改进的NSGA-Ⅱ算法的柔性物料搬运策略

针对传统的装配车间拉动式物料配送存在拣货效率低和配送成本高的问题,提出了以搬运机器人为中心的柔性物料配送策略.建立了以完工时间、延期时间、负载和能耗等目标最小化的多目标多机器人协作配送调度模型;并结合模型特点提出了一种改进的非支配排序遗传算法(non-dominated sorting genetic algorithm-II,NSGA-Ⅱ),对算法的流程、编码方法和遗传算子进行了设计和改进.最后以某汽车部件装配车间为例,运用改进的NSGA-Ⅱ算法对所建模型进行求解,并与经典的NSGA-Ⅱ算法进行了对比分析,验证了算法的可行性和有效性.结果表明,改进的NSGA-Ⅱ算法在求解柔性物料配送问题时具有更优的性能.     

离场航班多目标优化排序研究

为缓解大面积、长时间的离场航班延误现状,研究了多目标离场航班优化排序问题,考虑连续航班对离场航班影响,建立了具有多个目标函数的混合整数规划模型,并基于多目标优化问题的Pareto最优解概念,设计了一种带精英策略的非支配排序遗传算法(NSGA-Ⅱ)求解模型.选取上海浦东机场3 h内离场航班进行仿真验证,并将仿真结果与其他算法优化方案比较,与FCFS策略相比,航班总延误降低了20. 1%,延误架次减少了20.较单一目标优化,该算法具有保持多个目标函数优异性的特点,且115架航班优化时间仅为302 s,能够较好的满足实际运行效率需求.所提方法能够有效解决离场航班多目标优化排序问题.     

面向闭塞分区划分问题的模拟退火算法研究

闭塞分区划分是区间闭塞设计的重要内容,对列车运行的安全和效率有直接影响。为较好地提出划分方案,在深入地分析了闭塞分区划分方案的各种影响因素及目标之后,提出了闭塞分区划分的优化模型。设计了利用模拟退火算法对闭塞分区划分的基本流程,并采用模拟退火算法对该模型求解。由于模拟退火算法具有概率式搜索的特点,可避免使搜索结果陷入局部最优解,而得到全局最优解。结合实例研究表明模拟退火算法对闭塞分区划分问题的优化是有效的,并在得到不同目标的划分方案的基础上,在综合考虑安全、效率和经济的因素之后选用合理的划分方案,从而提高了闭塞分区划分的效率和质量。     

丝绸之路经济带危险货物公铁联运路径优化

以丝绸之路经济带为背景,研究危险货物公铁联路径优化问题。组织危险货物公铁联运时,运输路径的选择对于降低作业风险和运输成本至关重要。本文系统分析了公路与铁路的运输成本及风险,建立了兼顾成本（运输成本、碳排放成本、软时间窗惩罚成本）和风险（运输风险）的多目标非线性优化模型,通过线性加权转化为单目标优化问题,并设计了改进非支配排序遗传算法（Non-dominated Sorting Genetic Algorithm-Ⅱ）求解。改进种群初始化过程,引入协同选择的精英策略,并改进了交叉算子。最后,结合算例进行求解,结果表明：改进后的NSGA-Ⅱ算法空间分布更为均匀,且前沿跨度更大,优化的运输方案中运输节点更少、运输路径更短;总成本、总风险相比NSGA-Ⅱ算法更低,算法搜索性和求解精度明显提高。     

基于改进非支配排序遗传算法的配电网动态重构

针对分布式电源大规模接入配电网情况下配电网的动态重构问题,提出一种基于改进非支配排序遗传算法(non-dominated sorting genetic algorithms Ⅱ,NSGA-Ⅱ)的配电网动态重构策略.首先,以系统运行成本和电压偏移最小为目标建立配电网动态重构模型.其次,结合参数自适应策略和基于可行解优越性的约束处理技术提出NSGA-Ⅱ改进算法对模型进行求解.再次,用超体积(hypervolume)指标选择最佳的帕累托解集,并通过模糊决策技术从帕累托解集中选择最佳方案.最后,以IEEE 33节点系统为例进行仿真.结果 表明:该模型可以在降低系统运行成本的同时提高系统电能质量.     

基于自适应多目标指数罚函数的NSGA-Ⅱ算法

为求解多目标优化问题,将快速非支配进化算法(NSGA-Ⅱ)进行了推广,构造了一种新的多目标指数罚函数,将其作为NSGA-Ⅱ算法的适应度函数,通过每次自适应更新罚因子,以此获得多目标规划问题的有效解(Pareto解).仿真结果表明,该算法在快速收敛的情况下,能够获得更加均匀的Pareto前沿.     

