基于自适应多种群策略的混合多目标优化算法

为了能够快速准确地获得多目标优化问题的一组具有较好质量和分布性的非支配解,提出了一种自适应多种群混合多目标优化算法.该算法将多目标优化问题分解为多个单目标子问题,在每次迭代时,根据种群在目标空间和解空间的分布情况为多个子问题分别构造子种群,并采用粒子群优化算法对子问题最优解实施搜索,利用差分进化算法对外部档案实施进化.通过对标准测试函数仿真实验,并与经典的及类似策略的多目标优化算法进行比较,结果表明所提出的算法能够利用较少的估值次数获得较好质量和分布性的非支配解集.     

一种多目标优化问题的混合优化算法

利用分布估计算法(EDA)的全局搜索性能及差分进化(DE)算法的局部优化能力,提出了一种多目标优化问题的混合智能求解方法DE-EDA.DE-EDA的子代个体由两部分构成,一部分按差分进化算法生成,另一部分则是通过对分布估计算法的概率模型进行随机采样生成.利用模拟退火技术在线调整尺度因子Pr,即在进化的初期选择较大的Pr,以保证EDA起主导作用,由EDA引导DE搜索向Pareto前端,增加全局搜索能力,然后在进化的过程中逐渐降低Pr,使得DE逐渐占据主导作用,确保解精确收敛到Pareto前端.通过4组基准函数来测试算法性能,并与NSGA-Ⅱ和DE算法进行实验比较,结果表明该方法不仅解的多样性和分布性好,而且能够有效提高种群进化的收敛速度,是一种求解多目标优化问题的有效方法.     

基于进化规划的新型生物地理学优化算法研究

生物地理学优化算法是一种新的全局优化算法,但该算法存在搜索能力不强的缺点. 针对此不足,提出一种基于进化规划算法的实数编码混合生物地理学优化算法,新算法将进化规划的搜索性与生物地理学优化算法的利用性进行有机结合,从而达到搜索性与利用性的平衡.通过13个高维标准测试函数对算法进行测试, 验证了新算法的有效性.与基本生物地理学优化算法和两种经典的进化规划算法进行比较,结果表明新算法优于所比较的三种算法. 此外,新算法在收敛速度上优于基本生物地理学优化算法.     

多目标中间包计划模型及混合优化算法

中间包计划是重要的炼钢-连铸批量计划之一,其功能是在给定的炉次计划中,根据炼钢-连铸生产能力及下游工序生产所需材料的数量,挑选出待生产的炉次并制定出合理的中间包使用数量及每个中间包内生产的炉次.在对中间包计划问题描述的基础上及现有文献中未考虑中间包利用率及中间包内炉次宽度差异性,建立了多目标中间包计划数学模型.为了求解模型将模型分解为两个子模型,并针对两个子模型设计了迭代局部搜索算法(iterated local search,ILS)及变邻域搜索算法(variable neighborhood search,VNS)相结合的双层混合算法,考虑到中间包利用率及多目标权重对解的影响,在算法中加入了可调整模型参数的方法,最后用实际生产数据对模型及算法进行验证.     

一种基于GA的新型生物地理学优化算法研究

为了使生物地理学优化算法的优化能力得到进一步提高,提出了一种基于遗传算法的新型生物地理学优化算法。在迁移操作之前增加了选择操作,采用了“轮盘赌”的方法选择出迁移个体,以使适应度较高的个体可以优先得到迁移,并且变异操作结合了遗传高斯变异操作方法,从而更好地提升了算法的优化性能;在此基础上,从理论上详细推导了该方法的收敛性条件。使用了5种测试函数进行实验,结果证明了改进后的算法在优化结果和收敛速度方面要更优。     

基于多目标进化算法混合框架的MOEA/D算法

针对混合多目标进化算法中如何设计全局搜索算法和局部搜索策略结合机制的难点问题以及提高多目标进化算法的求解性能,基于反馈控制思想,提出了一种系统化、模块化的全局优化与局部搜索相结合的混合MOEA/D算法,算法中设计了一种基于拥挤熵的种群多样性度量方法;提出了基于简化二次逼近的局部搜索策略,以及针对MOEA/D的种群多样性增强策略。数值实验表明所提算法具有良好性能,可以兼顾算法求解的多样性和收敛性,所提混合框架可有效提升现有多目标进化算法的求解性能。     

