基于多目标遗传算法的石羊河流域水资源优化配置模型

针对石羊河流域水资源存在的问题,在综合考虑经济、社会、生态等多目标的基础上,以工业、生活、生态环境和农业用水的综合效益最大为优化目标,建立多目标的水资源优化配置模型.采用多目标遗传算法求解得到一组最优解集,选出效益值较大的7种不同优化配置方案,应用TOPSIS模型对优化方案进行评价.选出的方案总用水量为19.014亿m3,工业用水量为3.342亿m3,生活用水量为1.046亿m3,生态环境用水量为1.2亿m3,农业用水量为13.426亿m3,这与石羊河流域目前的现实需求是吻合的,也符合流域综合规划的原则.     

基于遗传算法的多目标优化算法

本文先介绍了遗传算法的实现技术,又介绍了多目标优化问题的概念,然后使用遗传算法来求解多目标优化问题。文中使用了均匀设计方法来设计适应度函数,并设计了新的变异算子,算法结果是有效的。     

基于遗传算法的多目标优化方法

本文通过建立多目标问题模型,提出了运用改进的遗传算法求解多目标物流网络问题.该算法借鉴AHP方法的思想,采用将其与遗传算法混合的求解策略,并采用分阶段化的实数编码思想以及相应的遗传算子设计,对遗传算法进行适应性改进.     

基于多目标遗传算法的多配置风电机组控制

为了实现良好配置的电力网络,提出一种多目标遗传算法控制优化方法,配电网络涉及集中式风电机组、步进式电压调整器、电容器组和储能系统。首先,构建每个场景,利用内负荷流程序对集中式风电站等组件进行配置和控制;然后,定义决策变量,并构建三个具有权衡关系的目标函数;最后,利用多目标遗传算法进行迭代求解,选择违规成本最低的点作为最优解。在MATLAB环境中执行了包括3个不同配置场景的仿真实验,以比较不同连接方式对配电网络的影响。实验结果验证了所提方法的有效性,且可以应用到复杂的配电网络。     

多目标约束下的区域水资源优化利用模拟——以福建省为例

随着新型城镇化和高速工业化的不断深化,未来我国各类城市发展都将面临严峻的水资源约束和挑战。本文以福建省为例,运用线性建模方法结合投入产出模型,构建反映社会经济活动和水资源消耗、水污染排放间的动态耦合最优化模型。在水资源总量、用水效率和纳污限制多目标控制下,内生模拟出区域污水处理技术选择和设施建设方案、产业结构优化方案的最优解集,以促进水资源可持续利用和社会经济高质量发展。     

基于遗传算法多目标优化的工程项目调度

在建设工程项目管理中,施工周期和项目成本的综合均衡管控是项目调度管理的最重要内容之一。然而,实际中两者的关系即相互关联又矛盾对立,任一目标的优化必然以弱化另一目标为代价。因此,工程项目调度管理问题是一类组合优化问题。为此本文提出了一种基于遗传算法的多目标优化建设项目调度模型。模型为项目管理者制定和评估工程完成最佳时间和成本最小化的的工程施工进度计划。计算模型主要分为三个模块：开发实用的建设项目进程调度模块;计算项目成本的管控模块;多目标搜索和识别项目时间和成本之间最优或接近最优解的权衡模块。最后,应用该模型分析了一个应用实例,并证明了模型的有效性,为项目管理者提供理论参考。     

基于遗传算法的多目标优化配矿

为综合衡量配矿效果,基于多目标优化理论,以磨浮入选原矿组分指标、入选原矿品质稳定及最大限度利用原矿为目标,构建磷矿堆场多目标优化配矿模型,并采用改进的多目标遗传算法求解该模型。经约束多目标优化算例测试结果表明：改进的多目标遗传算法可以找到多目标优化问题分布广泛、均匀的Pareto最优解集。并针对磷矿浮选堆场开展多目标优化配矿,现场测试结果显示,矿石混配后P2 O5含量23.052％,MgO含量4.195％,混配原矿30654 t,比常规优化方案资源利用率提高0.31％。研究结果表明,该多目标优化配矿技术可实现稳定矿石品质的同时最大限度地利用原矿。     

基于遗传算法的交通信号控制多目标优化

针对城市交通信号控制面临的多目标优化问题,提出了利用遗传算法实现多目标优化的方法.分析了城市交通信号控制多目标优化的本质及特点,采用基于遗传算法的多目标优化方法,提出了信号控制多层模糊控制模型,以平均延误和停车次数作为优化目标,采用遗传算法中的随机权重方法来进行该模型的多目标综合优化,给出了各模型参数的计算方法和优化步骤,最后进行了仿真试验.仿真结果表明,给出的多目标优化方法优于传统的多目标固定权重方法,可以获得更好的交通信号控制效果.     

