集装箱码头班轮船期准班率的优化

为提高集装箱码头班轮船期准班率,提出基于动态泊位分配的优化数学模型.在考虑桥吊分配前提下,该模型以船舶离港实际开航时间与船期表要求开航时间的平均绝对时间差最小为优化目标,分别应用微粒群算法(PSO)和遗传算法(GA)求解该数学模型.仿真结果表明:两种算法均可使船期延误时间减少40%;PSO算法较GA算法具有更快的收敛速度.     

基于Tent映射NSGA-II算法的微电网多目标优化方法

为提高微电网运行的经济性、降低网络中的碳排放量和有功功率损耗,文中提出一种基于Tent混沌映射NSGA-II算法的微电网能量优化管理方法。该方法采用双层能量优化管理：上层采用模糊管理系统确定微电网运行模式,下层采用改进NSGA-II算法对能量进行优化管理。首先在多约束条件下,建立以微电网运行经济性、网络中碳排放量和有功功率损耗为目标函数的多目标优化数学模型。其次在多目标优化数学模型求解过程中,引入Tent混沌映射方法来增加NSGA-II算法的种群多样性,以提高算法的全局搜索能力,同时利用隶属度函数确定微电网能量优化管理策略。最后运用欧洲一典型微电网作为算例,验证所提出的能量管理方法、容量配置优化模型以及改进NSGA-II算法的合理性和有效性。仿真结果表明：改进NSGA-II算法具有良好的优化效果,使得微电网运行的经济性得到了显著提升,较传统算法提高了14.55%;碳排放量有所降低,较传统算法减小了3.10%,可实现对微电网多目标的优化。     

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。     

基于合作协议的集装箱班轮运输船期设计和加油策略联合优化

针对码头运营商与船公司间签署船舶到港多时间窗、多起讫时刻和多装卸速率合作协议下的集装箱班轮运输船期设计和加油策略联合优化问题,考虑各加油港燃油价格差异和折扣因素,建立了以班轮运输服务总成本最小化为目标的船期设计和加油策略非线性混合整数规划模型,结合船舶驾驶操控实际,设计了离散化和线性化模型求解技术方法.以中国远洋海运集团有限公司AEX1航线为例进行了大量模拟验证.算例结果显示,船期设计和加油策略联合优化有助于船公司灵活地调整船舶航速,可显著降低班轮运输服务总成本.敏感性分析表明,随着合作协议中船舶到港时间窗长度的扩大,班轮运输服务总成本和船舶航次加油量都随之降低;无论燃油价格如何变化,船期设计和加油策略联合优化都能有效降低班轮运输服务总成本.     

NSGA-II与改进粒子群算法相结合的储能优化配置

储能系统的选址定容在接入新能源的电力系统中具有重要意义,合理选择储能容量可以很好地平抑风电接入后的系统有功功率波动,同时减少能源浪费。本文提出了一种混合智能优化算法(Hybrid Intelligent Optimization Algorithm,HIOA),以电压偏差、负荷波动最小及最少储能配置容量为目标进行优化配置。该算法将多目标粒子群算法改进后(IMOPSO)与精英非支配排序算法(NSGA-II)结合,与常规多目标粒子群算法相比,大幅提高了算法的寻优性能,保证了Pareto 解的多样性和分布性。通过非支配排序求解获得Pareto 最优解集,采用逼近理想解排序(technique for order preference by similarity to an ideal solution,TOPSIS)选出储能的最优接入方案。通过IEEE-33 节点测试系统的仿真实验验证了本文所提算法的准确性及有效性,在求解配电网储能选址定容问题中有很好的收敛性和全局寻优能力。     

基于外点惩罚函数与NSGA-II算法的气体分馏装置多目标优化

采用多元线性回归理论,结合最小二乘法对气体分馏装置进行优化建模,提出将惩罚函数法与非支配排序遗传算法（NSGA-II）相结合的优化策略,对气体分馏装置优化模型进行求解得到Pareto最优解集。优化结果表明,文中提出的改进NSGA—II算法求得Pareto解集的收敛性和多目标优化点的分散程度要优于NSGA．II和NSGA算法,该算法克服了NSGA—II算法Pareto解集的分散程度不均匀、NSGA算法收敛性差的问题。通过对比气体分馏装置目前工况与改进NSGA—II优化算法的结果可知,改进算法的结果成功地解决了目前该气体分馏装置能耗过高的问题,使该装置达到了节能优化的目标,为气体分馏装置的节能与优化设计提供了新的有效方法。     

