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。     

模糊偏好下多目标决策的一种客观赋权方法

对具有模糊偏好的多目标决策问题给出了模糊决策矩阵规范化公式,建立了确定权重的优化模型,提出了一种客观赋权方法,为模糊偏好的多目标决策提供了一种简单实用的可靠方法,具有广泛的用途.最后通过一个算例说明了该方法的实用性和有效性.     

基于遗传算法的刨煤机系统多目标模糊可靠性优化

 针对刨煤机系统常规优化方法难以处理具有相互矛盾属性的系统可靠性多目标优化设计问题,提出一种基于遗传算法非概率分布信息的多目标模糊可靠性优化决策方法。该方法利用模糊集隶属函数的特性将各个单一目标函数模糊优化处理为能够反映各子目标相对重要程度,对不完全概率信息采用随机摄动法和Edgeworth级数方法转化为标准正态分布函数,将各个目标的协调满意度函数综合统一的单目标优化模型,再用常规优化方法即可求出多目标优化模型的满意解,最后给出刨煤机实例以验证该方法的有效性。     

基于多目标遗传算法的模糊分类系统设计

提出了一种基于多目标遗传算法的模糊建模方法,实现了具备最大分类精度、最少特征变量和模糊规则数目的模糊分类系统的设计.首先,为缓解维数灾难问题,采用多目标遗传算法进行特征变量的选择和论域的模糊划分,构造基于栅格划分的初始模糊分类系统.然后为减少规则数目,提高模糊系统的解释性,采用遗传算法进行规则选择,得到具备较少规则数目的精简模糊分类系统.最后为提高精确性,采用约束遗传算法对精简模糊分类系统进行整体优化,在解释性不变的前提下,提高模糊分类系统的精确性.Iris和W ine分类系统的仿真,验证了该方法的有效性.     

基于遗传算法的模糊逻辑控制器优化设计

设计了一种新的用于模糊逻辑控制器优化的遗传算法，实现了模糊逻辑控制器参数和结构的同步快速优化。该算法对经典的简单遗传算法进行了改良，设计了一种带区间限制的十进制编码方案，实现了模糊控制器隶属度函数和控制规则的联合编码；并设计了受限分步一致交叉和变异算子，改进了经典赌轮选择法,避免了病态个体产生，加快了收敛速度。通过对典型的一阶和二阶工业对象控制器优化的仿真研究表明，相对于一般的遗传算法，该算法在群体规模较小（20或40）的情况下，能够在20代左右快速收敛到理想结果，并且在进化过程中很少产生病态个体，因此能够在小群体规模下，实现模糊控制器参数和结构的快速同步优化。     

基于原子偏好理论的直觉模糊偏好成因分析

Atanassov在Zadeh的基础上提出了直觉模糊集,把选择中行动主体的模糊偏好分为三个组成部分:隶属度、非隶属度和犹豫度。这一分析方法较为贴近行动主体的实际选择。然而直觉模糊偏好何以能够形成,是直觉模糊理论所需要研究的基本问题。原子偏好基于逻辑原子主义思想而提出,通过原子偏好建构偏好的过程,就是行动主体形成事物间偏好关系的过程。直觉模糊偏好之所以能够形成,根本的原因在于形成行动主体的原子偏好中,有些是不可比较性原子偏好。     

结构多目标模糊优化初探

将结构设计中的多目标优化和模糊优化结合起来,试图寻找一种处理这类问题的数学模型及求解的方法。     

基于Species机制的多目标遗传算法

多目标优化算法设计正在成为当前进化算法领域的一个研究热点.考虑将最初用于多峰优化的Species机制引入到多目标遗传算法中,通过借鉴现有多目标算法的相关思想,设计并提出了一种新的Species方法,包括基于Pareto最优性和拥挤度思想的Species种子确定策略及适应性的Species构造策略.一组标准多目标测试函数的仿真实验结果表明,提出的基于Species机制的多目标遗传算法表现出比经典的非支配排序遗传算法Ⅱ(NSGA Ⅱ)更好的性能.     

