弱凸多目标规划问题的最优性条件

在一类单目标全局最优性条件的基础上, 利用抽象次微分与抽象法锥研究多目标规划问题, 给出弱凸多目标优化问题有效解的充分条件, 并将单目标优化问题推广到多目标优化问题.     

抽象凸多目标规划的最优性条件

 在单目标优化问题全局最优性条件的基础上, 利用抽象次微分研究弱凸函数多目标规划问题的最优性, 得到了与传统方法不同的结果.     

弱凸向量优化问题的最优性条件

在单目标优化问题全局最优性条件的基础上, 利用抽象微分研究弱凸向量优化问题的最优性条件.     

多目标混合混沌优化算法研究及应用

为了求解多目标优化问题,提出一种基于混沌搜索的多目标模糊混沌优化算法．将混沌优化方法与模糊优化方法有机地结合起来,应用混沌优化算法求出各个单目标的最优解;将各最优解模糊化;应用模糊非对称方法的思想和模糊集合理论中的最大满意度原理,将多目标优化问题转化为单目标非线性规划问题;最后应用混沌优化算法求解单目标优化问题,得到满意度最大的解．结果表明,所提出的多目标模糊混沌优化算法是可行和有效的,为求解多目标优化问题提供了一种新的有效方法．     

求解复杂约束优化问题的演化多目标算法

在分析了传统的求解带约束的单目标优化问题存在的问题的基础上,利用多目标优化算法的框架,把单目标优化问题中的软性约束化为新增的目标,把原问题化为一个多目标优化问题,然后利用演化多目标优化算法求解转化后的问题,分析了该方法处理约束的优势,并给出了初步实验结果.     

多目标凸规划凝聚同伦内点算法

研究凝聚同伦内点法求解多个约束的多目标凸光滑优化问题. 用凝聚函数将多目标凸函数凝聚为单目标凸函数, 再利用凝聚函数将多个凸约束凝聚为单个凸约束, 使原来的多约束多目标凸优化转变为单目标单个约束的凸规划问题, 再利用同伦内点法求得单目标凸优化的最优解， 即为原多目标凸优化的弱有效解.     

多目标模糊优化理论及其在制造系统中的应用

基于单目标最优解模糊化基础上的多目标模糊优化方法能够反映各个单目标最优解与多目标满意解之间的相互关系,较好地解决多目标优化问题。文章根据多目标模糊优化的基本原理,结合目标相对优属度概念,提出了具有相互矛盾目标的系统多目标模糊优化方法,并通过示例说明了该方法在制造系统优化中的应用。     

基于分布式神经动力学算法的微电网多目标优化

针对微电网多目标优化计算量较大的问题,提出了一种考虑需求响应的微电网分布式神经动力学优化算法.首先,考虑平均效率函数、微电网的排放、需求响应引起的不满意度以及总利润函数等因素建立多目标优化模型.其次,应用单目标积公式将多目标优化问题转换为单目标优化问题,并证明了最优解是原始多目标问题的帕累托最优点.再次,使用对数障碍物惩罚因子处理不等式约束,利用Lasalle的不变性原理和Lyapunov函数证明所提出的算法可以收敛到最优解.最后,通过仿真验证了本文算法可以在保证优化精度与收敛性条件下,大大降低计算成本.     

一类多目标优化弱有效解的判定方法

给出一种目标函数是线性函数、 约束函数是非线性函数的一类特殊多目标优化问题弱有效子集的简易判定方法, P个目标的弱有效解可以利用某两个单目标函数组成的双目标优化问题进行判定, 并给出了此类多目标优化问题的判别准则.     

基于Pareto多目标遗传算法的排课算法

中小学课表编排要考虑时间、空间和人员安排问题等多个目标的同时优化问题。传统方法是将多目标优化问题的多个目标函数通过适当方法(如加权法等)转化为单目标优化问题进行处理。该方法的缺点需要对优化问题掌握一定的先验知识,否则难以确定加权系数。针对传统多目标算法需要对目标掌握先验知识的缺点,该文提出一种基于Pareto多目标遗传算法的排课算法,并实验证明该方法的有效性。     

多目标萤火虫算法的电力系统无功优化方法

为解决传统单目标无功优化电压偏高的问题,采用建立多目标无功优化数学模型的方法,提出一种带精英保留策略和Pareto占优及拥挤距离排序的多目标萤火虫算法对建立的无功优化数学模型进行优化.研究结果表明:多目标萤火虫算法在优化过程中具有较强的寻优能力和全局收敛性,在减小电力系统有功网损的同时有效解决了电压偏高的问题,是一种求解多目标无功优化问题的有效方法.     

