多备选方案的综合性能指标配煤优化

针对配煤过程中最优方案失效的情况,提出了一种能够具有多备选方案的综合性能指标配煤优化方法.该方法采用一种新型的群智能优化算法——多元优化算法进行优化,算法中的搜索元采用上三角的数据结构存储,并利用该结构实现有用信息记忆和共享,充分利用寻优过程信息,实现搜索过程记忆,在找到全局最优解的同时,保留多个次优解.以某火电厂为工程应用实例研究,将该算法与其他5个常用的群智能优化算法的优化结果进行比较验证,结果表明多元优化算法在配煤优化中能够提供多种备选方案且最优解精度更高.采用多元优化算法进行具有多备选方案的配煤优化是可行有效的.多备选方案的综合性能指标配煤优化研究对火电企业具有重要的现实意义.     

一种新型可靠性模型参数优化求解方法

对可靠性增长模型参数进行求解多采用构造极大似然函数,并对似然函数求极值的方法。用极大似然法进行参数优化估计时,有容易受迭代初值的影响不易收敛到全局最优解的缺点,文中采用进化规划（EP）算法,建立以适应函数为目标,求其极大值点即可确定参数最优解的优化模型,不再需要求极值和估计优化变量的初始值即可获得全局近似最优解。为了更好地确保获得全局最优解,进一步保证方程解的精度,进化规划算法采用了并行操作、保留最优个体等方法。新的优化参数求解方法可以在求解效率和收敛性能上达到较好的平衡,能更好地将优化方法与最大似然估计法相结合。最后利用某固体火箭发动机的可靠性增长实验数据验证了该优化方法的有效性和正确性。     

集成化服务链多目标全局优化模型与算法

基于集成化服务链网络模型和候选服务资源评价指标,建立集成化服务链的多目标全局优化模型,并提出一种基于改进多目标遗传算法的集成化服务链多目标全局优化算法。算法采用基于距离的无参数种群多样性度量算子,在适应值分配、精英保持和选择操作中均进行了种群多样性控制,能在满足多约束条件下同时优化多个目标,得到一组满足决策者不同主观偏好的Pareto全局最优解集。仿真实验表明算法具有全局收敛性并具有较好的解的质量和分布,能有效求解集成化服务链多目标全局优化问题。     

基于基矩阵和基矩阵集合的分离网络优化模型

分离网络综合问题因其巨大的搜索空间导致优化计算的高复杂性。为提高分离网络综合问题的求解效率,该文提出了基矩阵和基矩阵集合的概念,建立了分离网络优化模型。列队竞争算法因其具有快速搜索到全局最优解或近似全局最优解的优点,而被用来求解该分离网络优化模型。用该文提出的方法对两个较大规模的分离网络综合问题进行了求解。计算结果证明:该方法能有效减少变量数,提高全局最优解的搜索效率。     

基于遗传算法的铁路纵断面优化设计方法

针对传统的铁路纵断面优化大多采用局部优化的方法,提出了一种基于遗传算法的铁路纵断面优化方法,这种方法可以在一个可行域中自动搜索获得一个最优或较优解。其基本思想是首先根据纵断面初始解建立一个可行域,对解个体进行编码,然后对可行域中的可能解用一个评价函数(适应度)进行度量,对解个体进行选择、交叉、变异,从而获得最优解。该方法具有全局解空间搜索能力,从而实现了全局寻优的目的。     

拉深翻边复合成形工艺参数多目标优化设计

通过对拉深翻边复合成形工艺设计中的失稳方式进行理论分析和模拟仿真,建立了破裂、起皱和厚度不均3个目标函数.针对各成形质量目标相互关联而无法同时达到最优的特点,提出一种基于多目标优化技术的综合优化方法.以空调外机面板为例,经试验设计和基于Matlab的数据处理技术构建响应面模型,采用改进的快速分类非支配遗传算法对模型进行全局寻优,获得了一组最小化成形缺陷的非劣解集.结果表明,该多目标优化模型具有较好的优化效果和工程实用性.     

