全双工双向中继系统的功率分配方案

提出了最大化系统的频谱效率(SE)和能量效率(EE)两种功率分配方案.EE优化问题用迭代算法求解,首先运用分式规划的方法把优化问题转变成易求解的非分式优化问题,然后运用Dinkelbach算法求得用户节点的最佳功率,再运用一维搜索求得最佳中继放大系数,最后利用迭代算法求得EE最大值.SE优化问题同样用迭代算法求解.仿真结果显示,针对不同目标函数的两种功率分配方案分别提高了系统的EE和SE,同时迭代算法能够快速收敛获得最优解.     

混合智能算法的多目标无功优化方法

传统电力无功优化主要集中在引入或改进某种单一智能优化算法,进化算子的不变性难以保证算法在各寻优阶段的稳定性和普适性.本文提出基于多种智能算法动态混合策略的多目标无功优化方法.该方法采用计及系统网损与电压偏移的多目标优化模型,考虑多种智能算法在不同寻优阶段的优劣特征,基于帕累托最优动态确定备选算法的使用比例,使多种智能算法优势互补以提高整体寻优效率.以IEEE 30节点、系统多目标无功优化为算例,结果表明新方法在帕累托前沿和收敛特性等方面都表现更优.     

多点波束宽带卫星系统波束间功率优化分配算法

为满足多点波束宽带卫星系统各波束不同的业务需求,提高星上功率利用率,对多点波束卫星的功率分配进行优化。在充分考虑卫星下行链路信道条件的不同及各波束最小容量需求的基础上,以服务公平性和容量最大化为目标进行建模,提出了一种波束间功率优化分配算法OIBPA(optimized inter-beam power allocation),并采用凸优化理论对该优化算法进行分析。通过仿真分析,该算法与传统的功率分配算法相比,在考虑信道条件的基础上提高了卫星的功率利用效率,降低了计算复杂度,且可以根据业务优先级进行灵活地调整,适用于多点波束宽带卫星系统。     

基于多目标离散粒子群的产品服务系统方案配置规则提取

为有效辅助工程师将顾客需求转化为产品服务系统方案,针对其技术特征,提出一种离散粒子群优化算法(DPSO)与帕累托(Pareto)结合的配置规则提取方法.该方法包括建立产品服务系统配置规则模型及构造Pareto-DPSO算法模型.Pareto-DPSO算法基于Sobol序列的频率初始化方法及离散化粒子更新方式,将连续粒子映射到十进制离散空间;并利用Pareto进行多目标下粒子优劣性评价,以获取非支配的最优规则集.以汽车产品服务系统方案配置设计为例,经与常规多目标粒子群算法及DPSO算法对比,验证了该方法对于解决多维空间内产品服务配置规则挖掘的可行性及有效性.     

D2D网络功率和频谱资源分配策略

针对蜂窝通信系统高能耗、 低通信资源利用率和低信道利用率的问题, 提出一种基于能量效率(energy efficiency, EE)与频谱效率（spectral efficiency, SE）联合优化的网络资源分配策略. 首先, 在保证通信用户服务质量（quality of server, QoS）的前提下, 提出一种基于启发式算法的信道选择策略, 为系统内的D2D（device-to-device）用户分配信道复用资源; 其次, 在通信系统干扰门限和回程容量限制约束下, 利用Lagrange对偶分解迭代实现系统功率和频谱资源分配. 仿真结果表明, 该算法能有效扩充系统内D2D用户的数量, 提高能量效率及信道利用率, 增加频谱利用率, 为D2D用户分配最优的功率, 增强业务承载能力, 降低通信系统能耗并减少资源浪费.     

