基于分散图决策的ε占优多目标粒子群算法施罗德声扩散体设计

为提高声音扩散体设计的合理性降低算法计算复杂度,提出基于分散图决策的ε占优多目标粒子群算法(ε-MOPSO)的声音扩散体设计方法。首先,利用夫琅禾费理论建立施罗德扩散的声音扩散特性量化方法,获得1/3倍频带的扩散系数;并利用归一化方式消除极限尺寸下产生的边缘衍射散射效应。其次,构建声音扩散体多目标优化模型,通过对扩散系数进行重设置,消除扩散体重复和等价问题。然后采用ε-MOPSO算法,将目标空间分割成固定数量的n个网格,以保持种群解的多样性,实现声音扩散体参数优化;并采用分散图决策方式实现最终散体设计方案选择。最后,通过仿真对3种不同的设计模型进行了评价和选择。     

基于多目标粒子群的加热段炉温优化设定

目的在考虑退火工艺指标和能耗指标的同时,对冷轧不锈钢连续退火炉加热段的炉温稳态进行优化研究,合理地设定连续退火炉加热段稳态炉温.方法通过考虑退火工艺指标和能耗指标的同时,使用基于R2指标和分解策略的多目标粒子群优化算法(R2-MOPSO)建立炉温稳态设定的多目标优化模型,从所提出的算法获得的Pareto最优解集和Pareto最优前沿中通过加权的方法选取适合生产的最优解.结果将基于R2指标和分解策略的多目标粒子群优化算法(R2-MOPSO)与基于分解的多目标粒子群优化算法(d MOPSO)针对加热段炉温稳态优化设定的仿真结果进行对比,R2-MOPSO算法优化得出的带钢温度升温曲线较为理想,消耗燃料较少.结论在满足生产质量要求和降低成本的同时,R2-MOPSO算法可以合理地设定连续退火炉加热段稳态炉温,更好地引导工业生产.     

应急救援物资车辆运输路线多目标优化

运用运筹学中图论及多目标优化的理论和方法建立应急救援物资车辆最佳运输路线的选择模型,并基于启发式算法求解该模型.从静态网络应急物资车辆运输路线的双目标优化问题入手,设计适合本文模型的算法,并将之推广至含有三个及三个以上优化目标的路线选择问题.引入时间扩展图的概念,将动态网络中的最佳运输路线问题转化为静态网络中的路径选择问题.算法实质是通过构造辅助决策函数实现Dijstra算法的调用,并在辅助函数构成的搜索空间上寻找最优解,是一种快速的、近似的算法.利用随机路网和真实路网测试本文算法,测试结果与本文的理论分析一致,证明本文算法在应急救援物资车辆运输路线的多目标优化问题中可行且有较好的应用效果.     

非牛顿流体中溶质分散的一种近似理论

本文对溶质在作圆管流动的非牛顿流体中非定常分散过程进行了理论研究。讨论了三种微观结构的非牛顿流体模型——微极流体、等温双极流体和偶应力流体。利用奇异摄动方法(多重尺度法),取三个时间尺度:t_0=t,t_1=εt,t_2=ε~2t(ε<<1),导出等效扩散系数、分散方程的近似形式及其一致有效的解析解。等效扩散系数D'=D+U~2a~2/48DK由分子扩散系数和表现扩散之和组成。在牛顿流体情况,本方法得到的等效扩散系数和Aris的结果完全相同。本方法适用于研究已知圆管流速分布的任意流体模型中溶质的分散问题。本文结果同样可以直接推广于其它非牛顿流体模型,例如三阶Rivlin-Erickson流体,Reiner-Philippoff流体等,只要其流速分布可以表达为 V={0,0,1-r~2-f(r)}的形式。     

基于知识工程的智能优化软件系统IOPS

根据知识工程理论研究了一种智能型的优化设计软件系统IOPS，该系统集成了连续，离散，随机变量的14种优化算法程序，并通过模型诊断，算法选择，多目标决策，参数设计等专家系统的并行操作，实现了优化设计过程自动化。     

多目标量化变分滤波贝叶斯WSN跟踪定位算法

为进一步提高无线传感器网络节点跟踪定位精度降低能耗,提出一种多目标拥挤度差分优化的贝叶斯量化变分滤波预估WSN跟踪定位算法. 首先,针对定位问题,采用贝叶斯量化变分滤波方法对目标下一位置区域进行预测,利用量化变分滤波方式选取合适的定位参与节点,并设计了量化变分滤波的多目标参数优化模型. 其次,针对传统多目标优化算法寻优精度不高的问题,设计了基于种群个体拥挤度状况的多目标差分进化算法,对量化变分滤波算法参数进行优化,实现了滤波参数的多目标优化. 最后,通过实验仿真表明,该算法能够有效实现目标节点的跟踪定位,并可节省能量消耗.     