基于均匀布点的模拟退火算法

把实验设计中的均匀设计思想引入模拟退火，提出了一种基于均匀设计变量的模拟退火优化方法。该方法根据均匀设计原理在优化模型的设计变量空间内均匀分布一系列点，然后，将可行域内的上述系列布点作为优化计算的系列初始点，并运用模拟退火算法，分别开始进行优化计算，得到优化模型的一系列局部最优点。最后，比较所有局部最优点的最优值，即认为在一定程度上获得了该优化问题的全局最优解。该算法可求取非线性多峰函数的全局最优解。编制了计算程序，给出了计算实例，计算结果表明该设计方法是可行的。     

单管感应电能传输系统参数全局优化

针对单管感应电能传输系统参数优化中存在的设计参数约束少、参数非全局最优等问题,提出一种参数全局优化算法。将系统效率最高作为目标函数,以原副边电感、电容等关键器件的电压、电流大小为约束条件,将工作频率、原副边电感、电容作为优化变量,建立系统的非线性规划数学模型,采用智能优化算法进行模型解算。为避免算法收敛于局部最优,设计了"遗传算法+模式搜索"的混合算法,即在遗传算法求得最优解的基础上,采用模式搜索进行深度优化。仿真和实验结果表明,提出的方法能从全局角度对系统进行整体优化,单次优化得到所有最优参数,减少了工作量;求解时的混合优化算法具有较优的全局搜索能力,可用于其他约束优化问题。     

多目标激光反导决策的动态置换算法

多目标激光反导决策优化是激光反导系统的关键技术,其本质上是一个动态最短路问题,但是目前对于寻求该问题的全局最优解存在很多困难,特别是当目标个数大于6时,很难获得全局最优解。针对多目标激光反导决策优化问题引入了一种动态置换算法,包括邻近置换和对称置换,其中邻近置换是在原有解的基础上进行微调,容易进入局部最优解,而对称置换则可以进行大范围的搜索,有利于跳出局部最优解,从而增加了获得全局最优解的概率。以8个目标为例进行了仿真,结果表明所提出的算法比遗传算法收敛速度快。     

基于多种群合作协同算法的电力系统调度优化

为解决电力系统环境经济调度这一复杂多目标约束优化问题,提出一种有效多种群合作协同优化算法,采用多个种群对搜索空间进行搜索,运用新型的速度位移更新方式以及种群周期内拓扑结构重组策略.结果表明,该算法能对解空间进行更加全面、充分的探索,可快速找到一组分布具有尽可能好的逼近性、宽广性和均匀性的最优解集合.将该算法应用到某电力系统的环境经济调度中,其仿真计算结果与其他求解方法结果的对比分析表明,该算法可以有效兼顾全局收敛性和Pareto非劣调度方案的多样性,具有较高的效率以及鲁棒性.     

滚朋羊梯级水电站优化调度研究

本文针对目前各种梯级水电站优化调度算法存在不足,以云南滚朋羊梯级水电站优化调度为工程背景,着力考虑该梯级总发电量和最大保证出力2个重要指标,并且围绕这2个指标建立该梯级水电站优化调度的目标函数,采用蚁群算法获得该目标函数的解。最后通过仿真证明,采用蚁群算法获得的解将是全局最优解。     

模块化产品族的共享模块筛选方法

针对在模块化平台中筛选共享变量的问题,受协同优化算法使用一致性约束函数对各子优化问题进行一致性统筹的启发,提出一种基于一致性约束的优化算法.在系统级优化中使用非支配排序的遗传算法NSGA-Ⅱ对该多目标优化问题进行求解后得到Pareto解集,利用模糊聚类算法对解集中的每组解进行综合性能的评价并选优,根据最终筛选出的最优解即可实现共享变量的筛选.相比以往常用的基于经验或灵敏度的方法,该方法更严格地在子学科优化中以车身性能为目标函数,在系统级优化中进行共享度的优化,并且可根据系统级优化结果筛选出局部共享变量.以SUV、两厢掀背车和三厢轿车为算例,使用该方法有效地筛选出3款车型的全局共享变量、局部共享变量和非共享变量,对该方法的可行性和有效性进行了验证.     

求解环境经济调度问题的多目标差分粒子群优化算法

提出一种基于差分演化的改进多目标粒子群优化算法来求解电力系统环境经济调度问题。算法通过对Pareto最优解集的差分演化来增加Pareto最优解的多样性;通过循环拥挤距离来控制归档集中非劣解的分布,以提高对种群空间的均匀采样;采用一种新的多目标适应值轮盘赌法选择粒子的全局最优位置,使其更逼近Pareto最优前沿;自适应惯性权重和加速度因子的动态变化可增强算法的全局搜索能力。对电力系统环境经济负荷分配模型进行仿真,并与文献中的其他算法进行了比较。结果表明,改进的算法能够在保持Pareto最优解多样性的同时具有较好的收敛性能。     

