考虑客户满意度的带时间窗的多中心半开放式冷链物流车辆路径优化

针对带时间窗的多中心半开放式车辆路径问题，以总配送成本最小化和客户满意度最大化为目标，提出了双目标冷链物流路径优化模型。针对NSGA-Ⅱ算法容易陷入局部最优等缺点，结合粒子群算法生成种群方式，设计一种改进的NSGA-Ⅱ算法。通过仿真对比实验，结果表明，所提出的算法和模型可有效解决带时间窗的多中心半开放式冷链物流车辆路径优化问题，且改进算法性能更优，同时分析了总配送成本与客户满意度之间的关系，为冷链物流企业带来一定的管理启示。     

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%.     

考虑多车型软时间窗的成品油二次配送库存-路径问题

针对成品油二次配送库存-路径问题(inventory routing problem, IRP),考虑了随机需求、多车型多隔舱等因素,以车辆配送成本、违反时间窗等惩罚成本之和最小化为目标,建立了混合整数规划模型。设计了求解模型的两阶段启发式算法,第一阶段根据各加油站的期初库存量、销量的概率分布等确定补货量和时间窗;第二阶段利用遗传算法和C-W节约算法确定配送车辆和配送路径。通过模拟计算并与单阶段算法和Gurobi直接求解模型的结果进行对比,验证了两阶段算法的有效性。结果显示利用本文方法确定成品油二次配送计划,在避免加油站缺货的同时,有效降低了车辆的配送成本。     

基于非支配排序遗传算法的塔机有限元模型修正

为了建立一个能准确反映结构实际状态的有限元模型,提出了一种基于非支配排序遗传算法Ⅱ(NSGA-Ⅱ)的有限元模型修正方法.首先建立初始有限元模型,基于二次响应面法,得到有效的响应面替代模型,然后采用NSGA-Ⅱ对该模型进行修正,最终建立了满足工程精度要求的可靠的有限元模型.给出了某型塔机有限元模型修正的工程算例,将修正后的计算结果与实测数据相比较,说明了基于NSGA-Ⅱ多目标优化算法对于有限元模型修正具有理想的效果,修正后的有限元模型能准确反映结构力学特性.     

基于多目标遗传算法的危险品运输路径优化

文章考虑危险品的特性,定义危险品的运输风险,以最小化路径长度、最小化运输风险为目标建立优化模型,采用改进的非支配排序遗传算法(non-dominated sorting genetic algorithm,NSGA-Ⅱ)求解该双目标问题,分别求得长度最短、风险成本最小的路线,进行2个目标的Pareto分析。研究结果表明遗传算法能有效解决最短和风险最小路径的搜索问题,具有一定的理论参考价值和实际指导意义。     

改进NSGA-Ⅱ算法在涡轮叶片多光谱测温中的应用

介绍了多光谱辐射测温原理、遗传算法(genetic algorithm,GA)以及第二代非支配排序进化算法(non-dominated sorting genetic algorithm-Ⅱ,NSGA-Ⅱ)的应用。从自适应角度出发对NSGA_Ⅱ算法加以改进,使其交叉变异算子具有一定动态调整能力,并把差分进化算法融合到NSGA_II变异算子进化中使其进化方向得以优化。作者从计算精度,稳定度,计算速度角度出发对传统的GA遗传算法、经典的NSGA-Ⅱ算法和改进后的NSGA-Ⅱ算法进行仿真实验并且利用真实四路测温实验验证,结果表明改进的NSGA-II算法具有单次计算精度高、稳定性好、计算速度略快、最后一代种群特性良好等优点,适合应用在温度范围为700~1 000℃下涡轮叶片多光谱辐射测温中。     

基于响应面法和NSGA-Ⅱ算法的麦弗逊悬架优化

应用响应面法和经过改进的非支配排序遗传算法(NSGA-Ⅱ)进行悬架结构参数优化.在ADAMS/Insight软件中进行设计参数的灵敏度分析,针对灵敏度较大的设计参数,建立车轮定位参数在车轮跳动过程中最大变化量的2阶响应面近似数学模型.对该模型进行稳定性分析,并且应用加入精英保持策略和去除重复个体算法的NSGA-Ⅱ优化算...     

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.     

