重大医疗急救中心设施选址的多目标决策优化模型

本文针对急救中心应对的重大突发医疗事件的高效性,敏捷性的特点,采用传统选址模型中的最大覆盖模型、p-中心模型和中值模型,结合优化思想建立了一个多目标决策的数学模型。     

铁路物流中心多目标分层选址优化模型及算法

以全国铁路既有货场为研究对象,基于不同节点等级,研究了跨区域下多等级铁路物流中心选址优化方法.在利用改进DEA模型对既有货场发展状况进行评价的基础上,以铁路既有货场资源利用最大化、铁路物流中心建设成本最小化为优化目标,建立铁路物流中心分层选址的0-1混合整数规划模型,并设计了遗传算法进行求解.最后,以全路2500余个货场为对象,设计了"45-256-509"的全路铁路物流中心选址方案,三个层次的节点分布呈金字塔形,符合网络构建的基本特征,充分验证了优化数学模型和求解算法的有效性,为铁路物流中心的建设提供参考依据.     

多目标大规模供水管网监测点的优化选址

针对供水管网水力模型中监测点布置的优化计算不易得到确定结果、运行数据不能完全代表管网状况的问题,提出反映管网节点水量和节点压力变化的节点覆盖水量和节点相关水压的多目标遗传算法,综合灵敏度分析、爆管分析,结合测压点布设原则、管网拓扑结构、水力计算结果最终确定测压点优化选址的方法。该方法用于城镇大规模实际管网中,采用管网节点中的0.3%个节点为水压监测点即可覆盖约45%的管网节点与43%的管网水量,通过与现有布设原则比较,发现其结果与布设原则匹配度较高。该方法提高了管网模型测压点的精度和准度,也代表了管网中水压变化和水量影响,可有效消除人为因素影响和提高监控管网漏水、爆管、能耗的效果。     

基于模糊优化的多目标投资组合选择模型研究

将模糊集合的概念引入投资组合模型中，并将多目标投资组合模型中的收益、方差和偏度三个目标模糊化，用逻辑隶属函数作为新的目标函数．针对该模糊多目标投资组合模型，提出了一个动态遗传算法，算例给出了该模型的一个实例的最优解，并进一步解释了模糊尺度随决定逻辑隶属函数形状的参数的变化而反向变化的规律．     

多目标优化问题的研究

针对传统方法求解多目标优化问题的局限性,应用一种新的算法求解。遗传算法从问题解的串集开始搜索,覆盖面大,可以同时处理群体中的多个个体,利于全局择优,减少陷入局部最优的风险,而最小生成树具有过程简单清晰、适用性广泛的特点,结合两者的优点,构造了基于生成树的遗传算法。首先通过加权目标规划法求出最优解,然后通过遗传算法和基于生成树的遗传算法求解,结果表明,对于小规模的多目标优化问题,两种算法都可以求出最优解,在求解时间方面,基于生成树的遗传算法比遗传算法更优越。     

考虑相邻跑道干扰的多目标进离场航班排序优化模型

为研究并构建一类考虑相邻跑道干扰的进离场航班排序多目标优化模型,该模型综合考虑了跑道运行模式、管制员工作负荷、飞机类型、航空器安全间隔等多种因素,以航班延误最少、跑道利用率最高为目标.根据该模型特征,设计出带精英策略的快速非支配排序遗传算法(NSGA-Ⅱ)求解该非线性问题,揭示了不同目标下Pareto最优解之间的关系,...     

多目标电网规划的一般最优化模型

针对现有电网规划中难以很好综合考虑经济性和可靠性的问题，在对电网规划进行数学描述的基础上，以供应方开发成本最小和需求方缺电成本最小为目标函数，提出了多目标电网规划的一般最优化模型，并直接在算法的寻优过程体现该最优化模型．同时以改进的混合遗传模拟退火算法为求解工具，来解决该多目标电网规划问题．算例证明了该模型的有效性．     

多目标参数最优化问题的稳定性

本文研究了多目标参数最优化问题的稳定性,并得到了一些新的定理。     

集成化服务链多目标全局优化模型与算法

基于集成化服务链网络模型和候选服务资源评价指标,建立集成化服务链的多目标全局优化模型,并提出一种基于改进多目标遗传算法的集成化服务链多目标全局优化算法。算法采用基于距离的无参数种群多样性度量算子,在适应值分配、精英保持和选择操作中均进行了种群多样性控制,能在满足多约束条件下同时优化多个目标,得到一组满足决策者不同主观偏好的Pareto全局最优解集。仿真实验表明算法具有全局收敛性并具有较好的解的质量和分布,能有效求解集成化服务链多目标全局优化问题。     

系统可靠度的多目标最优分配方法

本文从可靠性的角度讨论系统最优化问题，在分别对工程结构造价最低，使用过程中期望效益最大，期望损失最小这三个单目标进行系统可靠度最优分配后，提出了多目标最优的系统可靠度分配方法，最后用一个算例进行了说明。     