改进ST-GA遗传算法在多目标运输问题中的应用

在解决多目标运输优化问题的基于生成树的遗传算法（st-GA）中融入了NSGA-Ⅱ算法,提出了一种新的生成树遗传算法（NSST-GA）,新算法利用NSGA-Ⅱ中的策略来保持解群体的分布性和多样性,采用精英保留和擂台法来进行遗传选择,算例结果表明新算法提高了收敛速度,防止了早熟收敛,较好的保持了种群多样性和算法的稳定性．     

基于NSGA-Ⅱ多目标遗传算法的宿舍室内空间布局优化研究

为了适应宿舍室内空间布局自身评价指标中模糊性与多态性的特点,克服评判中缺乏科学性和客观性的问题,本文在分析宿舍室内有效活动空间利用率的基础上,运用NSGA-Ⅱ多目标遗传算法对宿舍空间布局优化问题进行求解,以某大学四人间宿舍为例建立数学模型,采用改进遗传算法进行室内空间布局优化设计。研究结果表明,NSGA-Ⅱ多目标遗传算法可有效解决宿舍室内空间布局问题,该研究结果也为其他同类问题的解决提供了一种有效的途径。     

基于改进NSGA-Ⅲ的文本空间树聚类算法

构建倒排文本空间索引树(IR)分裂聚类多目标模型,对非支配排序遗传算法(NSGA-Ⅲ)的求解过程进行改进,提出一种基于先验初始种群策略的非支配排序遗传算法(PIPS-NSGA-Ⅲ),使其更适应于倒排文本空间对象分裂聚类问题的求解.通过PIPS-NSGA-Ⅲ算法寻求对象最小包围矩形(MBR)之间的重叠与覆盖面积、对象群间平均距离以及语义相似度等目标的最优前端解.通过对比PIPS-NSGA-Ⅲ,NSGA-Ⅱ,NSGA-Ⅲ和SPEA-Ⅱ进化多目标算法,从对象分类时间、效率、查询时间和准确度等多个方面来评估算法的优劣.实验结果表明:PIPS-NSGA-Ⅲ算法对文本空间对象聚类分裂具有较高的效率;相对于简化传统R树(STR树)与R树空间索引结构,基于改进NSGA-Ⅲ文本空间索引的平均查询时间减少24.8%,平均准确度提高3.75%.     

基于NSGA-Ⅱ的DP船舶推力分配方法研究

针对动力定位(DP)船舶的推力分配问题,首先建立了关于推进器能耗、磨损以及推力误差的多目标优化目标函数,然后通过分析推力禁区、死区、饱和、推力变化率和方位角变化速率等约束条件,给出了多目标优化问题的约束不等式,最后利用改进的非支配排序遗传算法(NSGA-Ⅱ)对所提出的推力分配多目标优化问题进行了仿真验证.仿真结果表明:采用NSGA-Ⅱ算法进行推力分配可以有效降低推进器的能耗,在工程应用方面具有一定的可行性.     

基于多目标遗传算法的多星座选星方法

为了提高接收机导航定位的实时性,需要从大量的可见卫星中选取几何布局较好的星座组合进行定位解算.提出多星座选星可以作为有约束条件的离散型多目标优化问题求解,并基于NSGA-Ⅱ遗传算法提出了一种多星座选星方法.该方法能综合优化几何精度因子(GDOP)和选星数目,可以在减少接收机运算量的同时获得良好的定位精度.仿真结果表明,利用该方法在静态和动态情况下均有良好的有效性和实时性.     

随机需求下多危险品定位库存路径问题建模与算法研究

将需求的不确定性与库存理论结合,构建起产地-配送中心-客户三级供应链库存及配送的数学模型,并提出根据危险品影响的衰减系数计算其影响半径的方法,进而设计出基于衰减特性和人口分布的风险模型。采用多目标遗传算法(NSGA-Ⅱ)进行模型求解,设计出一套整合多种类危险品定位路径信息的编码-杂交-变异方式。在对算法的研究中,提出了通用性的,带种群结构控制的非支配排序遗传算法(NSGA-Ⅱ-PSC)及其3种类型。算例表明,改进算法可以得到更高质量的Pareto最优解集或更快的收敛速度。     

基于多目标优化的机组一次调频自抗扰控制

燃气轮机的一次调频能力对于电网频率的稳定十分重要。针对燃气轮机一次调频的控制问题,提出了基于多目标遗传算法的自抗扰控制策略。首先提出了一种基于输出量直接反馈的自抗扰控制结构,并推导出其参数稳定域的计算公式。在介绍NSGA-Ⅲ多目标遗传算法的基础上,提出了基于多个控制性能指标的多目标参数优化流程,并将该方法应用于燃气轮机机组的一次调频控制策略设计中。仿真结果表明,提出的基于多目标遗传算法的自抗扰控制策略在保证鲁棒性的前提下能够提高燃气轮机机组一次调频的性能,显示了很好的应用前景。     

基于Pareto多目标遗传算法的模糊系统设计

提出一种基于Pareto多目标遗传算法生成一组精确性和解释性较好折衷模糊系统的方法.该方法采用模糊聚类算法辨识初始的模糊模型,利用匹茨堡型实数编码的遗传算法对初始模糊模型的结构和参数进行优化,基于NSGA-Ⅱ算法的目标函数同时考虑模型的精确性和解释性;最后,在算法中利用基于相似性的模型简化方法约简模糊系统.利用该方法对两个Benchmark系统进行建模,仿真结果验证了该方法的有效性.     

