypervolume性能指标上均有较好的表现。     

基于再生制动能利用的发车间隔优化模型

本文基于单车节能操纵,以降低全线总能耗为目标,建立了发车间隔节能优化模型。该模型在现有区间运行时分的基础上,考虑单列车节能及其在不同站间的运行速度曲线,得到列车区间牵引能耗,通过重叠时间确定有效利用的再生制动能,并且将多车总能耗最低转化为求解全线能耗最低问题。以全线能耗最低为目标,采用遗传算法,寻求最优发车间隔。仿真案例验证了优化发车间隔的节能效果。