基于NSGA-Ⅱ算法的麦弗逊悬架多目标优化

为了减小悬架定位参数在轮跳过程中的变化量和变化趋势,以改善整车的操纵稳定性,减小轮胎的磨损,搭建了悬架硬点优化设计的平台。利用多目标/多参数优化软件Isight,联合Adams/Car,在工程可行性约束条件下,应用改进型非支配排序遗传算法NSGA-Ⅱ对悬架系统进行寻优计算,得到Pareto最优解集。优化结果表明,悬架定位参数在车轮跳动过程中的变化量有不同程度的减小;前束角和外倾角变化最明显,变化范围由-1.11°~1.22°降低到-0.2°~0.31°,减小了78.4%,外倾角由-1.12°~1.71°降低到-0.56°~1.27°,减小了35.1%;主销后倾和主销内倾角变化范围分别减小了3.1%和4.1%,有效地降低了轮胎磨损,使整车的操纵稳定性能有所改善。     

基于NSGA-Ⅱ遗传算法的低比转速离心泵多目标寻优

为了提高低比转速离心泵的水力效率和扬程,选取比转速为30的某一低比转速离心泵为研究对象,以离心泵的扬程和水力效率最大值作为优化目标,采用离心泵基本方程与Plackeet-Burman试验相结合的方法进行参数筛选,最终选取离心泵叶轮的叶片出口安放角、叶片包角和叶片出口宽度作为优化变量.在优化过程中,采用最优拉丁超立方设计方法安排了30组试验,利用RBF神经网络模型拟合出优化目标与变量之间的近似模型,并运用基于NSGA-Ⅱ遗传算法进行多目标寻优.优化结果表明:优化后的叶轮扬程基本没有变化,水力效率提高了5.82%,消除了流量-扬程曲线的驼峰现象,使离心泵的运行更加稳定;优化后叶轮流道内的压力梯度减小,漩涡的发生区域及大小也有不同程度的改善;叶轮流道内湍流区域分布均匀,叶片做功能力增强,水力效率得到提高.     

基于NSGA-Ⅱ的二氧化碳氢化反应热力学多目标优化

二氧化碳氢化合成低碳烯烃反应是化学储能技术路径中重要的单元反应,二氧化碳首先与由可再生能源获得的氢气进行化学反应合成低碳烯烃,随后通过齐聚反应将能量储存到清洁燃料中。以二氧化碳氢化合成低碳烯烃反应为研究对象,使用Gibbs自由能最小化方法进行了平衡热力学分析,得到反应温度、反应压力、进料气H₂与CO₂的物质的量比对CO₂平衡转化率、低碳烯烃选择性及平衡组分的影响;基于统计学理论建立了反应参数对CO₂平衡转化率、低碳烯烃选择性和反应系统中H₂O平衡摩尔分数的回归函数模型;最后采用基于快速非支配排序遗传算法（NSGA-Ⅱ）的多目标优化方法对反应系统性能进行多目标优化。结果表明：从提高反应系统性能和降低催化剂水解失效风险角度进行的多目标优化与CO₂平衡转化率最大的单目标优化相比,H₂O的平衡摩尔分数从47.2%减少到24.9%;与低碳烯烃选择性最大的单目标优化相比,H₂O的平衡摩尔分数从51.1%减少到18.7%;与H₂O平衡摩尔分数最小的单目标优化相比,CO₂平衡转化率和低碳烯烃选择性从64.9%和8.7%分别提高到72.9%和58.6%。     