基于多目标双层规划模型的汛期分期研究

针对以往分期方法建模时仅从某一角度构建模型,且未对分期结果在未来情景中的适用性做出评价等不足,研究基于多目标双层规划模型的汛期分期.以汾河下游为例,基于历史降水资料,建立多目标双层规划的汛期分期模型,并应用NSGA-Ⅱ-POS算法进行模型求解.根据历史与未来降水资料,采用加权灰色关联度评价法对双层规划模型和Fisher...     

基于多目标离散正弦优化算法的混合零空闲置换流水车间调度

针对以最小化最大完工时间（makespan）和最小化最大拖期（maximum tardiness）为目标的多目标混合零空闲置换流水车间调度问题（Mixed No-idle Permutation Flow Shop Scheduling Problem,MNPFSP）,提出了一种多目标离散正弦优化算法（Multi-objective Discrete Sine Optimization Algorithm, MDSOA）。首先,建立外部档案集（AS）存储Pareto解,并在每次迭代后对AS进行更新;其次,在正弦优化算法（Sine Optimization Algorithm,SOA）的基础上,引入迭代贪婪（IG）算法的破坏重构机制,重新定义了一种适用于离散调度问题的位置更新策略;最后,引入快速非支配排序和拥挤距离对种群进行筛选,在保留精英解的同时保证了解的多样性和分布性。选取Taillard Benchmark中11个不同规模的算例进行仿真实验,并将仿真结果与NSGA-Ⅱ和NSGA-Ⅲ算法进行比较,验证了MDSOA求解MNPFSP的有效性。     

超高速列车车地无线通信系统性能分析

为了解现有通信系统在超高速移动场景下的性能,利用系统级仿真平台分析在超高速(600 km/h)磁悬浮列车场景下的LTE-A(Long Term Evolution-Advanced)、5G两种网络系统性能.研究两种通信系统下基于位置的车地通信误码率(Block Error Ratio,BLER)、频谱效率(Spectral Efficiency,SE)以及吞吐量仿真结果,并对网络性能进一步分析.仿真结果表明,LTE-A与5G系统在频谱效率和吞吐量方面可以较好地支持超高速磁悬浮列车列控业务通信,但随着磁悬浮列车远离基站,BLER逐渐上升,最终达到10-1以上,无法有效保障车地通信质量.     

基于CGA算法的主动队列管理新策略

基于流体流理论的网络简化模型,将NSGA-Ⅱ与PGA相结合的复合遗传优化算法应用于PID控制器参数优化,提出了一种多目标PID优化设计方法--在满足系统鲁棒性的前提下,以超调量、上升时间和调整时间最小作为多目标优化的子目标,并用复合遗传算法对其求解.该算法求得的Pareto最优解分布均匀,收敛性和鲁棒性好,根据网络主动队列管理控制系统的要求在解集中选择满意解.仿真结果表明,在大时滞和突发业务流的冲击两种情况下,该方法设计的控制器的动静态性能优于GA、SPSO、QDPSO算法的优化结果.     

基于QFD的多目标产品配置模型及配置优化研究

为了使产品配置结果更符合客户需求,采用QFD和云模型将客户需求转化为产品质量特性,指导产品配置设计。考虑个性化需求等约束,构建以性能、成本和交货期为目标的产品配置模型,采用改进的NSGA-Ⅱ算法求解配置模型,并根据客户偏好推荐配置方案。该算法采用动态罚函数处理约束问题,采用自适应交叉、变异概率和算术交叉算子对NSGA-Ⅱ算法进行改进。通过算法验证与实例应用,证明本模型有效可行,改进NSGA-Ⅱ算法在配置问题求解上优于NSGA-Ⅱ算法。     

基于改进NSGA-Ⅱ的交叉培训规划多目标优化

针对柔性制造单元的员工交叉培训规划问题,从人性化和经济效益的角度考虑,提出了将多能工水平和任务覆盖水平等培训策略作为约束条件,以培训员工平均满意度最大化和任务平均支付工资最小化为目标的多目标优化方法.针对多目标优化模型,采用了非支配排序遗传算法(NSGA-Ⅱ)求解,并采用了Pareto解集过滤器技术.实验结果表明,改进的算法在一定程度上提高了运算效率和改善了Pareto解的多样性.