基于改进的NSGA-II的卫星星座构型分层优化策略

针对卫星星座系统一体化设计方法运算开销庞大的缺陷,提出了卫星星座构型分层优化策略,其核心是改进了非支配排序算法的非劣性分层遗传算法(NSGA-II).新的非支配排序算法结合了Jensen的递归方法和快速排序法的优点,其鲁棒性优于递归方法和快速排序法,改进的NS-GA-II算法其计算复杂度O(MNlog N)也远小于原NSGA-II算法的O(MN2).最后,将新的优化策略用于区域导航卫星星座构型的优化设计,并利用Matlab和Satellite Tool Kit(STK)对星座进行了仿真.仿真结果表明,设计的导航星座位置定位精度平均值达到2.73,采用新的优化策略的运算开销为采用原优化策略的13.3%,大大降低了卫星星座构型优化设计的运算开销,为卫星星座系统一体化设计方法的实用化建立了良好的基础.     

基于NSGA-II多目标优化的Atkinson发动机及整车性能分析

提出一种基于模型的优化方法,并采用遗传算法优化理论,研究阿特金森循环发动机的节油原理.在原Otto循环发动机基础上改变压缩比和进排气气门时刻,引入高压废气再循环(exhaust gas recirculation,EGR)系统,利用遗传算法优化控制参数,达到提高燃油经济性及降低NOx排放的效果.最后将优化后的发动机模型...     

基于改进人工蜂群算法的高维多目标优化

为了提高高维多目标优化算法的收敛性和分布性,提出基于改进人工蜂群算法的高维多目标优化算法。首先,利用一种改进的适应值评价方式定量比较高维多目标中个体的优劣;其次,改进人工蜂群算法,使种群迅速收敛于最优的非支配前沿;最后,建立新的分布性维护机制使所获得的非支配解分布均匀、覆盖整个最优前沿。研究结果表明:对于3~8个目标的DTLZ系列测试函数,与PISA算法等几种较流行的高维多目标算法相比,本文方法收敛性好,解集覆盖范围广且分布均匀.     

基于改进粒子群算法的水泵水轮机多目标优化

为了提高带有长短叶片结构的水泵水轮机机组在运行中泵工况的运行效率,先对粒子群优化(PSO)算法进行线性变化的惯性权重及变化学习因子的改进,然后用改进PSO算法对水泵水轮机转轮结构进行优化.采取试验和数值模拟相结合的方式,以提高水泵水轮机泵工况的效率与扬程为目标,用近似模型和改进PSO算法结合的方法对转轮9个结构参数进行...     

基于改进YOLOv5的鱼群小目标检测优化算法

随着深度学习技术的发展,水下图像检测近年来受到广泛的关注,为了克服在复杂水下环境下传统小鱼群的误检、漏检和识别准确率低等问题,提出一种改进YOLOv5的目标检测方法(INV-YOLOv5)。该方法包括将YOLOv5m中的Focus模块替换为卷积模块,提高网络精度;在主干网络(Backbone)中添加多头自注意力机制,增大网络特征提取视野;最后,在网络中引入了内卷算子和加权的特征融合,降低网络的参数量,提高检测精度。在实验阶段,使用Labeled Fishes in the Wild数据集和WildFish数据集验证,该方法的平均精度(mAP)分别为81.7%和83.6%,与YOLOv5m网络相比分别提升了6%和14.5%,不仅拥有较高的识别率并且更加轻量化,而且模型大小与YOLOv5m网络相比减少了6 M(Mega)左右,验证了所提出的改进方法具有较好的效果。     

基于改进布谷鸟算法的无线传感网络覆盖多目标优化

对布谷鸟算法改进了改进,运用改进的布谷鸟算法对无线传感器覆盖进行了优化.以覆盖率、节点利用率、网络能耗均衡系数为综合优化目标,建立了无线传感器覆盖多目标优化函数.针对普通布谷鸟算法后期搜索能力弱,容易陷入局部极限的缺陷,采取了发现概率和搜索步长自适应特征的改进措施.仿真结果显示方法有较好的优化效果.与遗传算法相比,覆盖率提高了6.73%;利用率减少了16.66%,能耗均衡系数减少17.82.     

基于改进多目标布谷鸟算法的污水处理优化控制方法

针对如何确定污水处理优化控制中关键变量的最优设定值,以满足出水水质达标的同时尽可能降低能耗的问题,提出一种基于改进多目标布谷鸟算法的污水处理多目标优化控制方法.首先,通过对污水处理过程的分析,建立基于神经网络的污水处理能耗和出水水质模型;其次,利用改进多目标布谷鸟算法同时对污水处理能耗和出水水质模型进行优化,得到溶解氧和硝态氮浓度的优化设定值;最后,利用PID控制器对关键变量的最优设定值进行跟踪控制,实现污水处理过程的多目标优化控制.仿真实验结果表明,与其他几种方法相比,所提出的方法在保证出水水质参数达标的前提下,更好地降低了污水处理过程的能耗,实现节能降耗和保护环境的目的.     