基于NSGA-Ⅱ的冷源机房设备运行参数多目标优化

中央空调冷源机房设备系统运行参数优化是提高空调运行性能的重要途径之一,但由于机房设备种类繁多,运行工况复杂,运行参数诸多,参数之间耦合作用较强,其优化问题是学者们广泛关注的重点和难点.提出了一种基于非支配排序遗传算法Ⅱ(non-dominated sorting genetic algorithmⅡ,NSGA-Ⅱ)的冷源机房设备运行参数多目标优化方法.以制冷量最大和能耗最低为目标函数,以冷冻出水温度、冷冻回水温度、冷却回水温度、冷冻水流量和冷却水流量5个变量为决策变量,根据实际运行工况设定其约束条件,建立系统运行参数优化模型.此外,以负荷率、室外环境温度和室外环境湿度作为划分工况的依据,采用等宽离散化方法并结合K-means聚类方法共划分出32种运行工况.最后仿真结果表明,在4种典型运行工况下,多目标优化方法相对于普通优化方式,能得到更高的循环性能系数(coefficient of performance,COP);同时,多目标优化方法能够使系统能效提升14.35％,能耗降低12.52％.因此,本文方法适用于空调领域,并能为工程应用时的参数设置提供一定的指导作用.     

基于改进NSGA-Ⅱ的交叉培训规划多目标优化

针对柔性制造单元的员工交叉培训规划问题,从人性化和经济效益的角度考虑,提出了将多能工水平和任务覆盖水平等培训策略作为约束条件,以培训员工平均满意度最大化和任务平均支付工资最小化为目标的多目标优化方法.针对多目标优化模型,采用了非支配排序遗传算法(NSGA-Ⅱ)求解,并采用了Pareto解集过滤器技术.实验结果表明,改进的算法在一定程度上提高了运算效率和改善了Pareto解的多样性.     

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。     

基于改进NSGA-Ⅱ算法的碟式斯特林系统多目标优化研究

考虑到碟式斯特林系统在循环过程中冷热源之间的热漏、回热损失及各种机械摩擦损失等不可逆问题,提出了改进快速非支配排序遗传算法,对系统热力学模型进行优化分析.首先,利用有限时间热力学分析了系统的效率、输出功率和压降;其次,提出了一种改进快速非支配排序遗传算法(Improved Non-dominated Sorting G...     

基于BPNN/NSGA-Ⅱ的居住建筑节能改造多目标优化

为进一步推进居住建筑节能改造的发展,提出一种基于耦合BP神经网络和非支配排序遗传算法（NSGA-Ⅱ）的多阶段多目标优化框架,以提高节能效益并使经济效益最大化,并将该方法应用于西安某高层住宅能耗与经济性优化研究之中.在优化过程中利用BP神经网络预测建筑性能,将其作为响应面近似模型集成到多目标优化过程中能减少总仿真时间.同时分析算法参数对帕累托优化结果的影响,得到了可持续、成本最优、低投资的节能改造方案,为寒冷地区居住建筑节能改造多目标优化研究提供了一定的理论参考.     

桁架结构多目标优化的NSGA-Ⅱ改进算法

为克服桁架结构多目标优化设计中约束条件和离散变量处理困难、收敛效率低等问题,在保留原算法优点的同时,对多目标进化算法NSGA-Ⅱ进行了改进。为了验证改进效果,对经典的空间桁架结构进行了优化;并与其他算法的优化结果进行了比较。结果表明改进算法在桁架结构优化中的表现优于原算法和其他算法,具有良好的收敛性和稳定性。     

基于NSGA-Ⅱ与方案优选的机场航站楼大跨度钢结构多目标优化研究

为优选出机场航站楼大跨度钢结构最佳施工方案,实现施工工期短、成本低和质量高的综合优化目标,文章以非支配排序遗传算法(non-dominated sorting genetic algorithmⅡ,NSGA-Ⅱ)与方案优选为基础,结合建筑信息模型(building information modeling, BIM)技术和工作分解结构(work breakdown structure, WBS)技术,构建兼具优化与施工仿真模拟的大跨度钢结构多目标优化体系;以某军民合用机场为例,应用该体系确定该工程航站楼大跨度网架结构安装采用分块安装法,优选出的施工方案较优化前不仅质量水平保持在较高的0.95,而且工期缩短22 d、成本减少57 625元,进一步验证了该体系具有很好的可行性与有效性。研究结果可为科学合理地确定大跨度钢结构施工方案提供依据,并有助于提高机场航站楼施工管理水平,为类似工程提供参考。     

基于遗传算法的多目标优化算法

本文先介绍了遗传算法的实现技术,又介绍了多目标优化问题的概念,然后使用遗传算法来求解多目标优化问题。文中使用了均匀设计方法来设计适应度函数,并设计了新的变异算子,算法结果是有效的。     

基于遗传算法的多目标优化方法

本文通过建立多目标问题模型,提出了运用改进的遗传算法求解多目标物流网络问题.该算法借鉴AHP方法的思想,采用将其与遗传算法混合的求解策略,并采用分阶段化的实数编码思想以及相应的遗传算子设计,对遗传算法进行适应性改进.     

