基于Pareto解的面板堆石坝施工工期-质量-成本均衡优化研究

大坝工程中能否对工期、质量、成本3大核心要素进行综合均衡优化,是评价工程项目的重要衡量标准.针对目前大坝工程施工缺少工期-质量-成本均衡优化研究,且多目标均衡优化最优解非唯一、存在一组Pareto解集的问题,建立了面板堆石坝施工工期-质量-成本均衡优化数学模型,并建立了Pareto叠加模型对组合解支配关系进行求解.结果表明:基于工序Pareto解的组合解大部分仍为Pareto解;通过对线性加权和法与TOPSIS法的比较分析,验证了耦合线性加权和法的可行性.基于Pareto叠加模型结论并结合多属性效用函数提出了改进的耦合线性加权和的带精英策略非支配排序遗传算法(NSGA-Ⅱ),降低了算法的计算复杂度且提高了计算效率和鲁棒性,克服了最优解非唯一的问题.同时,结合某面板堆石坝工程,运用改进算法提高了计算效率,并优选了符合工程实际的最优折衷方案.     

公路施工网络计划多目标遗传优化

通过对公路施工网络计划优化方法进行分析,建立了符合公路施工网络计划特点的质量-工期-费用的优化模型;利用拥挤度计算和非劣排序,以及精英保留策略的遗传算法,并采用工序染色体编码的方法,缩小了公路施工网络计划优化程序对有效解的搜索空间;通过轮盘赌选择、算术交叉、变异等操作,得到一个Pareto最优解集,供决策者从中选择出最符合实际情况的方案;提出了改进的NSGA-Ⅱ多目标优化方法。通过工程实例,采用改进的NSGA-Ⅱ对施工方案进行优化,利用MATLAB 7.0编程仿真,可获得Pareto的最优解集。     

基于有限理性的船型方案优选

在考虑决策者的有限理性的基础上解决船型方案优选问题.首先,详细分析了船型方案优化和优选问题的特殊性及当前研究中待解决的问题;其次,基于人的有限理性的特点,引入偏好设计理论和前景理论,从数学角度定性、定量描述决策者的决策偏好和决策心理;基于偏好设计理论,生成表征设计者偏好的船型方案Pareto解集,利用前景理论编辑决策者的决策风险偏好,基于Pareto解集进行船型方案优选;再次,以理性数值分析为参考,基于决策者的预期效用对数值分析结果进行修正,得出符合实际决策情景的最佳船型方案.最后,通过算例分析验证了方法的有效性.     

燃煤电厂CO2捕集驱油封存技术及应用

 燃煤电厂烟气CO₂捕集驱油封存技术是提高特低渗透油藏采收率和减少温室气体排放的有效方法。针对燃煤电厂CO₂捕集和大幅度提高低渗透油藏采收率的技术瓶颈开展研究,形成了燃煤电厂烟气CO₂捕集纯化处理技术、CO₂驱提高采收率油藏适应性评价体系、室内实验技术和油藏工程优化设计技术系列,配套了CO₂驱注采工艺和地面工程技术系列,并建成国内外首个燃煤电厂烟气CO₂捕集与驱油示范工程。实践表明,技术应用效果良好,开发的高效CO₂捕集溶剂及工艺比传统单乙醇胺（MEA）工艺捕集成本降低35%,CO₂驱油与封存示范区累计注入CO₂ 12.8万t,累计增油2.9万t,封存CO₂ 11万t。     

基于模糊偏好的多目标进化优化算法

近年来有关多目标优化方法得到了广泛的关注，但大部分多目标优化算法只是给出了一个优化解集，而没有对这个解集进行分析。这就使得决策者（DM）在决策阶段，无法分辨解的优劣，从而给决策带来困难。本文介绍了一种基于模糊偏好和遗传算法相结合的方法，使决策者在优化的初始阶段根据对不同的目标函数的偏好来决定它们的权重，通过与NSGA－Ⅱ算法所得到的Pareto曲线进行对照，可以为决策者提供更大的帮助。     

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。     

群体决策中集成两类偏好信息的多目标粒子群优化方法

根据多个决策者给出关于目标的两类偏好信息-参考点和目标优先次序,建立了一个能集成这两种偏好的多目标粒子群优化算法.该算法首先分别按距离和目标值对解进行排序、赋予偏好值,然后将它们组合得到集成偏好值,并用集成偏好值引导粒子向群体偏好的Pareto前沿收敛,最后运用ε- 排斥思想实现解在Pareto边界分布的均匀性.仿真结果表明该算法有效.     

