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。     

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。     

基于改进NSGA-Ⅱ的船舶避碰决策辅助算法

针对避碰决策问题对算法时效性和轨迹分布性的要求,改进一种基于多目标优化算法的NSGA-Ⅱ(non-domi-nated sorting in genetic algorithm Ⅱ).采用按需分层策略和考虑父代支配信息的算数交叉算子策略,降低了算法的时间复杂度,加快了收敛速度;提出动态分布适应度策略,控制了帕累托集在目标空间的分布.在此基础上,分别建立决策方案的安全性和经济性目标函数以及驾驶员对决策安全性的偏好函数,通过改进NSGA-Ⅱ对避碰决策方案寻优.试验结果表明,改进NSGA-Ⅱ的收敛速度和分布性有所提升,证明了改进算法的有效性和优越性;在构建的四种船舶会遇场景下,算法均能寻得多个兼顾安全性和经济性的避碰决策方案,为驾驶员避碰决策提供参考.     

桁架结构多目标优化的免疫克隆选择算法

为了解决带有约束的结构多目标优化问题,将免疫克隆选择算法应用于桁架结构的多目标优化设计中.根据免疫学基本原理,采用非支配邻域选择机制、比例克隆和精英策略,使算法很好地保持了所得解的多样性、均匀性和收敛性.在桁架结构优化的数学模型中,采用惩罚函数法处理违反约束的情况.为了验证所提算法的可行性和有效性,对经典桁架进行了优化,并与其它方法作比较,数值结果表明,该算法在收敛速度、时间消耗和求解质量上均具有一定的优势.     

基于NSGA-Ⅱ算法的康复机器人减重单元的优化设计

下肢运动障碍患者康复训练治疗手段之一是减重步行训练,移动式下肢康复训练机器人既可以跟随保护患者,又可以对其进行减重步态训练。针对机器人核心部件之一的减重单元,本研究提出一种启发式设计算法,可以避免机构本身复杂因素所带来的结构优化困难,获得多目标的优化解集。通过带精英策略的非支配排序遗传算法（NSGA-Ⅱ）在多目标优化问题中确定减重单元的设计参数。实验验证表明,减重单元体积减小明显,使结构更加紧凑。     

改进的NSGA-Ⅱ算法的柔性物料搬运策略

针对传统的装配车间拉动式物料配送存在拣货效率低和配送成本高的问题,提出了以搬运机器人为中心的柔性物料配送策略.建立了以完工时间、延期时间、负载和能耗等目标最小化的多目标多机器人协作配送调度模型;并结合模型特点提出了一种改进的非支配排序遗传算法(non-dominated sorting genetic algorith...     

桁架结构多目标优化的微分演化算法

为了解决带有约束的桁架结构的多目标优化问题,本文采用了一种基于微分演化的多目标优化(DEMO)方法。DEMO方法采用多目标优化进化算法中Pareto和拥挤距离排序机制,并保留了DE算法的优点。为了验证DEMO算法的可行性和有效性,对经典桁架进行尺寸优化,并与其他优化方法进行了比较,数值结果表明DEMO算法性能比其他算法要好,其所得的解具有更好的多样性、均匀性和收敛性。     

基于NSGA-Ⅱ和PGA混合遗传算法的中压配电网线路优化规划

目前,中压配电网的供电可靠性得到了广泛的关注。为此,本文以经济性和可靠性最优为优化目标,建立了配电网的网架优化规划模型。基于帕雷托最优理论,本文结合NSGA-Ⅱ（Non-dominated Sorting Genetic algorithm Ⅱ）算法和单亲遗传算法（Partheno-geneticalgorithm,PGA）对该模型进行了求解,得到了分布均匀的帕雷托最优集,并从中确定了综合效益最优解。通过典型算例和与现有方法的比较,验证了本文方法的有效性,表明其能够满足实际工程的不同要求,为实现灵活的配电网网架优化规划提供理论依据。     

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...     

采用NSGA-Ⅱ算法的面齿轮副小轮拓扑修形多目标优化

为合理确定面齿轮副小轮的修形参数,设计了均由2段抛物线与1段直线组成的直齿小轮齿廓和齿向修形曲线,将由三次B样条拟合得到的修形曲面与理论齿面相叠加来构造拓扑修形齿面。采用带精英策略的快速非支配排序遗传算法(NSGA-Ⅱ),结合面齿轮副的几何接触分析(TCA)和承载接触分析(LTCA)技术,提出了以修形曲线参数为优化变量,使抛物线几何传动误差曲线两端对称、接触印痕限制在齿宽中部、承载传动误差波动幅值最小的小轮拓扑修形多目标优化设计方法,并编制了相应的Matlab程序。算例表明:优化修形参数后得到了对称的抛物线几何传动误差和位于大轮齿宽中部的接触印痕,并大幅度减小了承载传动误差波动,从而可有效降低安装误差敏感性和齿轮副的振动、噪声。     

