多目标混流装配线再平衡模型与算法

当新产品引入时, 混流装配系统常常需要再平衡以保持各工作台上的负荷均衡. 文章考虑混装线再平衡时的调整成本和生产效率, 提出了度量调整成本的新方法, 建立了混流装配线再平衡问题的多目标优化模型, 并采用多目标遗传算法对该问题进行了求解. 通过对经典问题的计算实验, 以及与Merengo等提出的混装线平衡算法的对比分析, 结果表明多目标遗传算法可以有效地求解混装线再平衡问题.     

多业务CDMA网络基站规划模型与算法研究

针对多业务CDMA网络基站规划问题,以最小化建设成本和功率损耗为目标,建立该问题的多目标数学优化模型.针对所建模型的特点,设计基于非支配排序遗传算法(NsGA-Ⅱ)的求解方法,给出算法实现的各种关键要素.通过对一个实际算例进行求解,仿真结果表明算法能够很好的逼近Pareto最优解集,在所有获得的规划方案中基站均匀的分布在目标规划区域内,与实际规划比较吻合,从而表明所建模型和算法的有效性,能够为实际CMDA网络基站规划提供有效的理论依据.     

基于自适应多局部搜索memetic算法的多跑道地面等待问题求解

建立了一种综合考虑航班延误成本差别、续航航班延误时间的单机场地面等待问题优化模型, 对独立运行的多条跑道进行合理、有效分配, 满足大型繁忙机场的运营需求; 然后提出了一种自适应多局部搜索memetic算法来加以求解. 鉴于问题模型的复杂性以及单一局部搜索memetic算法对复杂问题显露出的较弱的寻优能力和收敛性, 提出的自适应多局部搜索memetic算法在不同阶段采用不同的局部搜索策略, 其中自适应定向局部搜索策略使个体的搜索速度根据个体、最优个体以及群体信息进行调整. 通过对多组仿真算例进行计算, 并与其它典型算法的求解结果进行对比, 实验结果表明了所提模型与算法的有效性.     

考虑风险相关性的软件风险多目标优化控制研究

研究软件风险控制的理论和方法,对提高软件开发成功率有着重要作用.面对软件风险管理的精细化要求,已有的单目标风险控制模型难以有效管理软件风险.本文将软件风险控制成本和软件风险暴露值作为控制目标,提出软件风险多目标优化控制模型.进一步将风险损失层面的相关性纳入风险控制模型,建立了考虑风险损失非可加性的风险控制多目标优化模型,刻画软件风险管理实践中存在的风险相关性问题.采用多目标粒子群算法对风险控制多目标优化模型进行求解,并采用一个软件开发项目的风险控制问题进行案例分析.分析结果表明,在软件风险暴露和软件风险控制成本两个目标之间近似呈现非线性置换关系,可以根据项目中风险控制成本的实际情况,快速找到对应的最优风险控制策略.考虑风险相关性的风险控制模型能刻画出软件风险管理实践中更加复杂的关系,给出更加符合实际情况的风险控制策略,对提高软件风险管理水平有着重要意义.     

基于邻域搜索的成品油多舱多目标配送路径优化算法研究

针对成品油配送中多车型,多车舱的优化调度难题,综合考虑路径安排,舱位指派及车辆指派等决策.以配送成本最小,路径风险最小以及油品准时送达为目标,建立了成品油配送多目标路径优化模型.基于邻域搜索的基本思想,提出求解成品油配送多目标路径优化问题的MOVNS算法框架,并结合不同的可行解运行策略和比较准则,衍生出三类MOVNS算法(MOVNS-1、MOVNS-2、MOVNS-3).采用12组算例进行数值实验,结果表明,三种算法均能有效的求解配送模型,提升成品油多舱配送问题的解决效率;且MOVNS-2算法具有较强的局部搜索能力,MOVNS-3算法容易跳出局部最优:同时,考虑节点关联性的可行解构造策略和并行邻域搜索策略能够增强算法的寻优能力.     