抽水蓄能电站应急排水多目标优化方法及算例分析

随着抽水蓄能电站布局范围和建设规模的扩大，地下厂房水患威胁日益严重。针对水淹厂房事故场景下无法快速有效排水的问题，该文提出了一种抽水蓄能电站应急排水多目标优化方法。结合电站工程特点，建立了分阶段串并联综合应急排水方法。以最小化排水时间和装备运行成本为目标建立多目标优化模型，采用非支配排序遗传算法Ⅱ(NSGA-Ⅱ)对各阶段排水流量求取最优解。以某抽水蓄能电站为例开展研究，得到了有凸的Pareto最优前沿，应急排水时间最短约为52 h,装备运行成本最少约为138万元，同时给出了最优解对应的各阶段排水流量。结果表明，该方法能够合理推荐抽水蓄能电站应急排水方案，提高电站水淹厂房事故的应急处置水平。     

地铁运营中断下多目标应急公交调度模型研究

考虑地铁运营中断条件下应急公交站点泊车能力受限以及轨道交通折返站和换乘站客流压力较大的特征,在应急公交标准接驳线路的基础上设计了补充接驳线路,来降低乘客的出行延误和提高应急车辆的疏运效率.将线路规划与车辆调度集成一个模型,以应急公交站点的泊车能力、车辆运力、派车能力以及乘客容忍时间为约束条件,构建了多 目标应急公交调度优化模型.利用改进的NSGA-Ⅱ算法求得Pareto分布优化解集,同时采用隶属函数从Pareto前沿中挑选出最理想的折中解,并进行实例验证以及灵敏度分析.研究结果表明:应急车辆行驶的总时间与平均乘客延误之间存在Pareto优化,即决策者可以根据调度目的权衡应急车辆行驶时间与乘客延误的关系.     

基于非支配排序遗传算法的沥青路面大中修养护决策

为了更好地协调沥青路面大中修养护方案决策时成本、环境和性能之间相互制衡的矛盾,提出了一种基于非支配排序的遗传算法(non-dominated sorting genetic algorithm Ⅲ,NSGA-Ⅲ)来优化沥青路面大中修养护方案决策。针对实际公路工程项目中多重约束条件下的养护需求,建立了以碳排放量、寿命周期成本及路面使用性能为目标的多目标优化模型,采用NSGA-Ⅲ算法求解模型,有效解决各目标间的非支配关系,并得到养护方案的Pareto解集;在多属性决策中引入广义马氏距离与组合赋权方法,对Pareto解集进行排序决策,并以承德市某公路为例进行实例演示;划分3种不同的权重等级和六种权重策略,分析对不同目标赋予不同权重等级时对最优养护方案的影响。研究结果表明:NSGA-Ⅲ算法可以快速、高效地捕捉多目标解集,当对不同目标赋予相同的权重等级时,相比于只考虑单目标与双目标的养护方案,其最优解在碳排放量上分别降低24.45%、28.41%;寿命周期成本分别降低14.43%、17.95%;PCI值分别降低1.07%、3.68%。该方法相比于传统的决策方法可以更准确、更迅速地得到可持续性的养...     

多目标优化问题的差分进化算法研究

为保持所求得的多目标优化问题Pareto最优解的多样性,提出了一种精英保留和根据目标函数值进行排序的多目标优化差分进化算法.对排序策略中目标函数的选择方式进行了分析和比较,并提出了一种确定进化过程中求得的精英解是否进入Pareto最优解集的阈值确定方法.用多个经典测试函数进行了实验分析,并与NSGA-Ⅱ算法进行了比较.实验结果表明,该方法收敛到问题的Pareto前沿效果良好,能有效保持所求得的Pareto最优解的多样性.     

基于多目标优化的乘客电梯理想速度运行曲线确定方法

目的研究一种借助多目标优化模型求得电梯理想速度曲线的确定方法,解决乘客电梯快速性和舒适性问题.方法分析电梯实际运行方式,构建理想速度曲线组合模式;结合实际及相关国家标准,建立求取理想速度曲线参数的多目标优化模型;借助多目标遗传算法NSGA-Ⅱ解得理想速度曲线参数的Pareto解集,并基于偏好进行区域划分.结果通过对电梯速度曲线参数的多目标优化求解,获得不同偏好的乘客电梯理想速度曲线.结论不同偏好、不同额定速度下电梯理想速度曲线对比分析结果表明,基于多目标优化的乘客电梯理想速度曲线确定方法在兼顾电梯运行的快速性及舒适性要求的同时为技术人员提供了多种可供选择的运行速度控制模式;对额定速度不高于3.5 m/s的乘客电梯,其理想速度曲线可省去直线加速段以降低速度控制模式的复杂性.     

