基于ABC算法的航空发动机管路自动优化布局

为求解航空发动机管路路径规划问题,引入了人工蜂群算法,并通过设定最大允许路径节点数、采用规则引导的搜索策略及锦标赛选择策略方法分别探讨了人工蜂群算法应用于航空发动机路径规划中的3大问题,即路径节点不固定、邻域构造困难和标准ABC算法过早收敛和停滞问题.提出了应用于航空发动机管路自动优化布局的人工蜂群算法,实例研究证明了该算法的有效性和可行性.     

基于CAFSC算法的航空发动机多管路智能布局

针对航空发动机多管路布局问题,运用协同进化的思想,结合混沌人工鱼群算法,提出了基于混沌人工鱼群协同进化算法的航空发动机多管路智能布局方法.该方法将每个管路对应一个种群,一方面采用混沌人工鱼群算法使各物种在自己的种群中进行独立进化,另一方面采用合作型协同进化方法对由选取的代表构成的系统模型进行进化以使多管路布局达到全局最优.该算法不仅避免了在管路增多情况下的组合爆炸现象,而且不用考虑布局顺序从整体上优化管路布局.     

基于粒子群算法的航空发动机管路布局方法

针对航空发动机的内机匣表面为近似柱面的特点,建立了布管模型坐标系,将三维布管问题简化为二维问题,以栅格法和粒子群算法为基础,提出了基于粒子群算法的航空发动机管路布局方法.该方法采用栅格法对环境进行建模,设计了一种基于栅格的定长度粒子编码机制以解决变长度编码的不足,建立了路径寻优的目标函数,应用粒子群算法在环境模型中搜索最优粒子.最后给出了仿真结果与UG视图,证明了该方法的可行性和有效性.     

多目标萤火虫算法的电力系统无功优化方法

为解决传统单目标无功优化电压偏高的问题,采用建立多目标无功优化数学模型的方法,提出一种带精英保留策略和Pareto占优及拥挤距离排序的多目标萤火虫算法对建立的无功优化数学模型进行优化.研究结果表明:多目标萤火虫算法在优化过程中具有较强的寻优能力和全局收敛性,在减小电力系统有功网损的同时有效解决了电压偏高的问题,是一种求解多目标无功优化问题的有效方法.     

航空网络航路点布局的多目标优化设计

航路网络中航路点布局问题（CWLP）是航路网络规划的核心。基于此,从航路网络经济性和安全性出发,考虑航路运行成本和潜在冲突系数两个因素,建立航路点布局多目标优化模型,求解时采用动态递变权重系数的蝙蝠算法以保证运行成本和潜在冲突系数能同时获得较优解。最后对北京飞行情报区进行仿真实验,将蝙蝠算法（BA）与其他多目标算法对比,得到4种算法的非支配解,证明多目标蝙蝠算法在求解航路点布局的大规模优化问题上,能够获得更优解。同时,考虑偏好经济性和偏好安全性两种情况选择两组权重,数据显示,与初始网络相比,这两种情况下网络运行成本和冲突系数减少比例分别为9.99%、15.64%以及-3.97%、65.81%。实验结果表明,该方法能够在航路点布局规划上给决策者以多种优化方案。     

多目标优化的进化优化算法

进化优化算法具有全局优化能力,可以一次性求解多个非劣解。近年来,此类方法已经成为求解多目标优化问题一个重要的研究方向。本文分析了进化优化算法的关键步骤,介绍了几种代表性的多目标进化优化算法,并指出了值得进一步研究的相关问题。     

基于INSGA-II高维目标柔性作业车间调度的优化

高维目标柔性作业车间调度问题(many-objective flexible job shop scheduling problem,MaOFJSP)是指在实际生产中根据企业不同部门的要求,对车间生产寄予不同的期望,使各个部门利益最大化的调度决策。针对完工时间、拖期时长、机器负荷、能耗4个优化目标,提出了改进非支配解遗传算法(improved non-dominated sorting genetic algorithm,INSGA-II)来求解MaOFJSP,同时对算法的编码解码、Pareto排序、选择策略、交叉变异操作进行了研究。采用工序排序和机器选择的双层个体编码方式,在精英选择过程中计算个体的斜率,斜率小的进入到父代,使得优秀个体得以保存;在变异环节中基于关键工序块邻域结构,采用插入法让工序小的工件优先加工,使得最大完工时间明显变小。通过该算法对不同算例进行的Matlab模拟仿真,验证了该模型的可行性和算法的优越性。     

多蚁群协进化的船舶多管路并行布局优化

基于蚁群算法和协作式互利典生类协同进化算法,构建了解决船舶空间多管路并行敷设的多蚁群协作式协同进化算法模型.在算法的每次迭代中,随机选择种群的进化次序;在种群内部采用蚁群算法寻找管路的最优路径,采用优良个体构造小环境的方式,避免了管路增多情况下的组合爆炸现象.通过三维空间的管路布局实验显示,应用所构建的算法较单一蚁群算法可以在管路并行敷设中取得协同性更好的布局效果.     

利用基于精英策略的粒子群算法求解多目标规划问题

本文提出了一种求解多目标规划问题的精英粒子群算法.该算法利用精英策略存储每一代Pareto最优解,同时提出了一种最优粒子的选取策略用以克服粒子陷入局部最优的缺点.最后,通过数值实验验证算法的可行性和有效性.     

求解布局问题的混合萤火虫群优化算法

为了充分发挥萤火虫算法的优点,将人工萤火虫群优化算法与启发式策略相结合,设计了一个新的求解布局问题的高效萤火虫优化算法.实例测试和实验对比结果表明:相对于已有文献中的算法,提出的混合布局方法更加有效.     