基于混合多目标进化算法的多无人机侦察路径规划

由于侦察任务的复杂性和不确定性,无人机对其目标的侦察时间往往是不确定的。将多无人机对观测时间不确定目标的侦察路径规划问题建模为使任务时间、编队总耗时和编队规模同时最小化的多目标优化路径规划问题。对此,在基于ε 占优的稳态多目标进化算法基础上引入多目标局部搜索,给出了混合ε 占优多目标进化算法,提出了一种使用插入最近点方法的启发式遗传操作。实验结果表明,算法能够有效解决所研究的问题,并且其优势随着问题规模的增大而显著。     

基于多目标优化算法的多无人机协同航迹规划

多无人机协同航迹规划是无人机协同作战的关键技术之一。本文提出的一种针对多无人机协同航迹规划的多目标优化算法,即协同非支配排序进化算法(cooperated non dominated sorting genetic algorithms II,CO-NSGA II),针对多架无人机的航迹距离、安全性、时间以及空间的协同性进行规划。运用多目标优化算法,克服了传统航迹规划中需要为各目标函数取权值的不足,并且可以生成多组可供选择的解。同时引入协同进化策略,将各无人机的航迹规划视作子种群,各子种群间进行合作,子种群内采用非支配排序进化算法(non-dominated sorting genetic algorithms II,NSGA II)进行独立优化。考虑到各机间的协同约束,用时间空间协同系数替代传统算法中的“拥挤距离”参数。仿真结果表明通过本文算法能够有效实现多无人机协同航迹规划。     

基于角度坐标的多目标粒子群优化算法

为了在保证多目标粒子群优化(multi-objective particle swarm optimization, MOPSO)算法所求解集分布性的前提下提高算法的收敛性,依据辅助适应度赋值策略,提出了基于角度坐标的多目标粒子群优化(intelligent MOPSO, IMOPSO)算法。通过建立角度坐标系,确定了不同维优化目标下目标向量的角度坐标及角度参数,给出了求取目标函数空间中参考线角度参数的方法,并定义了目标向量的辅助适应度值,以对处于非劣支配关系的个体进行综合比较。结果表明,IMOPSO算法较好地维护了Pareto解的分布性与收敛性,且在求解小规模的最优个体时仍能在整个Pareto前沿均匀分布,未出现“聚集”现象,运行时间小于NSGA2、SPEA2、MOEA/D,充分验证了IMOPSO算法的有效性。     

基于进化计算的多目标鲁棒优化方法

工程应用中求解多目标优化问题时,所求的解既要具有较高的质量,又要满足指定的鲁棒性要求.对已有的多目标优化解的鲁棒性度量方法进行了分析,基于用户提出的严格鲁棒性要求,给出了一种严格鲁棒性度量方法并建立了求多目标鲁棒Pareto最优解的数学模型.模型归结为一个嵌套的双重优化过程,外层优化过程用于搜索高质量的解,内层优化过程用于测量候选解的鲁棒性度量指标.以进化计算作为搜索引擎,给出了实施模型的算法,仿真结果表明了方法是有效的.     

基于杀伤网评估的装备组合多目标优化

杀伤网作为众多新型作战理念中均有涉及的概念,将替代杀伤链成为新型作战方式下战斗力生成的主要模式.本文基于杀伤网的评估,对传统的装备组合问题进行多目标优化.首先,基于多层网络模型,构建杀伤网的网络化描述方法.其次,基于杀伤网的特点,构建3个评估指标:冗余性指标、风险性指标、敏捷性指标,并给出了3个评估指标的计算模型.然后...     

基于稳定分布的多目标全部贷款组合优化模型

贷款业务是商业银行最主要的资产业务,其利息收入是商业银行最重要的利润来源,而贷款利息收入水平取决于商业银行贷款配置的合理性.本文针对贷款收益率具有的偏态、过度峰态及厚尾特性,建立了基于稳定分布的多目标全部贷款组合优化模型.本文的创新与特色一是在稳定分布情况下考虑收益和尺度参数的基础上,通过追求贷款组合的偏斜指数最大使分布向大于收益率均值方向偏斜来提高贷款组合的超额收益,弥补了现有研究忽略偏度的弊端.二是同时考虑了包括"存量"与"增量"在内的全部贷款组合的风险,改变了流行的现有研究对于巨额"存量"贷款风险缺少控制可能引发重大损失的弊端.三是将现有研究在主观给定贷款组合收益下单纯地控制贷款组合风险完善为同时控制贷款组合风险和收益的"均值-尺度参数-偏斜指数"多目标全部贷款组合优化模型,满足了银行对风险和收益的不同偏好,达到了既控制风险、又追求效益的风险与收益兼顾的目的.     