基于改进蜂群算法的井下防爆柴油车多目标优化

为了保障井下煤矿员工健康,响应碳中和号召,提出一种改进后的人工蜂群算法(modify artificial bee colony, Modify-ABC)来降低油耗、减少尾气排放。以5 t和8 t的井下防爆材料车为研究对象,建立防爆柴油机数学模型,提出降低有害气体排放及油耗的多目标优化模型,用Modify-ABC与其他3种算法进行对比,对目标函数进行优化求解。结果表明,Modify-ABC相比于传统蜂群算法,遗传算法和模拟退火算法收敛速度更快更好,使用改进算法后,井下5 t材料车油耗及有害气体排放量减少了25%,8 t材料车油耗及有害气体排放量减少了24.8%。     

新冠疫情和双碳战略背景下班轮运输多目标优化

针对新冠疫情与"双碳战略"背景下的航线配船和货物分配问题,为满足班轮公司对船队运输效率、经济效益、服务质量和环保效益平衡发展的要求,以船队平均舱位利用率和营运利润最大以及货物时间价值损失与单箱碳排放量最小为目标,建立班轮航线配船与货物分配多目标优化模型.根据子问题间的内在联系,将模型分解为双层模型,上层采用混合整数非线...     

基于改进蚁群算法的电力线路检修的多目标优化

通过对辽宁省电力有限公司的线路检修问题的综合分析,考虑各种约束条件,提出了一种多目标优化数学模型.在优化的过程中采用了改进的蚁群算法,并结合了图论中的图着色问题.改进蚁群算法的核心是自适应动态调整路径上的信息素,信息素增量由小变大,增强局部搜索能力,再由大变小,增强全局搜索能力,循环变化,从而利于算法能够跳离局部最优解.改进蚁群算法的优点是在求得满意解的基础上,大大提高了算法的速度.仿真实验结果表明,新算法的优化质量优于基本的蚁群算法.     

基于改进多目标粒子群优化算法的发酵过程补料优化控制

提出了一种基于改进多目标粒子群优化算法(MOPSO)的发酵过程补料优化控制方法,并将该方法用于工业酵母发酵过程补料速率的优化控制。改进的MOPSO算法利用约束违反程度信息修正种群的学习进化公式,减缓了部分粒子在约束边界附近的飞行速度,提高了算法的全局搜索能力。仿真实验结果表明,改进的MOPSO算法能够获得最优的补料轨迹,有效地实现了工业酵母发酵过程补料速率的多目标优化控制     

基于改进多目标粒子群优化算法的发酵过程补料优化控制

提出了一种基于改进多目标粒子群优化算法(MOPSO)的发酵过程补料优化控制方法,并将该方法用于工业酵母发酵过程补料速率的优化控制。改进的MOPSO算法利用约束违反程度信息修正种群的学习进化公式,减缓了部分粒子在约束边界附近的飞行速度,提高了算法的全局搜索能力。仿真实验结果表明,改进的MOPSO算法能够获得最优的补料轨迹,有效地实现了工业酵母发酵过程补料速率的多目标优化控制。     

基于改进的Camshift目标跟踪算法

基于改进的Camshift目标方法跟踪算法是在原始Camshift目标跟踪方法的基础之上加入距离约束和跟踪框大小约束两个约束条件的一种改进的算法。该算法能够有效地解决遮挡和跟踪目标与背景颜色相似时的跟踪失败的问题。实验结果表明,该算法具有较好的鲁棒性和稳定性。     

基于改进SIFT算法的目标识别

针对目标识别过程中识别精度不高、实时性不好的问题,提出基于尺度不变特征转换(SIFT)算法的改进算法,该算法通过研究传统的SIFT算法特征匹配正确率不高、匹配耗时过长的问题,结合Harris算子角点检测特性提出改进,在高斯差分尺度空间内直接检测角点,使得提取的特征点数目减少,计算量降低,特征点提取的显著性提高;同时使用RANSANC方法进行特征匹配约束,减少误匹配,进一步提升目标识别的正确率。为了验证提出算法的有效性,通过MATLAB对算法在尺度变化和噪声等复杂情况下的匹配效果进行实验验证,结果表明,改进的SIFT算法匹配用时大大降低、误匹配较少,匹配正确率提高,具有较强的鲁棒性,可以准确识别目标,具有良好的目标识别能力。