遗传算法对模糊控制的优化及其应用

为了使模糊控制器具有自学习能力,本文将遗传算法与模糊控制相结合,提出了使用遗传算法对模糊子集进行划分的优化方法,并根据模糊控制的特点,给出了改进的编码方法和交叉算子,加快了算法的收敛速度．应用该方法对锅炉过热汽温进行了仿真研究,结果表明本文提出的基于遗传算法的模糊控制优化方法是很有效的．     

基于遗传算法的模糊控制送丝系统

高质量的焊接在很大程度上决定于送丝机构的性能 ,模糊控制相对于传统的 PID控制 ,具有更高的系统鲁棒性和稳定性 .而模糊控制的三个因子对控制器的性能有很大的影响 ,常规的模糊控制都是采用人工的多次现场调试来确定 ,不仅费时 ,而且也不能得到最优的控制性能 .采用遗传算法来寻优整定模糊控制器的参数 ,以送丝系统的跟踪误差为目标函数 ,采用二值编码的遗传寻优整定 ,不仅得到了最优性能的模糊控制送丝系统 ,而且使其设计过程大大简化 .最后通过仿真比较 ,证明了遗传寻优模糊控制送丝系统的性能明显优于常规模糊控制的性能     

基于Pareto多目标遗传算法的模糊系统设计

提出一种基于Pareto多目标遗传算法生成一组精确性和解释性较好折衷模糊系统的方法.该方法采用模糊聚类算法辨识初始的模糊模型,利用匹茨堡型实数编码的遗传算法对初始模糊模型的结构和参数进行优化,基于NSGA-Ⅱ算法的目标函数同时考虑模型的精确性和解释性;最后,在算法中利用基于相似性的模型简化方法约简模糊系统.利用该方法对两个Benchmark系统进行建模,仿真结果验证了该方法的有效性.     

多目标列车节能调度模型及模糊优化算法

在保证行车安全、满足乘客需求的基础上,以节能为目标的列车调度模型及算法得到了广泛研究与应用。伴随着欧盟制定了全球首个碳排放交易体系,碳排放指标交易费用受到越来越多的重视,并逐步成为列车运营成本的重要组成部分。本文建立了以能耗成本、碳排放成本、列车运行时间为优化目标的单线列车调度模型,并采用多目标模糊优化算法进行求解。算例以一条铁路线路为研究对象,在Lingo下对算例进行求解分析,结果表明了多目标模糊优化算法具有很好的优化能力,并能达到节能减排的效果。     

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。     

基于多目标混沌遗传算法的列车控制策略优化

为得到一组满意的行车控制策略,构建了列车运行多目标模型,并以列车运行动力学模型为基础求得列车局部运行控制策略制定方法。使用基于混沌优化的多目标遗传算法对列车控制策略进行优化研究,以相位转换点作为基因序列,多个基因组成染色体形成一套控制策略。使用混沌初始化种群,结合精英保留策略,增加了种群的多样性,并提高算法收敛能力。最后采用Matlab软件仿真验证了方法的可行性及有效性。     

基于多目标遗传算法的拖拉机变速箱体优化设计

提出基于ANSYSWorkbench平台箱体结构的有限元模型建立方法,对其在最大载荷工况下进行静力分析。以保证结构刚度为约束奈件,以减轻结构重量和提高结构强度为目标,采用多目标遗传算法对箱体结构关键参数进行优化设计。结果表明,多目标遗传算法能在可行域内快速准确地获得箱体结构优化设计的Pareto最优解集,在满足结构刚度的前提下,实现箱体结构的优化设计。     

基于遗传算法信息组合的自适应模糊控制

利用模糊理论分别建立了与控制对象和控制知识信息相对应的控制系统，应用遗传算法获取2个系统在不同时间段的最佳组合因子，消除了对组合因子赋值的主观性和不准确性．基于李雅普诺夫函数的方法推导了模糊控制系统中参数的自适应控制律，并且证明了系统的稳定性和收敛性．将遗传算法信息组合的自适应模糊控制方法应用在达芬混沌系统的控制中，仿真结果对比表明，虽然组合型自适应控制方法可以有效地控制达芬强迫震荡系统，但文中提出的方法能使各控制状态有界，并且能够迅速准确地跟踪目标．