一种双种群协同多目标粒子群优化算法及应用

针对当前我国油田开采难度大、 经济效益较低等问题, 建立以利润最大化为优化指标, 以年度增油目标、 增液目标、 增注目标为约束条件的多目标油田开采优化模型, 并提出一种双种群协同多目标粒子群优化算法求解该优化模型. 该算法通过双种群协同进化策略扩大搜索空间, 提高算法的全局搜索能力, 并结合Lévy飞行保证种群多样性, 提高算法收敛效率. 实验结果表明, 该算法能有效求解油田开采优化模型, 可优选出满足目标和约束条件的结果.     

一种求解多目标优化问题的协同演化算法

提出了一种求解多目标优化问题的协同演化算法.新算法改进了Kwee-Bo的协同演化的思想,将混合策略演化规划用于协同演化过程中,混合策略指导算法有效搜索过程,两个种群协同优化目标函数.标准测试函数的数值实验验证了新算法的有效性.     

受时间、空间约束VRP问题蚁群优化模型及算法的研究

蚁群算法求解组合优化问题是当今智能优化算法的发展方向之一.通过对M.Dorigo提出的传统蚁群优化元启发模型改进,提出了多参数约束蚁群优化元启发式模型.该模型将所有优化约束条件映射为影响人工蚂蚁搜索行为的诱导素;模型中的人工蚂蚁智能行为简单,只根据信息素和诱导素在求解空间中进行搜索,而不进行复杂的运算;该模型减少了人工蚂蚁的求解搜索空间.并通过受时间、空间约束问题VRP(Vehicle Routing Problem)验证了本文提出模型算法较传统蚁群算法简单、收敛性快.     

动态协同和声搜索算法及其在无线传感器网络覆盖中的优化

研究一种动态协同和声搜索算法,并对无线传感器网络的覆盖感知模型进行求解.该算法设计多种群动态协同进化策略,改善和声搜索算法的多样性.在和声记忆库考虑阶段,引入轮盘赌选择,提高搜索的有效性.同时,对算法参数进行动态调节,以提高算法的优化性能.无线传感器网络覆盖优化问题的优化仿真结果表明所提算法取得较优的结果.     

预制构件生产-运输-装配一体化的建造调度优化

为研究预制构件生产-运输-装配一体化的建造调度优化问题,构建装配式构件全过程的多目标调度优化模型.优化模型将预制构件3个阶段的优化作为一个扩展的生产车间调度优化,并采用改进的双种群遗传算法对模型进行求解.结果表明：改进的双种群遗传算法能够显著提高遗传算法的搜索效率;优化模型能够有效地减少总完工时间和并行机器的总机器成本.     

基于自适应混合粒子群算法的协同多目标攻击空战决策

针对协同多目标攻击过程中的空战决策问题,建立了协同多目标攻击空战决策的多目标优化数学模型,提出了一种新的自适应混合粒子群优化算法,并将其应用于协同多目标攻击空战决策问题.该算法利用种群多样性信息对惯性权重进行非线性调整,并结合遗传算法的思想,提出了对粒子进行交叉和变异操作来完成粒子更新的方法.仿真结果表明,该算法具有较高的局部求解精度和全局搜索能力,是一种求解协同多目标攻击空战决策问题的有效算法.     

一种布谷鸟-交叉熵混合优化算法及其性能仿真

为了提高布谷鸟搜索算法在求解复杂优化问题时的收敛速度和搜索精度,基于交叉熵方法,构建了一种新的布谷鸟-交叉熵混合优化算法.该算法将基于模型的交叉熵随机优化算法和基于种群的布谷鸟搜索进行有机融合,采用协同演化策略,既提升了混合算法收敛速度,又改善了其全局优化能力.对经典测试函数和PID控制器整定问题的仿真结果表明,新算法具有全局搜索能力强、求解精度高和鲁棒性好等特性,是一种求解复杂优化问题的可行和有效算法.     

考虑雷达覆盖需求的VTS雷达站选址

为解决船舶交通管理系统雷达站选址问题,考虑单个雷达失效和雷达覆盖需求因素,以建站总成本最小和水域总面积覆盖率最大为目标,构建双目标模型并设计自适应权重多目标粒子群算法进行求解.算例验证结果表明,该模型可在满足覆盖次数和面积覆盖率约束条件下实现对VTS雷达站的选址优化,提高了选址的科学性和合理性,可为海事主管机关选址提供决策参考.     

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。     

多金属地下矿山生产计划动态优化

为了实现多金属地下矿山生产计划编制的动态性和科学有效性,以开采过程中技术经济要求和空间序列关系为约束条件,以利润最大化为目标构建多金属地下矿山生产计划动态优化模型.模型将采准、切割、爆破、回采和充填过程抽象为基本作业单元并加以模型化处理,将地下开采的均衡性要求和接续性问题转化为空间约束条件,以开采状态作为决策变量,构建生产计划优化的0-1整数规划模型,并给出基于人工蜂群模型的求解算法.以西藏某铜钼矿的生产计划动态编制为应用案例,优化解算出矿山未来3年的生产计划,并给出矿床开采时序的三维可视化展示.优化结果表明,通过开采区域的动态调整,在有效保证生产连续性的同时,提升了矿山开采的经济效益.     

