求解多目标规划问题的Pareto多目标遗传算法

针对传统的多目标优化方法的局限性，提出用于多目标规划问题求解的Pareto多目标遗传算法。实验结果表明，该算法是可行有效的，而且能为决策者提供满意解。     

基于对位学习的多目标遗传算法

为了加强非劣排序遗传算法的搜索能力、加快其收敛速度,将对位学习与非劣排序遗传算法相结合,提出了一种用于解决多目标优化问题,基于对位学习的多目标遗传算法,并应用双目标、三目标的测试函数对该算法进行了验证.结果表明,基于对位学习的多目标遗传算法具有较好的收敛性和分布性.     

启发式前后向链条优化组合在轨多目标观测规划算法

针对敏捷遥感卫星突发多目标观测任务的在轨实时规划问题,提出一种面向在轨实现的启发式前后向链条优化组合方法.该方法以敏捷卫星滚动俯仰两个自由度的姿态机动能力为输入,设计了一种基于高权重组链、以姿态机动能力结合观测收益合成链条的启发式方法.完成了不同机动能力下的蒙特卡罗打靶仿真,优化了链条选择策略,获得了较高的观测收益.实...     

基于多目标遗传算法的高层建筑概念设计优化

在高层建筑方案概念设计阶段,同时考虑了建筑、结构、设备等多种因素,并运用多目标遗传算法及MATLAB编程,对高层建筑概念设计进行优化.算法中的随机变权重因子可以更好地体现不同决策的侧重倾向,从而更好地符合实际需要.以高层办公建筑为例,提出了具体的方法和实施步骤,所得结果可为工程设计人员提供有益的借鉴.     

多目标0—1规划问题的遗传算法

根据遗传算法的特点，提出了以排列为基础，以求出全部非劣解为目的的定义适应性值的方法，以便使其有能力求解多目标优化问题，并分析研究了算法进行到一定程度以后收敛于一个非劣解的原因和解决策略。     

基于模糊优选的多目标优化遗传算法

综述了多目标优化的传统方法,介绍了多目标优化的遗传算法解决策略,建立了基于模糊优选技术的多目标优化遗传算法模型．对用模糊优选理论解决多目标优化问题的有效性进行了证明．通过算例证明了理论体系的正确性和工程应用的实用性．     

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。     

考虑发射失败的多中心多卫星发射任务协同规划方法

在中国未来卫星发射需求急剧增加和卫星发射中心发射能力有限的情况下,为多颗卫星协调发射中心和发射时间变得日趋困难。为解决大量卫星发射任务的协同规划问题,以发射成本最少、发射失败概率最低为优化目标,建立了多中心多卫星发射任务协同优化的多目标混合整数规划模型。基于非支配排序的多目标优化算法(non-dominated sorting genetic algorithm II, NSGA II)框架,设计了求解模型的多目标进化算法,提出了发射中心选择的整数编码方案,给出了基于启发式搜索的发射时间规划解码算法,并设计了染色体质量检查与修正算法。基于中国现有的4个卫星发射中心和可能面临的6类发射任务,设计了包含10颗卫星发射任务的小规模案例和30颗卫星发射任务的大规模案例,对模型和算法进行了仿真验证。实验结果表明该方法能有效解决多中心多发射任务协同规划问题。     

基于多目标遗传算法的卫星成像任务调度技术

针对成像卫星的任务调度问题,考虑多种约束条件,提出了成像任务约束图模型。基于多目标优化和遗传算法思想,提出了一种应用于卫星成像任务调度的多目标遗传算法,详细分析了算法的各个关键步骤的设计思想,能够求得基于成像约束图模型的满意解,生成卫星的优化拍摄计划。卫星成像任务调度原型系统的实现和实验结果验证了该模型和算法的合理性和有效性。     

基于灰关联度的多目标规划新求解算法

针对多目标规划的求解问题,提出了一种新的基于灰色关联度的求解算法, 该算法将多目标规划模型的多个目标函数理想值组成一个理想目标向量。在相同的约束条件下,基于目标函数向量与理想目标向量之间的灰色关联度而构造一个实值偏好函数。通过最大化这个实值偏好函数,可把多目标规划问题转变为单目标规划问题,并给出了基于遗传算法的求解步骤。通过实际算例表明,该算法正确有效,且相对于线性加权和法、平方加权和法和理想点法而言,具有较好的综合距离均衡性能。     

油田措施配置多目标随机规划

措施规划对于延长油田稳产年限 ,合理地安排稳产措施从而提高采油速度及最终提高采收率是十分必要的 .有些学者建立了油田稳产措施规划的确定性规划 ,即模型中所有的参数均为确定值 ,而实际油田生产中有许多因素是不确定的 .也有文章建立了措施规划的随机规划模型 ,但建立的规划模型仅涉及一个目标函数 ,即所谓的单目标规划 .而在实际的油田措施配置中 ,需要对多项指标提出优化要求 .本文针对油田开发实际中存在的不确定现象 ,利用规划论中处理随机现象的机理 ,建立了油田措施的多目标随机规划模型 ,并采用具有擅长全局搜索、高度鲁棒性特点的遗传算法进行求解 .应用结果表明 ,该模型使措施配置更能反映生产实际.     

