基于Pareto GA的机械手结构/控制多目标优化设计

针对机械／控制系统并行设计的多变量、多目标优化特点，以单臂机械手为对象，研究机电融合优化设计模型和多目标并行优化的算法．根据单臂机械手的动态特性和控制性能要求，采用极点配置方法构造了基于PD反馈控制的机电融合优化设计模型，通过Pareto遗传算法（PGA）对带约束的机电融合多目标优化问题的并行求解进行了研究，并对得到的Parato可行解集进行了分析．在PGA优化过程中采用了目标函数的归一化处理、分级罚函数法将约束问题转化为无约束优化、群体分级和Pareto解集过滤器等技术，并采用聚类方法对Pareto解集中解的个数、解集的特性和解的多样性进行控制，使优化解收敛到一个非劣点集．     

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.     

求解多目标优化问题的多智能体遗传算法

目的 在求解多目标优化问题时，总是希望获得尽可能多的Pareto解，且这些解能够较均匀地分布在目标空间的Pareto边界上。方法 通过引入智能体的概念，并将多个智能体组成的多智能体系统与经典遗传算法相结合，给出了一种求解多目标优化问题的多智能体遗传算法。结果 对每个智能体在其邻域内进行局部Pareto寻优操作，而不是在整个群体中进行Pareto寻优，从而保证了群体的多样性，并在一定程度上抑制了种群的早熟现象。结论 该方法能够找到问题的分布较均匀的Pareto最优解。     

一种求解多目标旅行商问题的混合进化算法

许多科学与工程优化问题往往需要转化为多目标旅行商问题进行求解,由于目标函数之间的冲突性,使得这类问题不存在能够优化所有目标函数的唯一最优解,而是存在一个Pareto最优解集或者Pareto Front。为了获得一个高质量的Pareto最优解集,提出了一种基于蚁群优化和差分进化的混合多目标进化算法。在提出的算法中,一方面采纳分解机制利用蚁群优化算子实现对Pareto最优解的开发,另一方面采纳拥挤度概念利用差分进化算子实现对Pareto Front的探索。通过对一组标准测试算例的仿真实验,结果表明所提出的算法比现有的算法能够获得分布性和收敛性更优的Pareto解集。     

多目标优化问题的差分进化算法研究

为保持所求得的多目标优化问题Pareto最优解的多样性,提出了一种精英保留和根据目标函数值进行排序的多目标优化差分进化算法.对排序策略中目标函数的选择方式进行了分析和比较,并提出了一种确定进化过程中求得的精英解是否进入Pareto最优解集的阈值确定方法.用多个经典测试函数进行了实验分析,并与NSGA-Ⅱ算法进行了比较.实验结果表明,该方法收敛到问题的Pareto前沿效果良好,能有效保持所求得的Pareto最优解的多样性.     

基于模糊偏好的多目标进化优化算法

近年来有关多目标优化方法得到了广泛的关注，但大部分多目标优化算法只是给出了一个优化解集，而没有对这个解集进行分析。这就使得决策者（DM）在决策阶段，无法分辨解的优劣，从而给决策带来困难。本文介绍了一种基于模糊偏好和遗传算法相结合的方法，使决策者在优化的初始阶段根据对不同的目标函数的偏好来决定它们的权重，通过与NSGA－Ⅱ算法所得到的Pareto曲线进行对照，可以为决策者提供更大的帮助。     

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.     

柔性作业车间多目标调度优化研究

研究了多目标柔性作业车间调度问题(FJSP),提出了一种基于Pareto的混合遗传算法,并建立了包括生产周期、总拖期时间和机床负载在内的多目标优化模型.该算法采用基于工序的编码方式和活动化解码方法,将Pareto排序策略与Pareto竞争方法结合起来.为了保证解的多样性,采用小生境技术并同时使用多种交叉方法,用Pareto解集过滤器保存进化过程中的最优个体,防止最优解的遗失.算法最后给出问题的Pareto最优解集.仿真试验证明,提出的混合遗传算法可以有效解决多目标FJSP.     

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。     

两连杆桁架设计的多目标优化算法

针对两连杆桁架的多目标最优化设计问题,提出一种利用遗传算法和模糊理论来求解多目标优化问题的Pareto最优解算法,并通过实验进行验证;讨论遗传算法和模糊理论产生Pareto最优解的差异.结果显示:通过遗传算法配合近似分析的方法可以更有效率地寻找到更多的Pareto最优解.     

水煤浆（CWM）分散剂制浆性能的研究

选择了三种具有代表性的分散剂，考察分散剂药量、浆的浓度及ｐＨ对减粘效果的影响，并对三种分散剂制得浆流变性和抗剪切性能进行研究，揭示一个理想分散剂应具有的特征，为进一步揭示煤与分散剂作用机理打下基础。     

基于CWM的企业元数据集成中对象到关系映射模式的研究

公共仓库元模型(CWM)是为数据仓库和业务分析环境间方便地交换元数据而制定的一个标准,并已经成为模型驱动体系结构(MDA)新策略方向中的核心组成部份.本文介绍了基于CWM的企业元数据集成,设计了一个对象到关系的映射模式,并给出了映射模式的应用实例.     

