多目标优化设计中的Pareto遗传算法

遗传算法的随机性和隐含并行性,使它能同时搜索到多个局部最优解并获得最优解集。为了发挥遗传算法群体搜索的优势,提高多目标优化设计效率和灵活性,在自适应遗传算法的基础上引入群体排序技术、小生境技术和Pareto解集过滤器,建立了一种适用于多目标优化设计的Pareto遗传算法。以Pareto前沿面的形式给出优化设计的Pareto最优解集,供设计者按设计意愿选择最优的设计结果。采用Pareto遗传算法进行跨声速翼型的多目标优化设计,设计结果表明,Pareto遗传算法是十分有效的,完全可以用来进行多目标优化设计。     

自适应多目标遗传算法在柔性工作车间调度中的应用

针对柔性工作车间调度问题的特点，提出了一种新的自适应多目标遗传算法，其特点包括：同时运用了基于工序顺序和基于机器分配两种交叉变异方法以弥补经典工作车问调度问题中交叉变异操作的局限性；根据遗传算法搜索的历史自适应的调整两种交叉变异方法的概率以提高算法的搜索效率和稳定性；引入多目标遗传算法中的小生境技术以保持种群的多样性；采用精英保留策略保护进化过程中的优秀个体。实验结果证明该算法在多目标柔性工作车间调度问题的应用上，可以产生分布性较好的高质量的解。     

一种用于多目标优化的混合遗传算法

将遗传算法与局部优化方法相结合,提出了一种用于多目标优化的混合Pareto遗传算法(HPGA)。针对遗传算法局部优化性能较差的缺点,引入直接搜索策略以增强算法的局部搜索能力。HPGA首先运行Pareto遗传算法,以得到近似的Pareto最优解;然后启动直接搜索对其进行进一步优化。仿真结果表明HPGA兼具有良好的全局优化性能和较强的局部搜索能力。与Pareto遗传算法相比,HPGA不仅提高了优化搜索的效率,而且能够保证收敛到多目标优化问题的Pareto最优前沿面。     

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.     

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。     

基于模糊约束的军事物资配送多目标路径优化

针对带模糊时间窗口、模糊运输费用以及模糊运输风险的多目标军事物资运输问题,利用模糊期望理论,建立了带模糊约束问题的多目标运输路径优化模型,并利用改进的多目标量子遗传算法求解该模型,算法中采用量子比特编码,引入非支配排序和精英保留策略,防止算法陷入局部最优。仿真实验结果表明,建立的模型合理、算法有效,在军事物资配送问题中具有一定的实用价值,与传统的多目标遗传算法相比较,利用改进的多目标量子遗传算法求解该问题,收敛速度更快。     

一种基于GA的多目标模糊决策方法研究

针对多目标决策中目标非标准化对决策的影响，提出一种基于相对隶属度的改进遗传算法。在求解过程中，首先计算出群体中所有个体的目标特征值，然后计算目标非标准化对决策的影响度和影响度因子；通过影响度因子将目标非标准化对决策的影响计算到相对隶属度中，将目标特征值矩阵转化为相对隶属度矩阵，构造基于相对隶属度的相对适应度函数，以减小目标非标准化对决策的影响；最后给出了应用该算法处理复杂零件协同制造中制造资源优化配置的一个实例，证明算法的可行性与有效性。     

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．     

基于遗传算法与模糊选择的多播路由优化

遗传算法在优化计算特别是在多播路由问题中得到了广泛应用,但在进行大规模优化时,遗传算法存在着爬山能力差以及不成熟收敛等缺点。为此,提出基于启发式遗传算法和模糊选择机制的新型多播树计算方法,本算法采用树型结构编码和高效的遗传操作,同时优化时延、丢包率和带宽利用率等多个参数。仿真实验表明,这种算法用于多播路由多目标优化问题时,可以克服采用遗传算法进行多目标优化的缺陷。     

多准则、多目标决策评价系统的设计与实现

以导弹系统设计方案评应用为背景,针对多准则、多目标的决策问题,研究和设计系统化的决策评价体系,完成具有核心功能的,通用性、实用性较好的多准则、多目标决策评价工具,对复杂的决策问题提供决策支持。     

基于遗传编程的火电厂主汽温系统建模研究

遗传编程是基于自然进化理论的一种全局最优智能搜索技术,将它应用于系统辨识,可以实现同时辨识系统的结构和参数,并且得出的辨识结果是显示的。提出了一种新的多目标遗传编程算法,将进化的目标设定为偏差的平方和、表达式的复杂程度和最大动态偏差的综合最小。应用该算法辨识火电厂主汽温系统,仿真结果说明该算法是有效的,并且比常规遗传编程算法优越。     

Genetic algorithm for pareto optimum-based route selection

A quality of service (QoS) or constraint-based routing selection needs to find a path subject to multiple constraints through a network. The problem of finding such a path is known as the multi-constrained path(MCP) problem, and has been proven to be NP-complete that cannot be exactly solved in a polynomial time. The NPC problem is converted into a multiobjective optimization problem with constraints to be solved with a genetic algorithm. Based on the Pareto optimum, a constrained routing computation method is proposed to generate a set of nondominated optimal routes with the genetic algorithm mechanism. The convergence and time complexity of the novel algorithm is analyzed. Experimental results show that multiobjective evolution is highly responsive and competent for the Pareto optimum-based route selection. When this method is applied to a MPLS and metropolitan-area network, it will be capable of optimizing the transmission performance.     