用于多目标数据关联的群智能混合算法

为快速实现多目标数据的关联,将蚁群优化(AGO)算法和粒子群优化(PSO)算法相结合,提出了一种群智能混合算法.以跟踪门确定目标的有效量测,以新息的似然函数描述量测与目标的关联关系,建立多目标数据关联的组合优化模型.利用交叉变异的PSO算法求解出该优化组合模型的次优解,再将该次优解作为蚁群位置和信息素初始化的依据,利用ACO算法对目标函数的解进行细搜索以求得更优解.仿真实验结果表明,该算法能够有效地提高关联准确性和收敛速度.     

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.     

混沌PSO梯级优化调度算法及实现

利用切比雪夫(Chebyshev)映射在[-1,1]区间上的遍历性和随机性,提出了一种基于切比雪夫映射的新型混沌粒子群优化(CPSO)算法.该算法在粒子群算法求出的最优解附近进行混沌搜索.提高了混沌粒子群算法的全局优化能力,能有效避免算法容易陷入局部最优以及解决逻辑斯谛(logistic)映射不能在负值区间进行搜索的问题.针对模型中复杂的约束条件,采用分段线性插值函数实现了对目标函数的求解,并通过对采用丰枯电价时三峡梯级水电系统长期优化调度问题的计算及与其他算法的对比,验证了该算法可解决具有复杂约束条件的工程优化问题.     

用改进遗传算法求解电力系统负荷恢复

对系统恢复过程中最后一个阶段的负荷恢复问题进行了研究.考虑系统恢复过程中负荷对电力需求优先级的不同,将电力系统的负荷恢复问题建模为多约束条件的组合优化问题,并用改进的遗传算法对问题进行求解.在选择策略中采用稳态策略、精英策略和重叠种群策略,提高了遗传算法搜索的遍历性并使算法具有群体爬山性.将各种约束条件与目标函数融合在一起,建立一种偏序关系来处理负荷恢复中的约束条件.求解的过程满足了系统的约束条件,不会出现系统的越限.算例结果表明了算法的有效性.     

模拟退火遗传算法的泵站优化运行

针对泵站在不同流量扬程要求时,水泵运行组合不合理,导致泵站运行效率低的问题,提出以泵站总功率最小为目标函数的优化运行数学模型.此模型以水泵扬程、总供水量和调速泵的调速率为约束条件,利用模拟退火遗传算法确定并联运行泵的台数、调速泵的调速率及泵的流量分配,实现泵站的优化运行.该算法引入了不可行度对每代种群做初始选择,并利用不可行度取代传统的惩罚函数,平衡目标函数最优化和满足约束条件这两方面的要求.最后通过实例验证了本算法在求解泵站优化调度问题方面的可行性.     

并行蚁群算法在公交线网优化中应用

针对实用有效的公交线网优化模型很少的现状,提出了一个以直达客流密度最大为目标的公交线网优化模型.该模型以换乘次数最少、单位长度运送客流量最大为优化目标,线路长度、非直线系数等作为约束条件.为求解该模型,并综合考虑优化质量和通信开销,采用了基于粗粒度模型的并行蚁群算法.数值实验验证了模型及算法的合理有效.     

快通系统排队问题的建模与多目标优化

为减少游乐场游客排队时间并提高其满意度,通过改进通道设计和增加团体游客类型等因素建立快通系统模型,并对其进行多目标优化.首先以平均等待时间、平均逗留时间和游客满意度为因子建立评价系统,并进一步提出初始多目标模型;然后通过改进通道设计和增加现实约束条件,建立了多目标优化模型并给出模拟求解算法;最后仿真结果表明所建立的优化模型能够大大减少游客等待时间并提升满意度.     

求解多目标数值优化问题的量子演化算法

为提高多目标数值优化问题解的收敛速度并保持解的多样性,基于多目标优化和量子计算原理,提出了一种量子演化算法.首先,根据多目标优化特点,使用多目标密度比较算子对量子种群进行排序和筛选;然后,应用非均匀变异算子对观测种群进行变异以保持解的收敛性并提高局部搜索的能力;最后,使用多样性保持算子对观测种群进行删减以保持解的多样性. 实验结果表明,与NSGA-II算法相比,文中算法具有更高的收敛速度和更好的种群多样性.     

新型灰狼优化算法在函数优化中的应用

针对灰狼优化算法在求解连续函数优化问题时精度不高、易出现早熟收敛等缺陷,提出一种改进的灰狼优化算法.该算法在初始种群个体时采用混沌序列方法,为算法全局搜索的多样性奠定基础.根据个体适应度值将种群分为两个子种群,分别执行不同的搜索方式,以平衡算法的开采能力和勘探能力.选取几个标准测试函数对算法性能进行测试,测试结果表明,与其他群智能优化算法相比,该算法在求解精度和收敛速度方面均具有较强的竞争力.     

一种求解约束优化问题的改进差分进化算法

针对原始差分进化算法在求解约束全局优化问题时存在陷入局部最优的缺陷,提出一种改进的差分进化算法.该算法在保留原始差分进化算法全局搜索能力的基础上,采用基于规则的方法进行约束处理和种群个体的比较及选择,并利用种群相似度和最优变异操作改善种群进行全局范围搜索的多样性,提高算法跳出局部最优的能力.数值实验表明,该算法稳定性较好,目标函数评价次数较少,收敛速度较快,全局寻优能力较强,不仅能有效求解连续变量约束优化问题,也适用于离散变量或混合变量优化问题.