桁架结构多目标优化的NSGA-Ⅱ改进算法

为克服桁架结构多目标优化设计中约束条件和离散变量处理困难、收敛效率低等问题,在保留原算法优点的同时,对多目标进化算法NSGA-Ⅱ进行了改进。为了验证改进效果,对经典的空间桁架结构进行了优化;并与其他算法的优化结果进行了比较。结果表明改进算法在桁架结构优化中的表现优于原算法和其他算法,具有良好的收敛性和稳定性。     

基于NSGA-Ⅱ算法的多目标公交调度优化模型

针对传统公交调度方案容易导致运营经济成本和乘客时间成本的不合理分配问题,提出了一种基于NSGA-Ⅱ算法的多目标公交调度优化模型。综合公交车辆运营成本、乘客出行成本及乘车舒适度三个目标函数,建立公交调度优化模型,通过非支配排序遗传算法对模型的pareto最优解进行计算。最后以深圳市某路公交为实例,通过采集线路参数,计算得到该线路最优发车间隔。验证了NSGA-Ⅱ优化算法在公交调度中的有效性,对公交运营与线路改善有一定的借鉴意义。     

基于Pareto最优原理的混合动力汽车多目标优化

介绍了混合动力汽车（HEV）相关知识,建立了以最小化燃油消耗、HC+NOx排放量和CO排放量为目标的3目标优化模型,提出了基于Pareto最优原理的混合动力汽车多目标优化进化算法.该算法采用实数编码,以ADVISOR为HEV的仿真软件获得各候选方案目标值,基于Pareto支配性原理判定候选方案的优劣,并设计了可以调整待优化变量有效位的机制以保证优化所得的候选方案具有可实现性.针对不同车型的仿真实验结果表明,所提出的算法能够较好地解决混合动力汽车多目标优化问题,可以获得一组具有低燃油消耗与低污染物排放的Pareto最优解供决策者选择.     

一类基于混合遗传算法的多目标优化方法

提出一类求多目标Pareto解的快速算法，该算法将个体各分目标的最大值作为适应度函数，采用混合遗传算法，通过求解种群适应度极小值的方法来获得Pareto边界不同方向上的最优解，并在种群进化过程中采用了一些加速收敛的改进方法，通过典型算例的仿真验证了其有效性．     

基于改进NSGA-Ⅱ的船舶避碰决策辅助算法

针对避碰决策问题对算法时效性和轨迹分布性的要求,改进一种基于多目标优化算法的NSGA-Ⅱ(non-domi-nated sorting in genetic algorithm Ⅱ).采用按需分层策略和考虑父代支配信息的算数交叉算子策略,降低了算法的时间复杂度,加快了收敛速度;提出动态分布适应度策略,控制了帕累托集在目标空间的分布.在此基础上,分别建立决策方案的安全性和经济性目标函数以及驾驶员对决策安全性的偏好函数,通过改进NSGA-Ⅱ对避碰决策方案寻优.试验结果表明,改进NSGA-Ⅱ的收敛速度和分布性有所提升,证明了改进算法的有效性和优越性;在构建的四种船舶会遇场景下,算法均能寻得多个兼顾安全性和经济性的避碰决策方案,为驾驶员避碰决策提供参考.     

一种用于多目标优化的克隆选择算法

多目标进化算法的研究目标是使算法种群快速收敛并均匀分布于问题的Pareto最优前沿面.为此,在比较与分析已有多目标进化算法的基础上,借鉴免疫系统中的克隆选择原理,提出了一种用于多目标优化的克隆选择算法.该方法只对部分当前所得到的Pareto最优解进行进化操作,并选用一种简单的多样性保护机制来保证Pareto最优解具有良好的分布特征.'实验结果表明该方法能够很好地达到Pareto最优前沿面,较好地保持解的多样性,并且具有很快的收敛速度.     