基于遗传算法的静电反馈式微传感器多目标优化

讨论了一种新型梳齿式静电反馈微加速度计的多目标参数优化问题，从耦合静电场能量关系出发，建立了系统的动态模型．在此基础上，以灵敏度、分辨率和动态响应为优化目标，通过目标规划法，构建了系统的多目标优化模型．利用遗传算法进行优化求解，并与序列二次规划法的优化解进行了对比分析，研究结果表明，这2种算法均能成功地求解优化问题，但遗传算法可得到设计者更为满意的多目标有效解．研究工作为进一步利用遗传算法的随机性和潜在并行性进行系统的Pareto多目标优化提供了基础．     

油料调度保障问题的多目标优化方法

【目的】研究油料保障活动中的调度保障问题。【方法】综合多方面因素，构建了以调度效率最大化、系统调度成本最小化以及系统调度时间最小化为目标函数的多目标优化模型。【结果】利用多目标优化的主要目标法等标量化方法将问题转化为单目标优化模型，分析该模型解的性质并提出相应的遗传算法进行求解。【结论】提出的多目标优化方法能够在保障调度效率的同时获得相应较低的系统成本和相应较短的系统调度时间，可为油料调度保障问题提供决策参考。     

多目标投资组合模型的模糊两阶段解法

对多目标证券组合投资模型进行了研究,模型以绝对偏差和代替方差作为投资组合的风险度量.该模型是一个多目标线性优化问题,采用两阶段模糊算法对模型进行求解,最后给出了该模型的一个实例的最优解.     

政府信息资源开发利用的多目标动态决策模型

为了优化政府信息资源开发利用方面的投资,运用层次分析法,对纯公共信息、弱竞争信息和强竞争信息开发利用的优先顺序加以判断,通过解多目标动态决策模型,得出各种投资方案组合的Pareto解,为政府部门提供简便易行、科学有效的政府信息资源开发利用投资优化决策方法.     

油库选址问题的多目标优化方法

【目的】研究油料运输过程中油库的最优选址问题。【方法】综合考虑多方面因素，建立以经济成本最小化、用油单位满意度及油库安全性最大化为目标的多目标优化模型，并对模型进行分析。【结果】基于多目标优化问题经典的线性加权标量化方法，引入模拟退火算法对多目标优化模型进行求解。【结论】提出的多目标优化方法能够在较高的安全性和满意度下获得更优的经济成本，为更好解决油库选址提供决策参考。     

液氮洗工艺的多目标遗传算法优化

为了优化大化肥中的液氮洗关键流程以提高能量效率、控制CO2排放,在使用Aspen Plus软件对某低温液氮洗工艺进行模拟分析的基础上,结合多目标遗传算法和二次规划法(MOGA-QP)来解决局部极值和大规模优化问题.根据超结构方法,构建了液氮洗工艺流程总结构,即在原流程中加入了一个减压阀和一个分离器,由此可以增补29.546 kJ/kg冷量,使得液氮洗涤塔出口净化气中的CO体积分数为0.55×10-6.利用MOGA-QP求解了超结构,即在进化过程中用二次规划法来模拟流程表单的各个子模块,在最终收敛的环节用二次规划法求解子问题,从而对遗传算法产生的Pareto解做进一步的精细优化.实际应用显示:在满足工艺指标的前提下,优化后的液氮入口流量减至0.131 2 kmol/s,出口CO体积分数降至0.25×10-6,液氮入口流量减少了1.7%,火用损失减少了15.7%,表明改进流程更佳,MOGA-QP算法有效.     

基于模糊逻辑的多目标优化问题遗传算法求解探讨

基于群体搜索的遗传算法求解多目标优化问题具有独特的优势,鉴于决策者事先对于各目标的重要性一般只有模糊的认识,文中对各目标进行了模糊化处理,构造了适应值函数,提出了基于模糊逻辑的多目标优化问题遗传算法求解方案.     

基于新型Memetic算法的多目标优化

为了更好地解决多目标优化问题,提出一种求解多目标优化问题的新型memetic算法。该算法利用微粒子群算法的全局搜索能力和同步启发式局部搜索相结合进行局部微
调;利用基于模糊全局极值的概念处理种群中过早出现收敛以及解多样性保持等问题。通过进一步检测得出新算法的特点并展示其在多目标优化问题上的独立性和综合效应。同时应用新型算法对IEEE14节点标准电网进行无功优化计算。结果证明,该新型memetic算法具有很好的寻优能力,验证了该算法的有效性及科学性。     

改进蚁群算法求解多目标优化问题

针对传统蚁群算法在多目标优化问题中容易陷入局部最优的缺点,提出一种采用直接学习机制的改进蚁群算法。该算法通过采用模拟蚂蚁用触角交流信息过程的直接通信学习机制,用以改进信息素的更新规则,从而维持群体的多样性。通过两组多目标基准函数验证算法性能,仿真结果表明该算法所获得的Pareto解具有多样性以及均匀分布性,有效地提高了蚁群算法全局寻优的能力。     

电梯群控系统多目标控制策略

分析了电梯群控系统的功能和特点，采用组合优化方法将群控系统的多个目标进行加权组合，建立了基于遗传算法的多目标优化模型，并在电梯群控仿真试验台上进行了试验．根据试验结果分析了系统性能指标．