风电场储能系统的多目标优化调度策略

为了实现风电与储能联合运行的优化调度策略,首先综合考虑风电功率预测效果、并网功率波动和储能系统的出力水平等多个目标,建立风储联合运行的多目标优化仿真模型。然后运用马尔可夫模型预测风功率,同时基于有精英策略的非支配性排序遗传算法(non-dominated sorting genetic algorithm-Ⅱ,NSGA-Ⅱ)滚动优化风储并网功率,来获得风储系统不同运行策略。并通过优选储能系统运行参数,避免储能系统的过度充放电和进入死区。最后,将决策者的偏好嵌入到多目标优化过程中,针对优化解集的分布进行了对比分析,验证了偏好情况下的储能的针对性和有效性,实现了风储系统多目标偏好下的优化调度。     

可重构流水线构形选择和作业调度集成优化

针对可混流生产同零件族多种零件的可重构流水线(RFL),以最小化生产周期总成本和最小化拖期惩罚为目标,建立了RFL构形选择和作业调度集成优化的混合整数多目标规划数学模型.采用LINGO软件进行案例计算验证了模型的正确性.随后,融合拥挤距离计算和外部Pareto解集档案构建技术提出了一种快速获取集成优化问题Pareto解集的多目标粒子群算法(Mo PSO).在Mo PSO中,采用实数和整数混合编码的粒子表征RFL的构形和调度方案,所设计的粒子编码/解码方法和更新机制可保证粒子所对应解的可行性.将Mo PSO与NSGA-Ⅱ算法应用于3个案例,通过案例计算对比验证了Mo PSO算法的有效性.计算结果表明,Mo PSO获取的非支配解的质量和计算效率均优于NSGA-Ⅱ.     

基于响应面分析的辉光等离子体解离CO2的工艺参数优化

采用辉光等离子体设备开展了CO₂解离及工艺参数优化试验。分别探究CO₂,CO₂/N₂,CO₂/N₂/He 3种试验气体中4种因素(时间、电流、体积及温度)对CO₂解离效果的影响,采用响应面分析法(RSM)优化并确定了最佳工艺参数,同时研究了3种气体最佳工艺下CO₂的解离效果。结果表明：纯CO₂解离时间85 min,电流16 mA,温度21℃,体积250 mL;CO₂/N₂解离时间87 min,电流24 mA,体积54 mL,温度20℃;CO₂/N₂/He解离时间51 min,电流32 mA,体积288 mL,温度20℃。CO₂/N₂/He混合气体CO₂解离效果最佳,CO₂/N₂混合气体CO     

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算法的汽车内饰装配线投产排序研究

以某汽车企业的内饰混合装配线为对象,同时考虑零件消耗速率均匀化和最小生产循环周期最短两个目标,对内饰混合装配线的投产排序问题进行研究。构建了混流排序的数学模型,采用NSGA-Ⅱ算法求解,得到一组Pareto解集,给出了各优化解在两个目标下的函数值。该方法避免了采用加权法求解多目标问题时,权重难以合理确定的问题。同时该方法可以提供多个投产顺序,供决策者选择。最后通过实例验证了该方法的有效性。     

面向智能生产车间的多AGV系统多目标调度优化

以具有多台自动导引车(AGV)的智能生产车间为对象,以完工时间、AGV数量以及惩罚成本的最小化作为优化目标,构建作业车间多目标调度优化模型.针对多目标调度优化模型的求解需求,提出一种自适应多目标遗传-差分进化算法(AMOGA-DE),采用多段式实数编码的染色体表征调度方案,利用遗传算法获得模型优化解,融合差分进化算法和外部Pareto解集档案构建技术以改进解的质量,引入自适应策略以提高算法的收敛速度,实现多约束条件下AGV系统的多目标调度优化.以一个具有多台AGV的智能制造车间为例进行案例分析,得到调度方案.将AMOGA-DE与NSGA-Ⅱ、SPEA2算法应用于3个不同规模问题,研究结果表明:AMOGA-DE算法具有更快的收敛速度,能得到更好的优化结果,在不同规模的算例上获得了分布均匀且具有较高质量的Pareto解集.     

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%。     

低压开关槽式变换器多目标优化

为满足低压应用场合下DC-DC变换器高效率、小尺寸和低成本等多方面需求,提出一种同时优化DC-DC变换器的功率损耗、物理尺寸和成本的方法。以低压开关槽式变换器(switched tank converter, STC)为例,在分析其工作原理基础上,首先建立元器件的功率损耗、面积和成本模型,以设计指标为约束条件,再建立一个以功率损耗、面积和成本为优化目标的变换器多目标优化模型,且优化模型中的参数可从器件数据手册查到。采用基于非支配排序引力搜索算法(non-dominated sorting gravitational search algorithm, NSGSA)改进得到的大范围改进的非支配排序引力搜索算法(large-scale improved NSGSA,LSINSGSA)求解变换器多目标优化模型。将所得优化结果与NSGSA和NSGA-Ⅱ(non-dominated sorting genetic algorithmⅡ)算法的优化结果进行比较。结果表明,提出的STC变换器多目标优化方法可以得到综合性能最优的器件组合方案,实现STC的效率、面积和成本达到折衷最优的目的,改进的LSINSGSA算法的收敛性与Pareto前沿中最优解均匀分布性均优于NSGSA和NSGA-Ⅱ。