采用NSGA-Ⅱ算法的面齿轮副小轮拓扑修形多目标优化

为合理确定面齿轮副小轮的修形参数,设计了均由2段抛物线与1段直线组成的直齿小轮齿廓和齿向修形曲线,将由三次B样条拟合得到的修形曲面与理论齿面相叠加来构造拓扑修形齿面。采用带精英策略的快速非支配排序遗传算法(NSGA-Ⅱ),结合面齿轮副的几何接触分析(TCA)和承载接触分析(LTCA)技术,提出了以修形曲线参数为优化变量,使抛物线几何传动误差曲线两端对称、接触印痕限制在齿宽中部、承载传动误差波动幅值最小的小轮拓扑修形多目标优化设计方法,并编制了相应的Matlab程序。算例表明:优化修形参数后得到了对称的抛物线几何传动误差和位于大轮齿宽中部的接触印痕,并大幅度减小了承载传动误差波动,从而可有效降低安装误差敏感性和齿轮副的振动、噪声。     

基于多目标遗传算法的混合动力汽车能量管理优化

混合动力技术是实现汽车节能减排的有效途径。以P2混合动力汽车为研究对象,考虑电池荷电状态(state of charge, SOC)分别为高、中、低3种不同的电量模式时,设计不同的能量管理策略,以实现混合动力汽车节能减排的同时维持SOC的平衡的目的。该策略在基于规则的基础上采用Isight软件中的多目标遗传算法对门限值进行优化,以提高能量管理策略中门限值的可靠性和有效性。仿真结果表明,该能量管理策略对降低车辆油耗的效果显著,并且能很好地维持电池SOC的平衡。     

采用NSGA-Ⅱ算法的纯电动汽车复合电源参数匹配及优化

为了解决单一电源驱动电动汽车动力性和经济性不足的缺陷,提出了由锂离子电池和超级电容组成的复合电源,确定了复合电源的拓扑结构,制定了复合电源功率分配控制策略。在简单循环工况下,以整车经济性和动力性为目标,采用NSGA-Ⅱ算法的多目标优化方法,对复合电源参数进行了匹配和优化。搭建了基于d SPACE的在环测试平台,对优化前后复合电源和单一电源的经济性和动力性进行在环测试。实验结果表明,与优化前复合电源相比,优化后复合电源的能量利用率提高了6%;与单一电源相比,优化后复合电源的制动能量回收率提高了3.42%;不同速度区间内,相比单一电源和优化前复合电源,优化后复合电源的动力性提高了3%以上。整车经济性和动力性得到了显著改善和提升,验证了优化方法的合理性和可行性。     

基于伪并行NSGA-Ⅱ算法的火电站多目标负荷调度

为了克服以往负荷调度模型及优化算法存在的缺陷,提出了多目标负荷调度模型,同时考虑最小化燃料费用和污染排放量,并将带精英策略的快速非支配排序遗传算法(NSGA-Ⅱ)与并行遗传算法(PGA)相结合对其求解.利用该方法对一电厂进行多目标负荷调度,获得了分布良好的Pareto最优解,为经济性和环保性的权衡分析提供了有效的工具,分析结果验证了其思路的有效性和可行性.     

公路施工网络计划多目标遗传优化

通过对公路施工网络计划优化方法进行分析,建立了符合公路施工网络计划特点的质量-工期-费用的优化模型;利用拥挤度计算和非劣排序,以及精英保留策略的遗传算法,并采用工序染色体编码的方法,缩小了公路施工网络计划优化程序对有效解的搜索空间;通过轮盘赌选择、算术交叉、变异等操作,得到一个Pareto最优解集,供决策者从中选择出最符合实际情况的方案;提出了改进的NSGA-Ⅱ多目标优化方法。通过工程实例,采用改进的NSGA-Ⅱ对施工方案进行优化,利用MATLAB 7.0编程仿真,可获得Pareto的最优解集。     

基于NSGA-Ⅱ和PGA混合遗传算法的中压配电网线路优化规划

目前,中压配电网的供电可靠性得到了广泛的关注。为此,本文以经济性和可靠性最优为优化目标,建立了配电网的网架优化规划模型。基于帕雷托最优理论,本文结合NSGA-Ⅱ（Non-dominated Sorting Genetic algorithm Ⅱ）算法和单亲遗传算法（Partheno-geneticalgorithm,PGA）对该模型进行了求解,得到了分布均匀的帕雷托最优集,并从中确定了综合效益最优解。通过典型算例和与现有方法的比较,验证了本文方法的有效性,表明其能够满足实际工程的不同要求,为实现灵活的配电网网架优化规划提供理论依据。     

基于NSGA-Ⅱ的冷源机房设备运行参数多目标优化

中央空调冷源机房设备系统运行参数优化是提高空调运行性能的重要途径之一,但由于机房设备种类繁多,运行工况复杂,运行参数诸多,参数之间耦合作用较强,其优化问题是学者们广泛关注的重点和难点.提出了一种基于非支配排序遗传算法Ⅱ(non-dominated sorting genetic algorithmⅡ,NSGA-Ⅱ)的冷...     