双目标冷链物流车辆路径问题及其遗传蚁群求解

针对带容量和软时间窗约束的双目标生鲜农产品冷链物流车辆路径问题,建立了以最小化总成本和最大化客户满意度为目标的双目标优化模型。为了求解问题,运用ε约束法处理双目标模型,以蚁群算法为基础,加入交叉与变异算子,设计了遗传蚁群算法。算法求解过程中,蚂蚁个体在进行状态转移时按照确定性选择和伪随机比例选择相结合的方式,信息素总量采用分段函数进行优化。为验证模型与算法的有效性,对实际算例进行求解,并与遗传算法、蚁群算法求得结果进行对比。结果表明所建模型符合实际需求,所设计的遗传蚁群算法收敛速度和求解结果均优于遗传算法和蚁群算法。     

基于Voronoi图和离散微粒群优化算法的UCAV攻击轨迹决策

根据UCAV可发射区简化模型,提出了UCAV攻击轨迹决策问题。提出了UCAV攻击轨迹决策的分层设计方法,并将其转化为优化问题。首先根据已知的飞行环境,采用Voronoi图生成初始轨迹;然后通过建立攻击轨迹约束条件模型、飞行距离模型和威胁模型,以飞行距离和威胁代价为优化目标函数,构建了UCAV攻击轨迹决策模型,并在此基础上提出了一种离散微粒群优化(Discrete Particle Swarm Optimization, DPSO)算法对攻击轨迹决策模型进行求解。仿真结果表明,通过Voronoi图和DPSO算法能够较好地解决UCAV攻击轨迹决策问题,并能够在多约束条件下对目标函数进行组合优化。     

考虑汽车排放需求变化的多目标连续型交通网络设计

文章研究需求变化的多目标连续型交通网络设计问题的优化模型和算法,利用双层规划模型求解问题;上层以路网系统阻抗、路段总投资、汽车不同尾气排放量最小化作为优化目标,并受到原路段的通行能力约束,下层是基于需求变化下的用户平衡配流模型;使用非对称Nguyen-Dupuis网络,利用精英保留和随机遍历的选择遗传算法求解上层模型,采用基于路径的双梯度投影算法求解下层模型。设计相应算法程序对模型进行验证,通过算例测算综合需求排放分析和综合需求下多目标参数分析,结果表明模型有效、求解算法可行。     

基于全局优化的多组元熔体互扩散分析方法

不同于传统的确定多元互扩散系数的"扩散路径法"和"平方根扩散系数法"等方法,本文基于遗传算法和模拟退火算法的全局搜索功能,将这些智能算法与Levenberg-Marquardt算法进行有机结合从而提出一种既具有全局搜索能力又能够保证最优解精度的算法.通过扩散实验的成分谱构建目标函数,利用本算法对目标函数进行优化得到最优解,从而获得多组元体系的互扩散系数.为了说明本算法能够方便、可靠地处理多组元熔体的互扩散过程,本文分别对正常扩散情形,上坡扩散情形,理想扩散情形(不存在随机误差),大噪声比情形(随机误差范围为1个原子百分比)的扩散偶进行了分析,结果表明本算法都能适用于这些情形并给出很好的分析结果.此外,相对于"扩散路径法"等传统方法,本算法还具有精度高,通用性强等优点.     

基于贪婪算法的卫星区域观测摆角方案选择方法

针对多颗成像侦察卫星对区域目标进行观测的摆角方案优化选择问题,利用先预处理再建模的思路实现优化建模.在模型求解阶段,利用贪婪算法的思想,设计相应的贪婪规则实现模型的优化求解.实例证明本方法可以得到较好的摆角方案.     