基于改进NSGA-Ⅱ算法的水库双目标优化调度

针对NSGA-Ⅱ算法选择机制的缺陷,本文提出一种更好保护优秀个体的择优方法——雄狮选择法,进而提出了一种基于雄狮选择法的改进NSGA-Ⅱ算法——NSGA2-Pride算法。将新算法应用于水库双目标调度问题中,结果表明,NSGA2-Pride算法的优化调度结果优于NSGA-Ⅱ算法的优化调度结果,其优化调度将各调度期供水强度平均值提高到83%以上,并将供水强度最小值从49.13%提升至72.51%,改善了水库供水状况。本研究为解决水库优化调度问题提供了新的方法。     

基于自适应多目标指数罚函数的NSGA-Ⅱ算法

为求解多目标优化问题,将快速非支配进化算法(NSGA-Ⅱ)进行了推广,构造了一种新的多目标指数罚函数,将其作为NSGA-Ⅱ算法的适应度函数,通过每次自适应更新罚因子,以此获得多目标规划问题的有效解(Pareto解).仿真结果表明,该算法在快速收敛的情况下,能够获得更加均匀的Pareto前沿.     

基于NSGA-Ⅱ和BP算法的横置板簧悬架系统多目标优化

为了匹配汽车簧载质量和悬架刚度,文章建立整车悬架系统振动模型,基于多目标优化理论,以车身加速度均方根值最小、车身侧倾角最小为2个优化目标,将非支配排序遗传算法（non-dominated sorting genetic algorithm-II,NSGA-Ⅱ）和反向传播（back propagation,BP）神经网络结合进行多目标优化;根据车辆簧载质量变化和性能偏好,对悬架参数进行匹配,然后对悬架参数进行Sobol敏感度分析,得到各悬架参数对平顺性和操稳性的不同重要程度。仿真结果表明,匹配后的数据对平顺性和操稳性均有较好的优化效果,前阻尼值对平顺性影响最大,后刚度值对操稳性影响最大。     

基于NSGA-Ⅱ的物流末端人员配置的多目标决策

研究同时考虑客户满意度和成本的物流末端配送环节中快递人员配置问题。在考虑到满意度和快递员的情况下,通过人员配置成本、惩罚成本和运输成本所构成的总成本最小和顾客满意度最大时的人员配置方案,并采用NSGA-Ⅱ算法在Python软件上求解物流末端配送问题,最后进行了案例分析。分析结果表明：所建立的物流末端人员配置和路径优化的多目标优化模型实现了人员配置、客户满意度和成本的优化,且能够在保证客户满意度的情况下降低人员成本。所提出的方案为物流末端快递人员配置的多目标优化问题提供了理论依据。     

采用NSGA-Ⅱ算法的混合动力能量管理控制多目标优化方法

综合考虑燃油经济性、排放性与驾驶性对混合动力能量管理控制优化的优点,以某款并联混合动力汽车为研究对象,选取能量管理控制参数与传动系参数作为待优化参数,以动力性作为约束条件,建立混合动力能量管理控制多目标优化评价方法,提出基于NSGA-Ⅱ算法的混合动力系统多目标优化方法,并与优化前控制策略进行仿真对比分析。结果表明:在满足基本约束的前提下,优化后燃油经济性最多提高了7.8%,平均提高了6.38%;驾驶性性能指标最多提高了27.12%,平均提高了21.74%;排放性综合指标平均提高了41.51%。提出的多目标优化算法具有良好的收敛性与分布性,得到的Pareto最优解集能够给混合动力能量管理控制策略提供更多的权衡选择方案,体现了多目标优化的优势。