消减换道行为影响的换道轨迹规划

构建了一种能够消减换道行为影响的换道轨迹规划,将帕累托最优理念引入至自主换道行为中,通过IDM（intelligent driver model）模型构建周边车辆的优化目标。采用5次多项式模型构建换道车辆的优化目标,引入多目标优化算法求解该多目标问题,从而获得换道车辆与周边车辆的帕累托最优前沿。实验表明相比于现有算法所提算法能够显著降低换道区域内所有车辆的总损失,提高区域内交通流运行状态及安全。     

无线携能通信中基于时间反演的能量效率优化

针对无线携能通信(SWIPT)中的能量效率(EE)优化问题,考虑在满足一定通信服务质量和收集能量的条件下,通过一种基于时间反演(TR)的优化算法最大化系统的EE.首先,将TR引入SWIPT中构建新型的传输方案,并分析EE的闭合表达式.其次,对问题进行规划和分析,发现该优化问题是一个二元分式非凸规划问题,需要进行数学变换将其转化为凸优化问题.最后,通过Dinkelbach算法和CVX得到问题的解.仿真结果表明:解码噪声功率、最大发射功率及信噪比增大时,优化后的EE也会增大,且在满足约束条件时,基于TR的优化算法能够明显增大EE,提升系统性能.     

基于改进多目标粒子群优化算法的配电网削峰填谷优化

电力系统削峰填谷优化作为负荷管理的重要手段,而储能系统在削峰填谷的功能显得尤为突出,以负荷峰谷差为目标的单目标优化已经无法全面评价储能系统在削峰填谷上的优势,为更好地体现储能系统在负荷管理上的优势,考虑以经济效益为调度目标的多目标优化问题(multi-objective optimization problem,MOP)显得尤为重要。基于此以负荷峰谷标准差和分时电价构建了配电网削峰填谷的多目标优化模型进行研究。提出基于拥挤距离排序的改进多目标粒子群优化(multi-objective particle swarm optimization,MOPSO)算法,为改善算法陷入局部最优提出了变异机制的二次寻优,通过设置一定容量的外部档案存储非支配的帕累托(Pareto)最优解,最终获得Pareto最优前沿面。最后通过采用模糊隶属度法求解折中最优解,算例分析验证了本文所提模型的实用性和改进算法的有效性。     

区域资源禀赋的配置效率分析及其应用——以北京市和山东省为例

通过构建一个规范的经济学模型,利用主流经济学中基础的帕累托最优来解释区域资源配置的效率问题,并推导出区域资源配置达到帕累托最优时所满足的条件,最后对以我国省级区域地域单元资源配置效率状况进行了实证研究．     

多输入多输出单载波频分多址系统的鲁棒波束赋形算法

针对多输入多输出(MIMO)单载波频分多址(SC-FDMA)系统中现有波束赋形算法在非理想信道状态信息下性能下降以及对信道信息误差敏感的问题,提出了一种鲁棒波束赋形算法。该算法利用谱范数对信道状态信息误差进行建模,并基于均方误差和准则将波束赋形优化问题建模为一个极小极大化问题,然后利用优超理论以及奇异值不等式理论证明该优化问题的鞍点特性并得出最优的波束赋形结构,最后利用凸优化得到最优的功率分配算法。仿真结果表明:与非鲁棒波束赋形和等功率分配算法相比,该鲁棒波束赋形算法在误码率以及频谱效率方面都能获得更好的性能,信道状态信息误差增大时,该鲁棒波束赋形算法与非鲁棒波束赋形算法相比在高信噪比时误码率性能约有1dB增益,频谱效率约提升6%。     

一种基于帕累托最优的机场智能驱鸟决策模型

为防范鸟击事件的发生,提出一种就近分配与帕累托优化相结合的驱鸟器任务分配方法,研究了驱鸟器的最优驱鸟路径。首先将空中的鸟类目标点通过就近分配全部分配到驱鸟器的任务集中,得到一个每一步都是最优策略的局部最优分配结果,然后将每个驱鸟器任务集中的目标分别通过各任务集之间的帕累托优化与一个任务集之内的帕累托优化进行任务分配。结果表明:通过此方法能够得到一个基于帕累托优化的最优驱鸟路径,为驱鸟器提供了较为智能的分配算法。首次提出针对鸟群的驱鸟设备任务分配以及路径规划,在现有的鸟击防范工作基础上提供了较为智能的分配算法。     

两步法求解帕累托最优再保险策略

基于风险价值准则,利用"两步法"研究保险人和再保险人的帕累托最优再保险策略.在分出损失函数和自留损失函数都满足单调递增的集合中,均给出了具体形式的帕累托最优再保险策略.     