小样本分散数据的回归建模和多目标优化

小样本分散数据上的回归对建模有一定挑战, 利用高斯过程对其回归进行建模, 即采用极大似然估计进行核函数的超参数学习, 通过后验来计算回归结果并预测出目标函数的均值和方差. 在此基础上结合方差的多目标优化, 在进行材料逆向设计的同时能对设计结果的不确定性进行估计. 对 1215MS 非调质钢和三点弯混凝土数据集进行了实验验证. 实验结果表明, 对于三点弯混凝土平均有 50% 实验数据落在预测的 95% 置信区间内, 高斯过程回归 (Gaussian process regression, GPR) 模型可以较好地度量分散小样本数据的不确定性, 进行合理预测. 对于 1215MS 非调质钢数据集, 在高斯过程回归模型的基础上, 运用带精英策略的非支配遗传算法 (elitist non-dominated sorting genetic algorithm, NSGA-Ⅱ) 进行多目标优化, 将材料的力学性能以及所对应的方差作为优化目标, 在考虑最优力学性能的同时兼顾不确定因素对实验结果的影响, 得到最优帕累托解集, 以此作为下次实验的候选点, 辅助材料设计和制备优化.     

非支配解集的质量评价方法

多目标演化算法的目的是获得逼近Pareto最优前沿的分布均匀的非支配解集合,非支配解集的质量是多目标演化算法研究的重要领域.本文对目前提出的非支配解集的质量评价方法进行分类比较,为算法的整体性能评价和算法的性能比较提供了参考依据.     

基于激光拼焊技术的汽车B柱结构优化设计

利用激光拼焊技术对某轿车B柱进行结构材料一体化设计,在轻量化设计的前提下对其入侵位移和入侵速度进行控制以满足整车侧碰安全性能.根据C-NCAP碰撞法规建立该轿车侧碰有限元模型,并验证了模型的准确性.基于网格节点变形技术创建B柱参数化模型并定义3个结构设计变量和2个材料类型设计变量,以其质量、中部最大入侵位移和最大入侵速度为优化目标,以其上部和下部最大入侵位移和最大入侵速度为约束条件,结合径向基（RBF）近似模型和非支配遗传算法（NSGA-Ⅱ）对B柱结构进行多目标优化设计,获得Pareto优化前沿,并讨论妥协方案验证对B柱多目标优化设计的效果.      

小样本分散数据的回归建模和多目标优化

小样本分散数据上的回归对建模有一定挑战, 利用高斯过程对其回归进行建模, 即采用极大似然估计进行核函数的超参数学习, 通过后验来计算回归结果并预测出目标函数的均值和方差. 在此基础上结合方差的多目标优化, 在进行材料逆向设计的同时能对设计结果的不确定性进行估计. 对 1215MS 非调质钢和三点弯混凝土数据集进行了实验验证. 实验结果表明, 对于三点弯混凝土平均有 50% 实验数据落在预测的 95% 置信区间内, 高斯过程回归 (Gaussian process regression, GPR) 模型可以较好地度量分散小样本数据的不确定性, 进行合理预测. 对于 1215MS 非调质钢数据集, 在高斯过程回归模型的基础上, 运用带精英策略的非支配遗传算法 (elitist non-dominated sorting genetic algorithm, NSGA-Ⅱ) 进行多目标优化, 将材料的力学性能以及所对应的方差作为优化目标, 在考虑最优力学性能的同时兼顾不确定因素对实验结果的影响, 得到最优帕累托解集, 以此作为下次实验的候选点, 辅助材料设计和制备优化.     

基于聚类非支配排序的电动物流车路径规划及充电策略

电动物流车电池容量有限、充电时间长以及配套设施不健全等问题制约着其在物流配送领域中有效推广.为此,提出基于聚类非支配排序算法(AP-NSGA-Ⅱ)来解决电动物流车的多目标路径优化问题,建立了一种充电策略,通过设计加权AP聚类划分配送簇,避免初始种群的随机性和盲目性,簇内配送点规模降低了非支配排序算法的运行时间和复杂度,根据充电站的分布和距离关系,电动物流车执行部分充电策略.最后,通过仿真实验证明该算法的有效性,比较了电动物流车满充和部分充电条件的差异.     

改进的引导式邻域搜索算法求解周期性车辆路径问题

在引导式邻域搜索算法静态惩罚策略的基础上,提出动态惩罚策略,设计改进的引导式邻域搜索算法,将其用于求解周期性车辆路径问题,采用标准算例进行数据实验,对动态与静态的惩罚策略进行对比.结果表明,采用改进的引导式邻域搜索算法求解周期性车辆路径问题可行有效.     

基于多规则资源分配的柔性作业车间调度问题多目标集成优化方法

针对柔性作业车间调度问题中多种资源分配的复杂特性,建立了以最小完工时间、最优人工分配方案、设备最大负荷以及最小生产成本为目标的集成优化模型,并设计了一种具有多重资源约束的多目标集成优化方法;针对组合模型的爆炸性特征,为降低模型的复杂度,采用多规则资源分配的集成调度思想,通过调整规则概率使概率大的规则被优先选中,使用多规则导向机制\"推动\"搜索过程向指定目标方向移动,并结合动态规划法求解最优人员分配方案;采用改进的非支配排序遗传算法——NSGAⅡ可以获得不同规则概率值的Pareto解集;最后,通过仿真对比与应用验证了所提方法的有效性.