基于无人机实时数据多波次任务规划模型分析

针对导弹部队多波次作战任务规划问题,依据无人机的实时数据,构建了基于路径的多层规划模型,并设计了模型的算法求解流程.使用遗传算法与禁忌搜索混合算法,得出了任务规划中的最优路径规划,并在此基础上进行了冲突的消除.通过仿真案例表明,用无人机协同配合导弹部队作战,实时传输作战数据,能够解决战场信息模糊不确定的问题;使用多层规...     

一种改进遗传算法及在多目标优化中的应用

基本遗传算法在求解大规模多目标优化问题时会出现早熟和搜索效率低等问题。针对这些问题,对基本遗传算法引入了邻域操作、自适应策略和混沌优化等多种改进策略,研究设计了一种有机结合各种改进策略的改进遗传算法流程。应用实例的仿真试验表明改进算法可行,且在求解大规模多目标优化问题时较基本遗传算法具有精度和速度优势。     

基于突发任务多无人作战飞机攻击多目标研究

针对无人作战飞机在动态不确定环境中任务执行的路径规划问题,提出了一种基于突发任务的路径规划方法。在单机路径规划中,通过建立Voronoi有向图,并根据Dijkstra算法为每架无人作战飞机寻找最优、次优路径,针对路径规划中的多目标攻击和协同的问题,设计了一种多目标攻击任务规划器,结合突发任务的情况,给出了多目标攻击策略。仿真的结果表明所提方法是可行的。     

基于多目标规划的低碳销售物流网络规划方法北大核心CSCDCSSCI

分析了低碳经济对销售物流网络规划的影响,提出了以网络总物流成本最小和网络碳排放总量最少为目标的多目标物流网络规划模型,采用模糊规划方法将多目标规划模型转换为单目标规划模型,设计了基于遗传算法的求解算法,并对规划模型和求解算法进行了仿真验证,由此得到了一种科学可行的低碳销售物流网络规划方法。     

基于对位学习多目标遗传算法的板形板厚控制

提出了一种基于对位学习多目标遗传算法的板形板厚控制系统设计方法。该方法给出了控制系统的结构,建立了板形板厚控制器参数的多目标优化模型,并采用对位学习多目标遗传算法对该模型进行多目标优化,得到一组控制器参数的Pareto解。在其中选择三个Pareto解对应的控制器参数,作用于板形板厚控制系统做仿真研究。结果表明,所得到的Pareto解集中选定区域的解都可以使系统具有满意的性能,并且对扰动有较好的抑制作用,证实了该方法的有效性。     

基于多种群遗传算法的城轨列车节能运行优化研究

通过建立定时约束条件下的最小能量控制模型,采用Pontryagain极小值原理推导了城市轨道列车节能操纵策略的组成。提出一种变长实矩阵编码的多种群遗传算法进行列车节能运行优化:采用多质点的列车牵引仿真器模拟列车运行;对列车运行控制序列采用变长实数矩阵编码;引入基于退火选择的变长算子以增强算法的全局搜索能力;适应值共享保持种群的多样性;多种群并行寻优提高收敛速度,增强寻优过程的稳定性。实例计算结果证实了该方法的有效性和先进性。     

基于物理规划的多星多站访问规划

随着在轨卫星数量增加,对大量卫星进行有效监管具有迫切需求,需要研究如何合理分配和调度有限的地面资源对卫星进行访问。提出了一种基于物理规划的多星多站访问指派规划方法,以地面设施对卫星的访问窗口指派为设计变量,以相同地面设施相邻访问窗口的最小时间间隔及单个地面设施的最大访问次数为约束条件,以任务耗时、考虑成功率的访问收益、访问成本为目标函数,建立了考虑成本和收益的多星多站非均衡访问规划模型;采用物理规划将多目标函数合理地映射为单目标函数,使用差分进化算法进行寻优。将所提方法应用于3站4星的小规模问题及20站96星的大规模问题的求解。结果表明,所提方法能够获得符合约束的权衡多目标偏好的解。相较于加权法和约束法等,求解更加稳定高效,各指标均能得到均衡的优化。     

求解多目标作业排序问题的遗传算法

利用联合进化遗传算法 ( CEGA)建立了求解多目标排序问题的一般框架 ,采用目标权衡分析诱导出决策人的偏好关系 ,并将其引入求解过程 ,以确定满意排序 ,在搜索寻优过程中 ,将启发式与遗传算法相结合 ,以提高搜索效率 .最后 ,利用该算法框架求解了一个含调整时间的一般 Job Shop排序问题 ,以表明算法的有效性.