湟水河地区水资源优化配置研究

随着人口的不断增加以及城镇化、工业化的快速推进,湟水流域水资源供需矛盾日益突出,成为制约流域内经济社会发展的“瓶颈”因素。针对湟水河流域的实际,依据可持续发展思想,从经济调控机制、非传统水源利用机制、节水型社会自律机制、集中控制机制和动态调整机制五个方面提出了水资源配置机制,建立了水资源配置模型。对湟水流域进行水资源优化配置研究结果表明,配置方案合理,可为该地区水资源管理决策提供参考。     

基于灰色预测及多目标规划模型的水资源预测及优化配置

为探讨城市水资源预测和优化配置的方法,以北京市为例,采用灰色GM(1,1)预测和多目标规划模型方法进行数学建模,以研究北京市在实现经济效益、社会效益、生态效益和环境效益最大化前提下的水资源的优化配置方案。预测结果显示,北京市2015年的水资源总量为21.4523亿m3,再生水量为11.96亿m3,总需水量为39.74亿m3,仍将存在6.33亿m3缺口,将依赖于境外调水,与北京市水资源"十二五"规划十分接近。多目标规划模型结果显示,北京市可通过增加水资源的循环利用,减少农业用水、生活用水和环境用水量,维持现有工业用水量,实现可供水量与总需水量的基本平衡,并实现城市经济效益、社会效益、生态效益、环境效益的最大化。灰色GM(1,1)预测和多目标规划模型可较好地预测城市未来供、需水状况,并进行水资源的优化配置,可用于区域水资源预测和综合规划。     

基于多目标优化的被动式低能耗建筑技术研究——以寒冷地区居住建筑为例

为进一步推动被动式低能耗建筑的发展,改善其夏季过热与增量成本过高的问题,以寒冷地区居住建筑为例构建了一套基于多目标优化的被动式低能耗建筑技术流程.通过确定变量、优化目标和多目标寻优,对被动式节能技术和综合节能技术进行筛选,确定最优解,并以天津(寒冷地区城市)某高层住宅为例进行应用和分析.结果显示,通过优化筛选得到综合最优解集可在参照建筑的基础上再节能25%~36%.同时,根据一次能源需求区间,将综合最优解集归纳成节能效果最优、经济最优及权衡最优3种不同目标导向的被动式低能耗建筑技术选择模板.     

基于遗传算法的人力资源优化配置

针对企业中所存在的人力资源配置问题,建立了相应的数学模型,提出了一种基于遗传算法的优化配置方法.     

基于多目标混沌遗传算法的列车控制策略优化

为得到一组满意的行车控制策略,构建了列车运行多目标模型,并以列车运行动力学模型为基础求得列车局部运行控制策略制定方法。使用基于混沌优化的多目标遗传算法对列车控制策略进行优化研究,以相位转换点作为基因序列,多个基因组成染色体形成一套控制策略。使用混沌初始化种群,结合精英保留策略,增加了种群的多样性,并提高算法收敛能力。最后采用Matlab软件仿真验证了方法的可行性及有效性。     

基于多目标遗传算法的危险品运输路径优化

文章考虑危险品的特性,定义危险品的运输风险,以最小化路径长度、最小化运输风险为目标建立优化模型,采用改进的非支配排序遗传算法(non-dominated sorting genetic algorithm,NSGA-Ⅱ)求解该双目标问题,分别求得长度最短、风险成本最小的路线,进行2个目标的Pareto分析。研究结果表明遗传算法能有效解决最短和风险最小路径的搜索问题,具有一定的理论参考价值和实际指导意义。     

基于多目标遗传算法的柔性加工线平衡优化

针对柔性加工线平衡问题,提出了生产线平衡的同时得到工位配置、操作分配与排序的方法.分析了操作间的优先关系约束、操作同工位约束和由机床性能、装夹方式、工件姿态决定的工位对操作限制的约束以及工位能力约束,以机床数量、生产线节拍、生产线平衡率为优化目标,建立了优化模型.设计了多目标遗传算法,采用启发式种群生成方法和解码方法,应用帕累托分级和共享函数法对可行解适应度值进行评价,保证解的分布性和均匀性.该方法应用于缸体生产线实例,获得了满意的非支配解集及多个线平衡方案,验证了方法可行有效.     

基于遗传算法的常减压装置多目标优化

利用流程模拟软件Aspen Plus建立常减压装置稳态模型,以经济效益和CO_2排放量为目标,提出基于遗传算法NSGA-Ⅱ的优化方法,利用该方法求解常减压装置多目标优化问题,从而得到一组最优混炼比和操作条件的Pareto解集。结果表明,在保证产品规格的前提下,经济效益和CO_2排放量呈正比;增大轻油比例可以提高经济效益,但也必然会导致CO_2排放量的增大。     

开放式遗传算法及其在水资源优化配置中的应用

在分析遗传算法求解过程中对不可行个体处理方法的基础上,提出开放式遗传算法,即在传统遗传算法中加入一个必要的基本过程——修正,用来处理交叉、变异产生的不可行个体.介绍了开放式遗传算法的基本流程,并使用两个优化模型进行算法性能测试.采用开放式遗传算法对南水北调中线河南受水区内郑州市水资源进行优化配置,结果表明,该算法能够有效地处理不可行个体.     

面向多目标优化问题的基于Species的遗传算法

为了能够快速准确地获得多目标优化问题的一组非支配解,提出了一种基于Species的多目标遗传算法.该算法采用Tchebycheff方法构建一定数量的子问题,进而基于Species机制构造多种群实现了对多个子问题的并行求解.这种采用多个体对一个最优解的搜索方式提高了算法的探索能力和开发能力.最后,对一组标准测试函数进行仿真实验,结果表明所提出的算法能够快速准确地获得一定数量的非支配解.