废弃物收运网络周期性选址-路径问题多目标优化模型及算法

废弃物处理设施是典型的"Semi-desirable"设施, 其选址相关的决策需要考虑成本、负效应等多个相互冲突的目标. 废弃物中转站的选址和路径优化是一类周期性选址-路径问题(PLRP), 目前缺乏对这类问题的多目标优化的研究. 以多目标城市废弃物收运网络周期性选址-路径问题为研究对象, 提出基于扩散距离的负效应测度方法; 建立考虑负效应和成本的双目标混合整数规划模型; 设计DRECWA-LS算法, 结合启发式优化策略, 求解收运计划对应的周期性选址-路径问题, 并采用扩展邻域搜索策略的多目标进化算法实现对可行收运计划的深度搜索, 同步求解收运计划、中转站选址-分配及车辆路径三个问题. 算例结果显示: 算法能成功求解较大规模问题, 具有较高的求解质量和运算效率.     

考虑随机离职的新产品研发项目组合多技能员工调度模型

研发人员随机离职事件对新产品研发项目组合调度具有重要影响.以多技能研发人员为调度对象,采用离散马尔可夫链描述人员离职过程,考虑人才培养战略收益、研发周期以及研发成本三个目标,建立了新产品研发项目组合调度随机多目标约束优化模型.采用自适应帕累托抽样算法求解模型,算法中采用马尔可夫蒙特卡罗抽样技术进行随机离职抽样,基于启发式串行进度生成机制计算确定性情况下目标值,采用快速非支配遗传算法(NSGAII)获取多目标期望值模型的帕累托解集.将算法和模型应用到国内某公司一种新的电气节能产品研发项目组合人员调度问题中,结果显示:随机模型较确定性模型更为贴近企业实践情况;设计的算法能够有效地求出问题的帕累托解集,收敛性能较好.研究结果可为企业进行随机离职情况下新产品研发项目组合多技能员工调度方案的制定提供有效的决策支持.     

基于UKF的交互多模型算法

为了提高交互多模型算法的滤波精度,提出了基于无迹卡尔曼滤(UKF)的交互多模型算法(IMM-UKF).该算法融合了交互多模型算法对不同目标机动模式的自适应能力和UKF滤波精度高的优点.通过对机动目标跟踪的应用仿真,将该算法和基于扩展卡尔曼滤波(EKF)的交互多模型算法(IMM-EKF)进行了比较,仿真结果表明了IMM-UKF具有较好的跟踪性能,减小了机动目标跟踪的均方根误差.     

多目标碳配额分配下的减排技术投资策略研究

本文研究政府在多目标碳配额分配条件下,行业内减排效率差异企业的最优减排技术投资策略.通过建立政府与企业的博弈模型,采用理想点法对多目标规划问题进行求解,分析碳配额政策对企业技术投资决策的影响.数值分析结果显示,在政府兼顾社会效益和经济效益的多目标配额分配条件下,低减排效率企业更有可能投资进行技术升级,以获得政府分配的更多配额,而高效率企业的投资动力不足.另外,技术投资成本下降或减排技术代际差异扩大时,行业内两企业投资升级技术的可能性增加.所得结论对于政府制定合适的碳配额分配政策,以及相关配套措施促进全行业的技术升级具有重要意义.     

模糊多目标线性规划最优性分析

由于目标和参数的不确定性，模糊多目标线性规划的最优解不是唯一的，本文在截集基础上对模糊最优解的上、下边界进行了分析，提出模糊多目标线性规划的变换模型及相应的参数算法和综合算法，并通过数字实例对模型及算法做出了说明。     

改进非支配排序遗传算法求解多目标Agent联盟

采用典型多目标进化算法-NSGA-II对从任务角度进行抽象建模所得到的Agent联盟模型进行生成优化,并针对Agent联盟生成存在的特点,将Pareto最优概念与多目标优化相结合对NSGA-II算法进行改进,从而实现兼顾联盟收益、开销、时间约束等多个目标。仿真对比实验结果表明,算法运行一次可以获得多个Pareto最优解,为各个目标之间权衡分析提供了有效的工具,在满足性能要求下,可为联盟生成提供满足多个设计目标的全局优化方案,对联盟实际应用具有借鉴与应用价值。对联盟实际应用具有借鉴与应用价值。     

基于分解技术的动态多目标引力搜索算法

为有效求解动态多目标问题,提出一种基于分解技术的动态多目标引力搜索算法.首先为在环境变化前,得到解集分布性和收敛性都较好的非支配解集,采用基于分解技术的静态多目标引力搜索算法求解环境变化前的静态多目标问题;当环境变化后,根据相邻子种群最优解的相似性与同一权重向量对应子种群最优解的相似性,提出一种新的对最优解的预测模型,以缩小环境变化后各子问题的搜索空间,提高算法的求解效率.最后与目前较先进的静态多目标算法和预测策略在四个测试问题上进行比较,实验结果表明,当待优化问题随时间变化时,本文方法能够取得收敛精度更高、解集分布性更好的最优解集.     