代理模型参数率定方法在TOPKAPI模型中的应用

为提高复杂水文模型参数优化效率,通过Morris参数敏感性分析确定敏感参数,随后将多目标自适应代理模型优化(MO-ASMO)算法应用在TOPKAPI模型的参数率定中,通过最小欧几里得距离筛选Pareto解集中的相对最优解,从解集分布和每场洪水模拟效果两个维度与传统多目标优化方法NSGA-Ⅱ、NSGA-Ⅲ进行比较。结果表明：在相同模型运行次数下,MO-ASMO相较于NSGA-Ⅱ和NSGA-Ⅲ具有更优的Pareto前沿;无论是率定期还是验证期,MO-ASMO算法的评价指标均表现较好,综合表现优于NSGA-Ⅱ、NSGA-Ⅲ算法,MO-ASMO算法有效提升了模型参数优化效率。     

基于库存成本的连锁零售企业配送网络设计

研究了需求不确定的连锁零售企业配送网络设计及其库存决策的联合优化问题. 以门店和配送中心服务水平为约束条件,详细分析连锁企业内部的二级库存成本,并综合考虑运输成本和配送中心选址成本,建立配送系统年总成本优化模型.以系统总成本最小为目标,运用遗传算法求解该优化模型,在得到最优配送网络方案的同时,确定系统安全库存因子及门店的订货周期.通过算例仿真验证模型和算法的有效性,并分析需求、运输距离和选址成本等因素对系统总成本的影响,为连锁零售企业的物流配送网络设计及库存控制提供决策支持.     

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．     

分销配送网络优化模型及其求解算法

为了优化网络结构 ,寻求最佳配送策略 ,最终找出成本最小的供应链 ,针对需求拖动式供应链中 ,多供应商、多产品、多客户分销配送网络的优化设计问题 ,在考虑需求分配的情况下 ,提出了分销配送网络的优化模型。为了求解优化模型 ,提出了基于混合遗传算法求解混合 0 - 1整数规划问题的算法 ,它是用遗传算法搜索 0 - 1变量的最优解 ,将其他算法融入遗传算法中 ,对非 0 - 1变量进行求解的一种算法。最后通过两个算例进行了仿真实验 ,验证了优化模型的正确性和算法的有效性。模型简明、客观 ,算法易于扩展并具有鲁棒性、通用性     

考虑需求关联性的多供应商电商库存分配研究

需求关联性现象普遍存在于顾客购买行为中，然而大多数库存管理方面的研究假设产品需求相互独立，忽视关联性造成的影响，可能导致严重的缺货现象发生。针对存在需求关联性情况下具有库存容量限制的多供应商电商库存分配问题，应用FP-Growth算法从订单数据库中挖掘得到关联规则，并将关联规则抽象为一种约束，建立双目标随机规划数学模型，通过分段线性拟合方法对非线性目标函数和约束进行处理。采用非支配排序遗传算法(NSGA-Ⅱ)对模型进行求解，基于“先知种群”改进种群初始化过程，以提升算法收敛速度。使用真实数据的数值实验表明，基于关联规则的库存分配模型能以小幅度增加运营成本为代价，显著减少缺货数量。最后对库存容量、关联规则置信度和供应商个数进行敏感性分析，进一步为电商平台管理者提供了参考。     

基于GASA算法的成品燃油战时公路配送路径优化

为了实现配送的路径优化,结合战时极其重要的物资--成品燃油,提出了多属性道路网络下成品燃油战时配送的路径优化问题.综合考虑战时配送VRP(vehicle routing problem)的多个评价目标,基于重要性的多目标分层优化思想,分析建立了问题的完全分层优化模型.将进化算法和传统优化技术相结合,构造了模型的两层求解算法,第一层采用遗传算法和模拟退火算法混合的GASA(genetic simulated annealing algorithms)算法,第二层采用枚举法.实验表明,所构造的算法较标准遗传算法更有效.     

固溶时效工艺对6016铝合金力学性能的影响及多目标优化

作为6XXX铝合金热处理工艺的一部分,固溶处理与时效处理对6016铝合金的力学性能有显著影响.本文把固溶温度、时间和时效温度、时间作为设计变量,应用中心组合实验设计法设计固溶-时效实验方案,在室温下分别测出试样的屈服强度、伸长率和维氏硬度.第二代非支配排序遗传算法(NSGA-Ⅱ)解决了第一代算法参数选取难、运行效率低等缺点.本文用第二代非支配排序遗传算法把得到的响应面方程作为目标函数进行多目标优化,经过计算后获得非劣解,从中可筛选出使目标函数较好的解与相对的固溶-时效工艺参数.     

