一种稳态淘汰多目标演化算法

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决速收敛并均匀分布于问题的非劣最优域。介绍了多目标优化的概念，在比较分析了目前较成功的多目标演化算法的基础上，提出了一种新的解决数值优化问题的稳态淘汰演化算法。     

一种求解多目标优化问题的协同演化算法

提出了一种求解多目标优化问题的协同演化算法.新算法改进了Kwee-Bo的协同演化的思想,将混合策略演化规划用于协同演化过程中,混合策略指导算法有效搜索过程,两个种群协同优化目标函数.标准测试函数的数值实验验证了新算法的有效性.     

关于多目标演化算法的策略分析

基于Pareto排序算法的多目标演化算法是多目标演化算法所采用的重要方法,本文叙述了多目标演化算法(MOEAs)的有关概念,在分析已有算法的一些性能和特征的基础上,结合演化算法的有关概念,重点基于Pareto排序算法分析了影响多目标演化算法性能的两大方面:求解过程中解集合的多样性、均匀性分布的保持与维护以及解的收敛性,分析了MOEAs设计中需要注意的策略问题以及今后研究的重点.     

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。     

快速公交车辆发车间隔与信号优先协调研究

研究快速公交车辆发车间隔与路口信号优先的协调优化问题. 针对快速公交全线路口信号选用定周期的优先感应控制方案,提出协调优化问题的衡量指标. 选用遗传算法提出发车间隔与信号控制参数综合优化的求解算法. 以北京的BRT1线为例,应用VISSIM仿真软件与VC++程序进行了算法实现. 实例结果表明:在不同的车速、发车间隔、信号控制方案的组合下,经过优化可以有效提高车辆的速度和准点率,实现真正意义上的公交优先.     

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。     

考虑不均匀发车间隔的高铁接运公交时刻表与车辆调度优化

提出一种不均匀发车间隔的公交时刻表,主要用于优化高铁站的接运公交时刻表.首先,考虑高铁到达客流的分布情况,采用正偏态分布的威布尔分布拟合乘客的换乘走行时间和后续等待时间构成的乘客换乘总时间.其次,分别以乘客换乘总时间最少、使用公交车辆总数最少为目标,考虑最大可用公交车辆数、公交最大发车间隔、公交最小发车间隔等刚性约束条件,建立了时刻表与公交车辆调度系统优化模型,并利用带精英策略的非支配排序遗传算法(Elitist Nondominated Sorting Genetic Algorithm,NSGA-Ⅱ)求解公交系统优化模型.最后,通过案例分析验证了模型的有效性,将不均匀发车间隔与均匀发车间隔时刻表进行对比.结果表明:在使用接运公交数量相同的情况下,与均匀发车间隔时刻表相比,不均匀发车间隔时刻表最多可使乘客换乘总时间降低9.7％,并且可以根据模型求解结果提出多种合理的时刻表与车辆调度方案供决策者进行选择.     

接运公交车辆配置和发车频率的优化模型

为满足绿色公交节能减排的需求,在分析乘客出行行为、整合企业运营成本和量化污染气体排放量的基础上,构建了多车型接运公交车辆配置和发车频率的优化模型.采用确定式算法和计算机多重迭代模拟相结合的方法,求解非线性整数规划模型.计算结果表明：优化后的混合多车型方案,乘客出行成本、企业运营成本和CO₂当量排放量较单一的柴油车方案分别减少4.1%,1.1%和21.5%,证明了模型和算法的合理性和有效性.     

贝叶斯优化算法在多目标优化问题中的应用

贝叶斯优化算法是近年来在进化算法领域兴起的一种新兴算法,用贝叶斯网络概率模型来显式地反映变量之间的依赖关系及可行解的分布,更符合实际问题的本质,在众多领域获得应用。针对多目标优化问题,在Pareto优化概念的基础上,用非占先排序及拥挤距离的方法来选择群体,形成解决多目标优化算法的Pareto贝叶斯优化算法,实验结果表明,Pareto贝叶斯优化算法要优于经典多目标优化算法NSGA-II。     

考虑不均匀发车间隔的公交网络时刻表优化模型

公交网络时刻表设计就是通过优化各线路车次的发车时间,使不同线路的车辆协同到达换乘站点,以方便乘客换乘.研究了不均匀发车间隔情况下公交网络时刻表设计问题.使用数学不等式描述了乘客的换乘等待时间,构建了以最小化乘客总换乘等待时间为目标的混合整数规划模型,分析了该模型的计算复杂性和可行解的空间结构特征.基于模型特征分析,设计了能缩减求解空间的预处理方法.采用CPLEX优化软件对预处理后的模型进行求解.通过计算不同算例,验证了求解方法和模型的有效性.     