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算法的纯电动汽车复合电源参数匹配及优化

为了解决单一电源驱动电动汽车动力性和经济性不足的缺陷,提出了由锂离子电池和超级电容组成的复合电源,确定了复合电源的拓扑结构,制定了复合电源功率分配控制策略。在简单循环工况下,以整车经济性和动力性为目标,采用NSGA-Ⅱ算法的多目标优化方法,对复合电源参数进行了匹配和优化。搭建了基于d SPACE的在环测试平台,对优化前后复合电源和单一电源的经济性和动力性进行在环测试。实验结果表明,与优化前复合电源相比,优化后复合电源的能量利用率提高了6%;与单一电源相比,优化后复合电源的制动能量回收率提高了3.42%;不同速度区间内,相比单一电源和优化前复合电源,优化后复合电源的动力性提高了3%以上。整车经济性和动力性得到了显著改善和提升,验证了优化方法的合理性和可行性。     

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%。     

基于自适应NSGA-Ⅱ算法的变截面涡旋盘优化

针对目前对涡旋压缩机涡旋盘的优化设计多以几何性能最佳为优化目标,其力学性能较差这一缺点,提出了基于自适应第二代非支配遗传算法(NSGA-Ⅱ)、综合考虑力学性能和几何性能的变截面涡旋盘多目标优化设计方法.针对由基圆渐开线和高次曲线组成的变截面涡旋盘,确立了以涡旋型线特征参数表示的动涡旋轴向气体力及内容积比数学模型,以轴向...     

基于 NSGA-Ⅱ 的考虑客户满意度的多目标车辆路径问题研究

【目的】研究考虑客户满意度最大和总成本最小的车辆路径问题。【方法】引入了带精英策略的非支配排序遗传算法(NSGA-Ⅱ)对模型进行求解,并采用Python进行程序编写,选取Solomon 的标准测试数据进行数值实验。【结果】建立客户满意度最大和企业总成本最小的双目标优化模型,实现了车辆数、客户满意度、总路径长度以及成本费用的优化。【结论】实验结果表明所建立的优化模型能够在给客户带来高质量服务的同时,较好地降低成本,对物流企业的配送决策提供一定的参考价值。     

一种基于等位基因原理的NSGA-Ⅱ算法

NSGA-Ⅱ算法是通过模拟达尔文进化原理,采用选择、交叉和变异等操作算子,对个体种群进行繁殖和进化,以实现多目标优化.在NSGA-Ⅱ算法进化过程中,变异或交叉操作应用于个体的所有基因.但在真实的自然变异过程中,生物体根据等位基因频率的原理,不会整个基因发生变异,而只有少数基因会发生变异.同时,在交叉操作中该生物体仍有变异的机会.为了完全模拟自然变异过程,笔者提出了一种基于等位基因原理的NSGA-Ⅱ算法,该算法允许个体在变异过程中保持某些基因不变,在交叉操作中却仍有变异的机会.实验结果表明,与其他多目标进化算法相比,该算法显著提高了搜索性能,且具有收敛性强和不易陷入局部极小的特点.     

基于NSGA-Ⅱ的老旧小区改造方案优选

老旧小区改造是改善民生的重要举措。“怎么改”是改造过程中利益相关者关注的重点问题之一。在确定改造内容之后,由于各改造内容的工艺、功能、材料、品牌等不同,改造方案选择基数大,不同改造方案对应的改造工期、成本、质量等评价目标也各不相同,科学优选改造方案是实现预期改造目标的重要工作。以改造方案的工期、成本、质量为目标,建立多目标优化模型,采用NSGA-Ⅱ算法进行求解,得到较好的Pareto前沿,为决策者选择老旧小区改造方案提供依据。结果表明：该方法进行方案优选能够提高方案寻优效率,所得方案更具说服力、科学性。     

具有混合变量的桁架结构多目标形状模糊优化设计

分别以桁架杆件截面面积和可动结点坐标为离散和连续设计变量,以结构总重量最小、结点位移最小和结构固有频率最大为目标函数,进行桁架结构形状多目标优化设计。采用的改进遗传算法用二进制编码方式对两类不同变量进行编码,用凝聚函数将问题的多项约束转化成单个约束,用凝聚选择策略和竞争保留机制保证有潜力的解被优先选择,最终得到问题的理想解和有效解。最后从工程实际出发,根据模糊相似优先比方法,从多组有效解中寻找出最优解。     

桁架材料和结构组合多目标优化设计

同时为桁架的每个杆件确定最为合适的材料和结构尺寸属于桁架材料和结构组合优化问题．提出一种桁架材料和结构组合多目标优化的方法．为材料分配唯一的标识编码，把杆件所用材料直接作为设计变量，并且和杆件截面积一起构成设计变量空间．考虑结构重量、成本和节点位移3个目标以及应力约束，建立了桁架材料和结构组合优化问题的数学模型．应用多目标遗传算法进行求解．算例结果表明，采用多目标遗传算法可以为桁架设计参数的确定提供多种选择方案，决策者可以根据目标的重要程度确定最后设计方案．算例分析结果验证了该方法的有效性．