一种改进的求解多目标优化问题的进化算法

针对多目标优化问题,传统进化算法维护种群多样性的方法主要依赖于共享函数,但其小生境半径难以进行有效地设置。该文提出一种改进的求解多目标优化问题的进化算法,新算法引入了近邻函数准则(NFC),将其用于选择过程,可以从种群中选择出较好的个体,并确保种群的多样性。此外,新算法中融入了一种基于近邻函数准则的Pareto候选集的维护方法,利用这种方法可以有效地维护候选解集中个体的多样性。对所提出的算法,从时间和空间复杂度进行了理论分析。对一组典型优化问题的测试表明:该文提出的算法具有较高的搜索性能,解集分布的多样性与收敛性均较理想。     

一种基于ELECTRE法的多目标优化进化算法

将多目标属性决策方法中的ELECTRE法引入到多目标优化进化算法中,提出了一种新的多目标优化算法.采用辅助群体来存储进化过程中的非劣个体,并且采用与SPEA-Ⅱ相同的适应值分配策略来保证解的良好分布性.此外,构造出一种新的超序关系对个体进行排序,证明了该超序关系比Pareto优劣关系弱,利用此超序关系,能增强进化过程中的选择压,加快收敛速度.数据实验结果表明,该算法能很好地收敛到Pareto最优,有效地保持解的多样性.     

一类特殊的动态多目标优化问题及其进化算法

给出了一类定义在离散时间(环境)空间上、自变量的维数随环境可发生改变的一类动态多目标优化问题(DDMOP)的新解法.该方法把DDMOP转化成了两个目标的动态多目标优化问题,在一种环境变化判断规则下提出了解DDMOP的一种新进化算法(DDMOEA).计算机仿真表明,新算法能有效跟踪并求出DDMOP在不同环境下数量较多、质量较好且分布均匀的Pareto最优解.     

高速列车车厢夹层板断面结构的多目标优化

为获得不同运行速度和工况下的高速列车车厢侧墙结构,在拓扑优化结构的基础上进行了多目标优化研究。将侧墙夹层板质量、柔度、最大变形作为优化目标,以侧墙5段夹层结构的面板和夹心厚度为变量、车厢气压变化梯度为约束函数,利用代理模型技术,建立了各目标、约束函数与变量之间的代理模型,通过非支配遗传算法NSGA-II,得到了多目标的Pareto解集。该Pareto解集中的夹层板结构比拓扑优化得到的夹层板结构的最大变形性能提高了8.21%到33.58%,设计时可根据具体的要求和经验从Pareto解集中进行选择,从而为不同运行速度和工况下的高速列车车厢断面结构的设计提供了多种选择方案。     

多目标优化算法研究综述

近年来,多目标优化问题求解已成为演化计算的一个重要研究方向,而基于Pareto最优概念的多目标演化算法则是当前演化计算的研究热点．多目标演化算法的研究目标是使算法种群快速收敛并均匀分布于问题的非劣最优域。该文在比较与分析多目标优化的演化算法发展的历史基础上,介绍基于Pareto最优概念的多目标演化算法中的一些主要技术与理论结果。此外,指出并阐释了值得进一步研究的相关问题。     

求解多目标优化问题的多智能体遗传算法

目的 在求解多目标优化问题时，总是希望获得尽可能多的Pareto解，且这些解能够较均匀地分布在目标空间的Pareto边界上。方法 通过引入智能体的概念，并将多个智能体组成的多智能体系统与经典遗传算法相结合，给出了一种求解多目标优化问题的多智能体遗传算法。结果 对每个智能体在其邻域内进行局部Pareto寻优操作，而不是在整个群体中进行Pareto寻优，从而保证了群体的多样性，并在一定程度上抑制了种群的早熟现象。结论 该方法能够找到问题的分布较均匀的Pareto最优解。