改进智能水滴算法求解多目标混流装配线平衡问题

针对第Ⅰ类混流装配线平衡问题，为了更大限度地提高装配线效率，设计一种基于改进智能水滴算法的多目标混流装配线模型.该模型通过在选择工位的同时考虑启发式因素与土壤值来提高装配效率，在处理产品切换引起的负荷变化的同时，能够很好地优化装配线的工位数、平滑指数和操作关联度.通过使用帕累托分层对传统的智能水滴算法进行修改，从而达到一个帕累托集以实现目标的优化.利用若干个装配线问题的标杆算例对提出的算法进行测试并进行指标分析，实验结果显示与其他算法相比，本研究算法计算出的结果更优，非支配解比例、解集分布性等指标更好.     

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.     

MIMO系统中有限反馈条件下的低功耗波束设计

为减小能量受限的多输入多输出(M IM O)系统的发射功率,该文提出了一种低功耗波束成形算法。该算法用特征矢量作为波束系数,用凸函数优化的方法优化波束之间的功率分配,使得系统在满足一定误符号率(SER)的前提下,发射功率最小。为减少反馈,该算法在发端仅需用有限的信道反馈信息——信道的相关矩阵信息或信道的均值信息,而不需完全的信道信息。结合正交空时码,该算法没有任何速率损失。仿真结果表明,与等功率波束成形算法相比,该算法能够有效地降低功耗。     

可再生能源制氢系统多目标优化调度

随着碳达峰碳中和的推行,氢能在能源去碳化进程中扮演着重要的地位。利用可再生能源制氢可以进一步实现能源低碳化。针对可再生能源系统稳定性较弱的缺点,将系统收益和环境成本这一对相互矛盾的目标进行折中考虑,提出使用多目标金鹰算法(multi-objective golden eagle algorithm, MOGEO)对可再生能源制氢系统运行优化求解帕累托最优解集。为验证该方法的可行性,以冬奥场馆所在地的典型日为例,分别与商业求解器CPLEX及传统的多目标粒子群算法(multi-objective particle swarm optimization, MOPSO)进行对比,结果表明所提方法可以取得更好的优化结果。     

帕累托最优在新型蜂窝结构吸能盒防撞性能中的应用

为提升车辆在低速(通常小于15 km/h)碰撞工况下的防撞性能,该文给出一种新型蜂窝铝结构吸能盒。建立了低速碰撞仿真有限元模型,利用LS-DYNA进行碰撞分析。选取新型蜂窝铝吸能盒结构中钣金件的厚度、几何形状等设计参数,建立该问题的数学优化模型,利用帕累托最优理论和多目标遗传算法,得到该优化问题的帕累托解集空间,并运用标准边界交叉(Normal-boundary intersection,NBI)法找出最优设计方案。与传统结构吸能盒相比,在不增加结构质量的前提下,该吸能盒能够显著提升车辆在低速碰撞工况下的防撞性能。     

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SPEA Ⅱ的双资源多目标车间调度模型

针对复杂制造业环境下实际作业车间受多种资源约束的问题,考虑工人综合素质及实际参与操作设备的人员数等因素所存在的差异性对工作效率的影响,建立了一种包含机器设备和操作工人2种约束资源的多目标车间调度模型,然后以完工时间最短、加工成本最低以及总拖期最小为目标,采用改进的强度帕累托进化算法(strength Pareto evolutionary algorithmⅡ,SPEAⅡ)求解该模型.仿真结果验证了该模型的正确性以及该文算法的可行性和有效性.     

一种基于Pareto关联度支配的多目标粒子群优化算法

为提高多目标优化算法的收敛性和多样性,提出一种基于Pareto关联度支配的多目标粒子群优化算法(MOPSO-PCD)。该算法在严格遵守传统Pareto支配规则基础上,将灰色关联分析方法融入非劣支配解的进化过程,设计了一种新颖的Pareto关联度支配规则。该支配规则作用于全局最优粒子的选择过程,具有关联度最大的全局最优粒子将引领粒子群体向着真实Pareto前沿不断逼近。同时,将该支配规则应用于外部档案中非劣支配解的维护过程,可减少或避免最终解集多样性的损失,从而维护好外部档案中非劣解的分布过程。仿真实验表明,与被比较算法在ZDT和DTLZ等系列测试函数相比,MOPSO-PCD能够获得更好的Pareto最优前沿分布特性和较快的收敛效率。