废弃物网络系统容量扩张模型及算法

随着城市固体废弃物产生量的增长,原有的废弃物网络系统将不能满足需求,需要新建处理站以扩张网络系统处理能力.建立了多阶段网络容量扩张的双目标规划模型,其中一个目标是最小化总的建设费用,另一个目标是最小化处理站所产生的负效用.设计了基于随机贪心算法的不可行解修补策略和邻域启发式算法,提出了一种混合多目标进化算法来求解模型. 实例说明了模型的有效性.通过和加权法比较证明了混合多目标进化算法有很好的搜索能力.     

基于超启发式算法的备件供应网络结构优化

为了通过对供应网络结构进行优化从而提高备件供应的效率和效益,分别对传统正向供应网络、应急横向供应网络以及考虑抢修任务的闭环供应网络3种备件供应网络结构进行研究。以供应成本最小和供应时间最短为目标,以备件满足度、库存等为约束,构建了带约束的多目标优化模型。提出了一种基于排序选择函数的超启发式多目标进化算法,同时可以对不同网络结构模型进行求解。在ZDT系列测试函数上将该算法与其他进化算法进行对比测试,验证了所提出的超启发式算法在收敛性和分布性上的优越性。算例表明,一方面,与传统前向供应网络相比,横向和闭环供应网络能够提高备件供应的时效性和经济性;另一方面,超启发式算法在求解模型时取得的解优于其他元启发式算法。     

基于粒子群算法的选矿日综合生产指标优化方法

选矿日综合生产指标对组织每日选矿生产具有重要作用，当前选矿日综合生产指标通常由选矿工程师凭人工经验给出，导致对每日选矿生产的指导带有很大的模糊性与随意性。为优化确定每日选矿综合生产指标，在引入精矿产量均衡系数条件下，建立了以精矿产量均衡系数之和最小化和累积精矿库存最小化为目标的多目标规划模型，并提出了一种改进的多目标粒子群算法用于模型的求解．最后通过现场数据的实验研究验证了模型和算法的有效性。     

VFP＆VRP联合优化模型及其多目标遗传算法

单车型非满载问题是十分典型和重要的物流配送问题之一．单车型非满载问题通常包括物品装车（VFP）和车辆路径安排（VRP）2个紧密相关的子问题．研究同时考虑VFP和VRP讲两个因素的联合优化问题，建立了多目标优化模型，设计了模型的多目标遗传算法，并结合实例验证模型和算法的有效性．     

基于免疫算法的多目标柔性job-shop调度研究

建立了多目标柔性job-shop调度模型;然后提出了带有保优机制免疫算法,利用免疫记忆、接种疫苗等机制,在算法中保留并充分利用每代最优抗体和局部最优基因,使算法加快收敛;针对这类调度的柔性,提出基于工序设备双层抗体编码方案和基于设备能力空间的解码方案;采用多目标分级评价方法同时对时间、设备和成本等多目标进行评价和优化.最后,用Benchm ark标准问题的仿真和西安航空发动机(集团)有限公司的调度实例验证了算法、策略和调度模型的有效性和优越性.     

多智能体量子多目标进化算法及其在EELD问题中的应用

环境经济负荷分配问题是电力系统中重要的多目标优化问题。求解多目标优化问题的关键在于找到尽可能多的Pareto最优解。在基于量子进化理论,智能体的竞争、学习能力和生物的进化策略的基础上,提出了一种用于求解多目标优化问题的量子编码的多智能体进化算法。该方法将智能体分布在多智能体网络环境中,智能体之间通过量子进化来生成问题的可行解。将该算法应用于经济环境负荷分配的两目标(燃料成本和NOx排放)与三目标(燃料成本,NOx排放和SO2排放)优化问题,通过与经典多目标优化算法进行比较,表明了该算法的有效性。