多目标优化参数向单目标优化参数的转化研究

以夯实机冲击轮下落阶段进行运动分析为例,建立冲击轮动力参数的多目标优化模型,以水平速度变化率最小和垂直速度变化率最大为两追求目标.运用多目标优化方法中的线性加权和法对其进行优化处理,由多目标优化问题转化为单目标优化问题,运用MATLAB软件解得的最优解即为该多目标优化问题的有效解.使得优化后的冲击轮动力性能在水平方向和垂直方向上均有较大的改善.     

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.     

零一规划在投资优化中的应用研究

应用零一规划原理对单目标投资和多目标投资的优化问题进行了研究，给出了进行投资优化的方法。     

多目标拆卸序列优化问题的分散搜索算法

针对拆卸序列优化问题以最小拆卸时间和最大拆卸收益为优化目标建立了多目标优化数学模型.应用线性加权方法将多目标优化问题转换为单目标优化问题,并提出了一种改进的分散搜索优化算法.算法采用保持优先关系的交叉过程(PPX)作为子集解的组合算子,通过局域搜索算子改进组合算子产生的新解.引用数值算例对模型和算法进行了验证,结果表明该模型及算法求解多目标拆卸序列优化问题有效.     

凝聚函数法求解斜拉桥成桥后误差调整问题研究

针对斜拉桥成桥后的误差调整问题,建立多目标、多约束的优化模型;利用一种带参数的综合凝聚函数法,将多个目标和多个约束分别凝聚为一个替代目标A(x)和B(x),使各个目标和各个约束在A(x)和B(x)中具有不同的权重.通过凝聚函数法,将多目标、多约束的非线性规划问题转化为光滑、可微的单目标、单约束优化问题.数值算例表明该方法可以应用于大规模的非线性规划问题中.     

两层多目标决策问题的理想目标法

本文建立了一类上、下层均为多目标的两层多目标决策问题的数学模型和决策机制，利用理想目标将其转化为等价的两层单目标规划问题，采用求解非凸优化问题的外部逼近法求解此两层单目标规划问题，从而获得两层多目标决策问题的满意解。     

模型预测控制器权重参数整定非线性规划法

模型预测控制(MPC)权重参数的整定是其取得良好控制性能的关键。针对基于双层结构多目标优化的MPC权重参数整定方法存在求解过程较慢、耗时较长的问题，提出了一种非线性规划整定方法。该方法将MPC权重参数整定中每个时间采样点的MPC子优化问题等价为外层MPC权重参数整定优化问题的最优KKT(Karush-Kuhn-Tucker)条件，将MPC权重参数整定的双层多目标优化问题转化为单层非线性规划问题。仿真案例表明，基于单层非线性规划整定方法的MPC控制性能优于或近似于基于双层多目标优化整定方法的MPC控制性能；而且基于单层非线性规划的整定方法能够快速获得MPC权重参数，时间成本由基于多目标优化整定方法所需的1.0～1.5 h缩短到10～90 s。     

磁流体非导体型特殊组合电容传感模型与参数优化

分析磁流体传感模式,建立非导体型特殊多介质带缝隙半圆柱组合电容传感模型,综合考虑电容传感灵敏度以及电容值进行多目标优化。借助电容值函数特点分析,将多目标函数转化为单目标优化问题,并利用坐标轮换法优化方法。进行多维参数优化。可以推广于其他磁流体传感建模及优化领域。     

一类二层多目标规划的解法

在上层决策变量作为参数的情况下，将上层为单目标，下层为线性多目标的两层优化问题，转化为含参变量的有效集上的单目标问题，给出了一个相应的算法。