P systems based multi-objective optimization algorithm

Based on P systems, this paper proposes a new multi-objective optimization algorithm (PMOA). Similar to P systems, PMOA has a cell-like structure. The structure is dynamic and its membranes merge and divide at different stages. The key rule of a membrane is the communication rule which is derived from P systems. Mutation rules are important for the algorithm, which has different ranges of mutation in different membranes. The cooperation of the two rules contributes to the diversity of the population, the conquest of the muhimodality of objective function and the convergence of algorithm. Moreover, the unique structure divides the whole population into several sub populations, which decreases the computational complexity. Almost a dozen popular algorithms are compared using several test problems. Simulation results illustrate that the PMOA has the best performance. Its solutions are closer to the true Pareto-optimal front     

分层多目标优化的区间算法

文章根据分层多目标优化的基本原理,结合区间分析的方法,提出了求解约束分层多目标规划问题的区间算法,克服了传统算法中存在的评价函数选取难和有效解可选性差的缺点,证明了算法的收敛性,给出了数值算例。     

P systems based multi-objective optimization algorithm

Based on P systems, this paper proposes a new multi-objective optimization algorithm (PMOA). Similar to P systems, PMOA has a cell-like structure. The structure is dynamic and its membranes merge and divide at different stages. The key rule of a membrane is the communication rule which is derived from P systems. Mutation rules are important for the algorithm, which has different ranges of mutation in different membranes. The cooperation of the two rules contributes to the diversity of the population, the conquest of the muhimodality of objective function and the convergence of algorithm. Moreover, the unique structure divides the whole population into several sub populations, which decreases the computational complexity. Almost a dozen popular algorithms are compared using several test problems. Simulation results illustrate that the PMOA has the best performance. Its solutions are closer to the true Pareto-optimal front     

求解约束优化问题的一种新的进化算法

分析了现有的约束优化进化算法的一些不足之处，提出了一种处理约束优化问题的新算法。新算法将多目标优化思想与全局搜索和局部搜索机制有机地结合起来；在全局搜索过程中，作为一种小生态遗传算法，排挤操作利用Pareto优劣关系比较个体并接受具有相似性的父代个体和予代个体中的优胜者；在局部搜索过程中，首先对局部群体中的个体赋予Pareto强度，然后根据Pareto强度选择个体。通过一个复杂高维多峰测试函数验证了新算法的有效性。     

处理带约束的多目标优化进化算法

针对当前对求解多目标优化的遗传算法中主要考虑如何处理相互冲突的多个目标间的优化,而很少考虑对约束条件的处理的问题,提出一种求解带约束的多目标优化遗传算法,利用邻域比较与存档操作遗传算法处理多个相互冲突的目标之间的优化、利用不可行度选择操作处理约束条件和选用约束主导原理指导进化过程选择操作; 面向多目标约束优化算法,列举了2个难点典型问题进行仿真计算研究,仿真结果表明该算法能较大概率地获得多目标约束优化问题的可行Pareto最优解.     

A new evolutionary algorithm for solving multi-objective optimization problems

Multi-objective optimization is a new focus of evolutionary computation research. This paper puts forward a new algorithm, which can not only converge quickly, but also keep diversity among population efficiently, in order to find the Pareto-optimal set. This new algorithm replaces the worst individual with a newly-created one by “multi-parent crossover”. so that the population could converge near the true Pareto-optimal solutions in the end. At the same time, this new algorithm adopts niching and fitness-sharing techniques to keep the population in a good distribution. Numerical experiments show that the algorithm is rather effective in solving some Benchmarks. No matter whether the Pareto front of problems is convex or non-convex, continuous or discontinuous, and the problems are with constraints or not, the program turns out to do well. Foundation item: Supported by the National Natural Science Foundation of China(60133010, 60073043, 70071042) Biography: Chen Wen-ping ( 1977-), female, Master candidate, research direction: evolutionary computation.     

Parameter optimization of electric bus transmission system based on dynamical evolutionary algorithm

The transmission ratio is the key parameters influence power performance and economic performance of electric vehicle (EV). As a class of heuristic algorithms, Dynamical Evolutionary Algorithm (DEA) is suitable to solve multi-objective optimization problems. This paper presents a new method to optimize the transmission ratio using DEA. The fuzzy constraints and objective function of transmission ratio are established for parameter optimization problem of electric bus transmission. DEA is used to solve the optimization problem. The transmission system is also designed based on the optimization result. Optimization and test results show that the dynamical evolutionary algorithm is an effective method to solve transmission parameter optimization problems.     

遗传算法在多目标优化问题中的应用策略

遗传算法针对多目标优化问题,在适应度函数的选择、为防止遗传漂移和维持种群多样性等方面采用了相应的策略.在两杆构架优化的实例中,根据关系算子进行Pareto最优性排序,计算个体的适应度;引入分享机制以避免遗传漂移现象,保持种群的多样性;从种群池中独立保持Pareto解,使得最优解成为实际上的满意解.     

多目标优化的微分进化算法

将微分进化算法的应用范围从求解无约束单目标优化推广到求解一般情形的多目标优化。与传统优化算法及一般的进化算法相比,该算法特点在于直接将约束条件以及多目标性结合到进化算子中。算例表明,该算法是有效的。