基于改进ESE算法的多目标优化试验设计方法

超立方试验设计是试验设计领域的热点问题。传统的拉丁超立方试验设计优化算法以试验点间正交属性度量准则或均匀性度量准则为单一优化目标,以单一优化准则求得的试验设计并不能确保其他的优化准则最优。以正交度量准则和均匀性度量准则为优化目标,提出基于改进ESE算法的多目标优化试验设计方法。算例测试证明,与已有算法相比,本文提出的新算法能得到更优的试验设计。     

基于鲁棒能力的体系多目标组合优化

针对体系组合优化问题中,不同场景下系统贡献的不确定问题,提出了基于鲁棒能力的体系优化决策方法。首先对体系的鲁棒能力和模糊能力风险进行定量描述;然后以鲁棒能力最大,建设风险和成本最低为目标,考虑军事能力需求等约束,建立多目标体系组合优化模型,采用改进的基于参考点的非支配排序遗传算法求解模型,生成一组符合决策需求的非劣质解;最后通过仿真实验验证了模型和算法的有效性,可以为体系总体建设规划提供决策支持。     

基于自适应遗传算法的多目标PID优化设计

提出一种基于自适应遗传算法的多目标PID优化设计方法。采用染色体实数编码和具有自适应交叉概率和变异概率的遗传算法对PID参数寻优,有效地提高了遗传算法的全局搜索能力和收敛速度。通过在适应度函数中引入表示超调量、上升时间和稳态误差的指标项,并对指标项适当加权,可使优化后的PID调节器的综合性能达到满意程度。仿真结果表明,该PID调节器的性能优于常规方法获得的PID调节器。     

基于混合优化方法的立体匹配算法

为了改善线性生长算法获得视差图可靠性差的问题,提出了一种基于混合优化方法的立体匹配算法。该算法综合考虑了计算效率和图像可靠性,将视差匹配转换为多目标优化问题,通过提出的基于模拟退火的鸽群优化算法求解此优化问题,从而实现视差阈值的自适应调节,并获取相应的根点的最优视差值。所提出的混合优化方法较好地克服了局部寻优和全局寻优方法易受初值影响且收敛速度慢的缺点。此外,为了进一步提高视差图可靠性,利用滤波法去除不可靠的视差。仿真结果表明,该算法可以获得更多深度信息,提高了线性生长算法计算视差图的可靠性和鲁棒性。     

基于混合遗传算法的区域大系统多目标水资源优化配置模型

针对区域水资源优化配置中重水量轻水质、重国民经济需水轻生态环境需水的特点,基于大系统总体优化配置理论与方法,综合考虑生态环境需水和水质因素,构建了基于混合遗传算法的区域大系统多目标水资源优化配置模型.运用混合遗传模拟退火算法对模型进行求解,将所提配置模型及方法应用于海河流域大清河,计算表明2010年P=50%、75%、95%时不同保证率情况下生活和生态环境需水均能满足需求,系统协调度均大干0.84.     

基于模糊约束的军事物资配送多目标路径优化

针对带模糊时间窗口、模糊运输费用以及模糊运输风险的多目标军事物资运输问题,利用模糊期望理论,建立了带模糊约束问题的多目标运输路径优化模型,并利用改进的多目标量子遗传算法求解该模型,算法中采用量子比特编码,引入非支配排序和精英保留策略,防止算法陷入局部最优。仿真实验结果表明,建立的模型合理、算法有效,在军事物资配送问题中具有一定的实用价值,与传统的多目标遗传算法相比较,利用改进的多目标量子遗传算法求解该问题,收敛速度更快。     

基于混合优化方法的立体匹配算法

为了改善线性生长算法获得视差图可靠性差的问题,提出了一种基于混合优化方法的立体匹配算法。该算法综合考虑了计算效率和图像可靠性,将视差匹配转换为多目标优化问题,通过提出的基于模拟退火的鸽群优化算法求解此优化问题,从而实现视差阈值的自适应调节,并获取相应的根点的最优视差值。所提出的混合优化方法较好地克服了局部寻优和全局寻优方法易受初值影响且收敛速度慢的缺点。此外,为了进一步提高视差图可靠性,利用滤波法去除不可靠的视差。仿真结果表明,该算法可以获得更多深度信息,提高了线性生长算法计算视差图的可靠性和鲁棒性。