双目标精英策略的三维人脸表情特征筛选及识别

非支配遗传算法(NSGA-Ⅱ)对双目标的特征筛选可以取得很好的效果,但该算法在优化过程中会出现局部收敛和早熟问题.为此,文中提出了改进的NSGA-Ⅱ特征筛选算法:先对父代种群运行第1次精英策略,从中筛选出父代精英种群;然后将筛选后的父代精英种群与子代种群构成联合种群,并对联合种群运行第2次精英策略获得下一父代种群.在利用文中算法对三维人脸表情的候选特征进行筛选后,通过概率神经网络算法对筛选特征进行分类识别.结果表明,文中算法可以在很大程度上解决传统NSGA-Ⅱ的局部收敛和早熟问题,并能有效地提升表情识别的准确性.     

基于近似模型和遗传算法的等离子喷焊工艺参数多目标优化

为了对等离子喷焊工艺参数进行优化,提高喷焊层的质量,通过径向基函数(radical basis function,RBF)神经网络近似模型和非支配排序遗传算法(non dominated sorting genetic algorithmⅡ,NSGA-Ⅱ)遗传算法相结合的方法,对等离子喷焊试验数据,基于MATLAB平台进行训练,以此来构建显微硬度、磨损量和稀释率的近似模型,利用NSGA-Ⅱ遗传算法对模型进行下一步的多目标优化,最终得到帕累托最优解集,研究了工艺参数间的交互作用.结果表明:利用RBF-NSGA-Ⅱ遗传算法比响应面法能更显著地提高喷焊层质量.可见对等离子喷焊工艺的优化具有一定的参考价值.     

超高速磁悬浮列车闭塞分区设计与优化模型

超高速磁悬浮列车闭塞分区的划分不仅是设计能力的重要影响因素之一,也与牵引供电设备成本密切相关,对指导超高速磁浮列车经济、合理、科学的系统设计及规划具有重要意义.本文以平均发车间隔和分区工程造价为目标,通过构建超高速磁悬浮列车能力计算模型,将闭塞分区划分问题转化为一个混合整数非线性规划问题,并采用非支配排序遗传算法（Non-dominated sorting genetic algorithm Ⅱ,NSGA-Ⅱ）优化闭塞分区设计.基于超高速磁悬浮列车的线路、列车以及信号系统相关数据,设计仿真案例对上述算法进行评估,并与基于线性加权方法的多目标遗传算法（Vector-Evaluated Genetic Algorithm, VEGA）的求解效果进行对比.结果表明：NSGA-Ⅱ生成的Pareto最优解质量和求解速度均优于VEGA,仿真结果精确满足各项约束.     

随机需求下多周期供应链库存配送联合优化模型

库存与配送是影响供应链成本的2大要素,库存与配送联合优化对于降低供应链成本有着重要的意义。文章考虑允许缺货且需求随机的情形,建立了多周期多产品单对单2级供应链库存配送联合优化模型;针对缺货损费用和存货2种情境,分别对该模型进行了再优化,并求解出单周期最佳订货量;同时借鉴供应商管理库存(VMI)策略,采用满载量与非满载量相结合的方式求解出零售商所需的最佳车辆数;最后,通过仿真实验表明了将库存配送联合优化比单独优化在降低成本方面有了显著提高,并验证了所建立模型的可行性和实用性。     

基于Species机制的多目标遗传算法

多目标优化算法设计正在成为当前进化算法领域的一个研究热点.考虑将最初用于多峰优化的Species机制引入到多目标遗传算法中,通过借鉴现有多目标算法的相关思想,设计并提出了一种新的Species方法,包括基于Pareto最优性和拥挤度思想的Species种子确定策略及适应性的Species构造策略.一组标准多目标测试函数的仿真实验结果表明,提出的基于Species机制的多目标遗传算法表现出比经典的非支配排序遗传算法Ⅱ(NSGA Ⅱ)更好的性能.