生态工业系统--一个开放的复杂巨系统

工业生态学是一门新兴的学科，在该理论指导下形成的生态工业系统建设已开始成为世界工业发展的主体。这篇文章从系统学的角度出发，剖析并揭示了生态工业系统的本质，指出生态工业系统是开放的复杂巨系统，它具有一切复杂巨系统的特点：开放性、复杂性、进化与涌现性、层次性和巨量性等。然后从开放性的角度出发，利用综合集成研讨厅体系的思想，把智能控制技术、响应曲面方法和实验设计综合在非线性多目标决策支持系统的框架中，提出了一个新的设计生态工业系统的方法。     

A multicast routing algorithm with multiple trees

1.INTRODUCTION Qualityofservice(QoS)multicastroutinghascon tinuedtobeaveryimportantresearchtopicintheIn ternet.Multicastisacommunicationservicethatal lowssimultaneoustransmissionofthesamemessage fromonesourcetoagroupofdestinationnodes.To carryoutdifferentmulticastsessions,anetworkmust minimizethesessions’resourceconsumption,while meetingtheirrequirements.Efficientallocationof networkresourcestosatisfyQoSrequirementsisthe primarygoalofmulticastrouting.Howevertheinter dependencyandconfli…     

激光制导武器仿真系统的分布式程序设计与实现

采用基于消息的分布式程序设计方法开发了某激光制导武器仿真系统的分布式仿真程序。该程序统主要由主控程序、仿真主程序、激光控制程序、二维定位反射镜系统控制程序和三轴转台控制程序等5个分布点程序构成,它们通过消息通信构成完整的分布式程序。编程过程和实验表明,基于消息的设计方法降低了分布式程序的设计难度,而且使程序具有灵活、易于扩充的体系结构;采用该方法编写的分布式软件能够实时完成某激光制导武器的数字仿真和半实物仿真,达到了系统的研制要求。     

基于遗传算法的RLV再入轨迹优化设计

飞行器再入轨迹优化是一类最优控制问题。传统的优化方法存在初始值敏感问题。利用小生境技术和精英方法改进适应值共享拥挤遗传算法,并将其用于RLV再入轨迹优化设计。以终端时间固定的空间最小控制能量再入轨迹和终端时间自由的平面最小热载再入轨迹为例,详细讨论了遗传算法用于再入轨迹优化设计所需要解决的一些关键问题。仿真结果表明提出的方法能够较快地搜索到全局最优解,对初始猜测值不敏感,能够方便用于RLV的再入轨迹方案选择和优化设计。     

遗传算法在电力系统经济负荷分配中的应用

针对考虑阀点效应的电力系统经济负荷分配问题的特点，将遗传算法与传统基于梯度的数学优化方法相结合，提出一种求解电力系统经济负荷分配问题的混合遗传算法。通过极大熵理论将经济负荷分配问题近似为可导问题，并将SQP法引入遗传算法提出SQP算子，以提高遗传算法的寻优速度与局部搜索能力．基于优化设计理论应用均匀设计确定初始种群．同时，利用单纯形交叉算子的多点交叉特性使种群逐步趋近全局最优点．实例研究结果验证了方法的有效性。     

自适应变异粒子群算法在交通控制中的应用

提出了自适应粒子群算法结合实数遗传算法中变异算子的混合算法，它能提高算法的收敛性和稳定性。同时，通过对交通路口的通行情况的研究提出了一种新颖的离散交通信号控制模型。此模型以交叉路口各方向车流支路为基本单元，以各支路车流信息为输入，得出交通信号控制的各项性能指标。在此模型的基础上，应用自适应变异粒子群算法实现交通信号优化控制及验证算法。仿真结果表明自适应变异粒子群算法能够有效实现交通信号优化控制。     

遗传——灾变算法及其在非线性控制系统中的应用

本文提出了遣传一灾变算法。在遗传算法的基础上，提出进一步模拟自然界中的灾变现象，以提高遗传算法的性能，尤其是解决重要的不成熟收敛问题。文中介绍了它的基本原理并将其应用于非线性控制系统的优化设计中。仿真实例验证了该算法的优良性能