超环面行星蜗杆传动的多目标优化设计研究

提出了超环面行星蜗杆传动以减速器体积最小和啮合齿面间相对速度最小为目标确定传动参数的多目标优化设计方法,建立了基于多目标优化设计的数学模型.通过优化模型求解,确定了超环面行星蜗杆减速器的最优参数.最后利用优化结果完成了减速器的设计和三维建模.     

萘磺酸甲醛缩合物的合成及其在水煤浆添加剂中的应用

本文介绍了作为水煤浆添加剂的萘磺酸甲醛缩合物的合成方法,针对兖州矿务局兴隆庄2~#精煤和统煤,考察了三种制备高浓度水煤浆的表面活性剂,结果发现这三种表面活性剂都有利于提高水煤浆的浓度,改善其流动性,并且复合表面活性剂要优于单种表面活性剂.     

基于粒子群算法的不确定动态多目标优化方法研究

当前不确定动态多目标优化方法通常将多目标问题转换成单目标问题,将其它目标看作约束条件,仅可得到单个解,无法有效体现不确定多目标之间的关系,导致得到的解质量低。为此,提出一种新的基于粒子群算法的不确定动态多目标优化方法,给出不确定动态多目标优化问题的数学描述,介绍了粒子群算法,针对粒子群算法容易陷入局部最优的弊端,引入动态变异算子对其进行改进,通过改进的位置更新公式实现粒子群算法位置的自适应更新,给出解决不确定多目标优化问题的详细过程,在此基础上,通过分段线性函数参数化实现不确定动态多目标优化。实验结果表明,所提方法搜索能力强,采用所提方法得到的解与真实解最相近,质量最高。     

认知无线网络中基于HJ-DQPSO优化的频谱分配机制

在认知用户和授权用户共存的认知无线网络模型中,为了解决认知无线网络中最大化网络效益和用户间接入网络的公平性联合最优化的多目标频谱分配难题,提出了一种新的基于 hooke jeeves（HJ）计算和量子粒子群（quantum particle swarm optimization,QPSO）理论的离散多目标组合优化机制,即 HJ-DQPSO 优化机制。该机制中,提出了采用 HJ 算法进行局部搜索,防止陷入局部最优,并对 QPSO 算法进行离散化处理以便更匹配离散的频谱分配模型。与现有的频谱分配算法进行仿真性能比较,实验结果表明,该机制具有逼近最优解、快速收敛、不易陷入局部最优、参数设置少的特点。在不同的优化目标情况下,能够较好地逼近频谱分配最优解而且可以实现快速收敛,在满足多个优化目标的情况下可以获得更合理的频谱分配方案。     

基于主成分分析和代理模型辅助的多目标生产优化方法

多目标优化方法常用于考虑地质不确定性时进行油藏鲁棒生产优化,该方法能够同时优化历史拟合得到的多个概率模型的平均经济净现值和经济净现值的离散程度,从而得到一组权衡多个目标的最优生产方案。然而,多目标优化过程涉及的决策变量规模大,且基于常规数值模拟的目标函数评估计算耗时长。对此,本文提出了一种基于主成分分析和代理模型辅助的多目标生产优化方法(K-MOEA/D-PCA),采用主成分分析对大规模决策变量进行降维,然后借助基于代理模型辅助的多目标进化算法,通过设计计算高效的近似函数来代替常规数值模拟进行生产优化,最终得到目标油藏的最优生产方案。为验证提出方法的有效性,将其应用到标准测试模型(Egg模型)。结果表明,提出的K-MOEA/D-PCA方法,通过降低变量的维数,可以有效解决具有大规模变量的油藏多目标生产优化难题,实现优化效率和方案精度的平衡。     

最佳觅食算法求解多目标混合流水车间调度问题

针对生产车间中需要同时考虑减少生产时间、确保加工质量以及通过减少能耗而降低生产费用的需求,建立以完工时间、空闲时间、加工质量和机器能耗为目标的多目标混合流水车间调度模型,提出一种基于直觉模糊集相似度的最佳觅食算法.为有效求解此问题,提出基于Largest Order Value规则的双层整数编码方式,在机器层编码部分采用权重法来计算机器的选择概率.针对多目标优化,提出直觉模糊集相似度的解比较策略,采用直觉模糊集相似度的大小衡量Pareto解与理想解的相似程度,判断Pareto解的优劣.通过测试实例和实际案例,验证本算法求解多目标混合流水车间调度问题的有效性和可行性.     

基于粒子群算法的牵引逆变器多目标优化控制策略

为解决中点钳位型三电平牵引逆变器存在的中点电位不平衡以及由此而引起的输出电流谐波无法同时得到有效控制问题,提出了一种基于粒子群算法的牵引逆变器多目标优化控制策略。首先建立谐波抑制和中点电位平衡控制变量的数学模型;然后以输出电流谐波总畸变率最小为目标,以中点电位波动幅值尽可能小为约束条件,采用罚函数法构建了多目标优化模型。通过粒子群算法进行优化求解,实现在有效抑制输出电流谐波的同时最大程度降低中点电位波动幅值。仿真和实验结果验证了所提多目标优化控制策略的有效性。