一种基于上下文感知的垂直切换决策机制

针对垂直切换决策考虑的因素越来越多而增加了决策复杂性的问题,提出一种基于上下文感知的垂直切换模型,设计出由切换发起、网络过滤、网络选择3阶段组成的新的切换决策机制。通过引入网络过滤,以某项网络选择指标为依据,对当前可检测到的接入网络进行过滤,并最终实现网络选择算法中对候选网络集或者选择指标的优化。该算法可以使网络选择策略更加灵活并保障其有效性,有助于快速确定目标网络。通过应用实例分析表明,该机制具有明显性能优势。     

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.     

基于多岛遗传算法的湍流模型优化研究

采用Isight软件中的优化拉丁方法设计了20组Realizable k-ε湍流模型的经验系数,并在Fluent中采用这些经验系数对Ahmed模型的外流场进行了仿真分析.在此基础上,用Kriging模型建立近似面模型,以风洞试验结果为优化目标,采用多岛遗传算法对Realizable k-ε湍流模型中的经验系数进行优化....     

一种综合运输方式优化运用模型及算法

为达成多种运输方式的优化使用,建立了综合运输方式优化运用的多目标整数规划模型,研究了求解该模型的混合遗传算法。模型中,允许各运输方式同时运用,并将运输方式的运用与运力调度结合起来。算法中,提出了整数与二进制数混合编码的染色体表示方法,给出了初始解生成的启发式算法与染色体适应度评估方法,设计了遗传交叉与变异算子,集成了3种简便易行的启发式局部搜索过程。通过构建运用模型和算法程序,设计并求解仿真算例,得到优化结果。实验结果表明,模型和算法可在实现各运输方式综合优化运用的同时,完成对运力的分配。     

基于自适应ε占优的多目标差分演化算法

求解多目标优化问题最重要的目的就是获得尽可能逼近真实最优解和分布性良好的非支配解集.为此,本文提出了一种基于自适应ε占优的正交多目标差分演化算法,该算法具有如下特征:1.利用正交设计和连续空间的量化来产生具有良好分布性的初始演化种群,不仅能降低算法的时间复杂度,也能使演化充分利用种群中的个体;2.采用在线Archive种群来保存算法求得的非支配解,并用自适应的ε占优更新Archive种群,以自适应的方式维持种群的多样性、分布性.最后通过5个标准测试函数对算法的有效性进行了测试,并与其他的一些多目标优化算法进行了对比,实验结果显示,算法能够很好地逼近Pareto前沿,并具有良好的分布性.     

基于混合粒子群的多目标智能排活系统的优化

通过分析多目标智能排活系统中各要素的相互关系,提出了PSO与局部搜索策略的混合算法,并引入新的学习策略进行分层局部优化,多目标分散搜索逐步缩小复杂的搜索空间,改善了PSO算法的早熟收敛问题,并取得较高的求解质量。采用了一种随机键的编码方式,利用析取图编码将有序表作为优先决策来决定发生冲突时各印刷活件的排列顺序。仿真验证了混合算法的有效性。     

多目标优化问题统一解的加权Tchebycheff标量化

【目的】研究多目标优化问题(C,ε)-型、E-型统一解的标量化性质。【方法】首先,利用Bowman等人提出的加权Tchebycheff标量化方法建立多目标优化问题(C,ε)-弱有效解和E-弱有效解的标量化结果。进一步,建立基于加权Tchebycheff标量化方法多目标优化问题(C,ε)-有效解和E-有效解的标量化结果。【结果】通过调整标量化模型参数范围得到了多目标优化问题(C,ε)-（弱）有效解、E-（弱）有效解的一些加权Tchebycheff标量化结果。【结论】得到的标量化结果是一些已有工作的推广,并为求解多目标优化问题的算法设计提供了理论基础。     

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,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。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。     

钢铁企业合同匹配多目标优化模型与算法

针对钢铁企业中存在的合同对库存余材的优化匹配问题,建立了实现余材利用量最大化和匹配损失费用最小化的多目标0-1规划模型·采用模糊决策方法处理两个目标函数,尝试基于群体的增量学习(Population BasedIncreasedLearning,简称PBIL)算法进行求解·结合模型的特点,利用自然数编码表示合同的匹配结果,按照学习概率大小修复不可行个体·通过对应用实例的计算,以及与遗传算法结果的比较,证明该模型和算法是解决合同优化匹配问题较为理想的方式·