基于就近取值策略的离散多目标优化

针对现有的离散变量处理方法在求解多目标优化问题中存在精度和可靠性不足的情况,结合离散变量优化问题和遗传算法两者的特点,提出一种能够处理离散变量的就近取值策略.此策略代替了传统对离散优化问题中离散变量的处理方法:将离散优化问题转化为连续优化问题,利用决策变量为连续的优化方法去解决该离散优化问题所对应的连续优化问题的最优解集,最后再按照特定的方法将该连续优化问题的最优解集离散化得到对应离散优化问题的最优解集.将此策略应用在传统多目标遗传算法NSGA-Ⅱ(Non-dominate Sort Genetic AlgorithmⅡ)的遗传算子中得到了离散交叉算子和离散变异算子,使得算法能够真正在离散空间中搜索寻优,并得到了一种基于就近取值策略的离散多目标优化算法(Dispersed Non-dominate Sort Genetic AlgorithmⅡ,DIS-NSGA-Ⅱ).在理论上本方法相比传统方法,对解决离散优化问题更合理,优化结果更精确,有较大优势.最后,通过实验对比现有两种最典型的离散变量处理方法验证了DIS-NSGA-Ⅱ对解决离散变量优化问题的有效性.     

基于蚁群算法的多目标优化问题研究

为保持所求得的多目标优化问题Pareto最优解的多样性,文章提出了一种新的蚁群算法。选择策略采用多信息素权重,信息素更新结合了局部信息素更新与全局信息素更新。其中,全局信息素更新采用了两个最好解。此外,通过在外部设置外部集来存储Pareto解,并将改进的算法应用在双目标TSP上。最后进行了仿真实验,结果表明新方法比NSGA-II和SPEA2更有效。     

基于微分进化算法的多目标交会策略

采用微分进化算法研究了考虑J2摄动影响的多目标远程最优交会问题。首先,采用虚拟目标点摄动修正策略,提出了考虑J2摄动影响的远程交会轨迹求解方法。然后,建立了多目标远程最优交会的性能指标函数,采用微分进化算法,对燃料最优与任务时间最优的多目标远程交会进行了寻优计算,得到了相应的优化结果和多目标最优交会策略。研究工作可用于多目标在轨服务和拦截任务的远程交会策略制定和和轨道设计。     

空间绳牵引并联机器人多目标优化设计

以6自由度空间绳牵引并联机器人工作空间体积、最小索力和全局灵巧度为优化目标,在保证绳索张力范围的前提下建立了多目标优化的数学优化模型.采用神经网络-遗传算法求得优化的3组满意解,并采用灰色聚类法选择多目标优化时的权重系数.仿真结果表明该优化方法可以有效地实现结构的优化,为同类绳牵引并联机器人的设计提供了有益的参考.     

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。     

某轿车车门轻量化与疲劳寿命多目标综合优化

为了提高某轿车车门的综合性能,对车门总成进行轻量化和疲劳寿命的多目标综合优化设计。首先建立并试验验证车身及车门总成有限元模型,基于模型分析车门总成装备件质量、结构尺寸、刚度和安装位置等8项参数对车门疲劳寿命的影响;然后,以这8项参数作为优化设计变量建立车门总成多目标综合优化参数模型,以车门总成质量和疲劳寿命为优化目标,以车门框刚度为约束条件,应用多目标粒子群优化算法对车门总成进行综合优化计算,得到Pareto最优解集,依据工程实际选取1组最优解,并依此进行样件试验以验证优化方法的有效性。研究结果表明:在保证车门总成刚度和提高疲劳寿命的同时,车门总成质量减少2.44 kg,说明优化方法是有效的。     

基于多目标优化的救援机械臂结构参数设计

为了综合优化双臂救援机器人双臂协同工作空间、机械臂负载能力以及机械臂末端运动速度,研究了基于多目标函数综合优化的救援机器人双臂结构参数设计方法. 由于双机械臂的协同工作空间难以进行数学描述,提出了一种基于三重积分的描述方法. 针对所建立的双臂协同工作空间、机械臂末端运动速度以及机械臂负载能力三个目标函数的综合优化问题,通过模糊层次分析法,计算每个目标函数的权重从而进行线性加权以得到综合的多目标优化函数. 基于该综合优化函数,通过粒子群算法进行多目标函数最优值求解,得到一组机械臂结构优化参数,使双臂救援机器人的综合性能达到最优. 实验结果表明所提出的双臂救援机器人性能指标的优化方法是可行的.