多目标进化算法

摘要： 多联机(VRF)系统结构复杂,采用传统方法难以识别设备故障,本文首次将特征选取和多目标进化算法优化框架集成于局部广义矩阵学习向量量化(LGMLVQ)故障诊断模型中,并应用于多联机系统的电子膨胀阀和四通阀故障诊断研究。运行数据来自多联机系统实验平台。实验结果表明,特征选择后的模型对多联机阀类故障的诊断准确率从91.40%提升到95.73%,而进化算法进一步将准确率提升至99.50%,耗时从14.109 s缩短为11.724 s。分析最优模型的正常数据自适应相关性矩阵可以对故障发生部位进行模糊定位,可以对实际故障维修提供一定的帮助。

摘要： 针对目前用多目标进化算法(MOEA)处理约束多目标优化问题(CMOP)的研究通常以解决单一类型约束为主,而在面对不同种类的复杂约束时算法难以收敛或者种群分布性差的问题,以基于分解的多目标进化算法(MOEA/D)框架为基础,提出一种基于参考向量的自适应约束多目标进化算法(ARVCMOEA)。首先将参考向量分成主参考向量及辅助参考向量两部分,然后在算法起始阶段通过无约束的辅助参考向量指导种群快速跨越不可行区间,最后通过自适应地调整辅助参考向量的位置及弱化对其的分布性要求来提高算法分布性及搜索能力。实验在30个具有不同种类复杂约束的测试函数上进行了验证,结果表明所提算法面对不同种类的约束时均可以很好地收敛,在总体性能上均优于NSGA-Ⅱ(Non-dominated Sorting Genetic Algorithm Ⅱ)、C-MOEA/D(Constraint-MOEA/D)及MOEA/D-DAE,并且相较于目前性能优异的CCMO(Coevolutionary Constrained Multi-objective Optimization framework)在部分测试函数上可以得到更优异的结果。可见,所提算法在面对不同种类的CMOP时具有优异的性能。

摘要： 利用支配和指标度量结合的方式提出一种新的支配关系,通过该支配关系构造出新的多目标优化算法MOEA-PBI,该算法对多目标优化问题进行有效优化,从而得出一组可供选择的折中解。新算法与其他三种代表性的多目标进化算法一同在3,5和8目标的DTLZ基准测试问题上进行测试,结果表明MOEA-PBI算法具有较为优秀的收敛性和多样性。因此得出结论,MOEA-PBI算法是一种可以选择的多目标进化算法。

摘要： 针对大规模MIMO网络下行链路中系统能效与频效的联合优化问题,从发射功率和发射天线数目两个因素考虑进行研究。为了使得满足网络中多项性能指标,将大规模MIMO网络下行链路的能效与频效构建成一个多目标优化问题,提出一种改进的快速非支配排序多目标优化遗传算法,在本文所设场景下对问题进行求解,得到了该问题的Pareto最优解集。最后将该方法与同类型的多目标进化算法进行对比分析。结果表明,所提方法能够有效的搜索到最优解集,满足不同情况下的通信需求。

摘要： 为兼顾装备液压机械无级变速器(Hydro-mechanical Continuously Variable Transmission,HMCVT)的拖拉机动力性及经济性,该研究制定了一种同时考虑动力性与经济性的综合模式切换规律。针对采用液压机械无级变速器的拖拉机,分别建立了发动机模型、HMCVT模型以及考虑驱动轮滑转率的拖拉机动力学模型。在分析了其经济性与动力性模式切换规律的基础上,引入动力性与经济性权重系数,采用模糊推理和基于分解的多目标进化算法(Multi-objective Evolutionary Algorithm Based on Decomposition,MOEA/D)制定了拖拉机液压机械无级变速器综合模式切换规律。仿真与试验结果表明:与动力性模式切换规律相比,综合模式切换规律在纯液压模式(H模式)切换至液压机械模式1(HM1模式)时驱动力降低了11.13%,在HM1切换至液压机械模式2(HM2模式)时驱动力降低了7.29%,较H切换至HM1模式时减少了3.84个百分点;与经济性模式切换规律相比,综合模式切换规律在H切换至HM1模式时燃油消耗率增加了0.46%,在HM1切换至HM2模式时燃油消耗率增加了0.85%,较H切换至HM1模式时增加了0.39个百分点,使拖拉机能够在保持良好经济性的同时能获得较好的动力性。表明所制定的综合模式切换规律能根据油门开度识别出驾驶员的操作意图,满足驾驶员在不同工况下对动力性实际需求的同时,也能表现出较好的经济性。研究结果可为拖拉机液压机械无级变速器模式切换规律制定提供一定的理论参考。

摘要： 针对运动平台多输入多输出(multiple input multiple output,MIMO)雷达应用中无法进行规则稀疏布阵,传统的稀疏阵优化设计方法优化对象单一的问题,提出一种利用多目标进化算法(multi-objective evolutionary algorithm,MOEA)进行阵列结构优化的方法。将MIMO雷达接收端的收发联合和差波束的旁瓣电平为优化目标,使系统具有尽可能好的和差波束旁瓣抑制性能。仿真结果表明,基于Pareto秩排序的MOEA的MIMO雷达稀疏阵优化设计可以使系统多种性能得到提升。

摘要： 在考虑运输和启动作业的基础上,研究了多目标变分批混合流水车间调度问题,旨在同时优化最大完工时间和子批总数两个相互冲突的目标。建立了多目标混合整数规划模型,验证了两目标间的冲突关系。由于问题属于非确定性多项式困难问题,采用多目标进化算法(MOEA)解决该问题。为消除MOEA在构造过程中受到先前经验偏见的影响,基于MOEA框架,采用自动算法设计方法(AAD)构造了高性能的MOEA。AAD能够通过最小的干预自动确定MOEA的各种参数取值以及最优的参数组合。考虑变分批技术,提出了动态解码策略;针对问题特性和所采用的算法框架,对于可配置的类别参数和数值参数,给出了合理的取值区间;对于AAD方法,采用了I/F-Race方法。最后,通过与CPLEX和已提出的MOEAs对比分析,证明了自动生成的MOEA更加有效。

摘要： 为了提高液压伺服阀的动态响应特性,对液压伺服阀的阀芯结构进行了多目标优化研究,建立了阀芯结构参数与作用力之间的数学模型。以阀芯动态响应的超调量、振荡次数和上升时间作为优化目标,以阀芯的优化结构参数作为设计变量,数学地描述了阀芯动态特性多目标优化问题。分别采用NSGA-Ⅱ、SPEA2两种多目标进化算法与Simulink相结合对阀芯进行优化,评估了两种多目标进化算法的表现,得到了阀芯的最优设计参数。采用CFD、Simulink仿真验证了优化效果,结果表明:对应液压伺服阀入口压力工况为7、14、21 MPa时,作用在优化后阀芯上的稳态液动力相比优化前下降了37.10%、34.39%、30.53%;优化后的上升时间平均降低了3.77 ms,平均改善了61.74%;优化后的超调量平均改善了9.41%。

摘要： 工艺规划与车间调度的集成优化有利于缓解制造资源冲突,充分利用制造系统的柔性并提升制造系统运行效率.为避免实际加工时间的波动及其对调度方案鲁棒性的影响,利用中智数在刻画不确定事物方面的优势,本文使用中智数模拟工序的不确定加工时间并建立了相应的数学模型.为引导非支配解趋向于偏好区域,提出基于ε-支配的多目标优化算法,对调度鲁棒性及名义最大完工时间这两个指标进行了优化.提出的多目标优化算法对经典的Kim实例进行了求解,得到了偏好区域内的非支配解.

摘要： 由于等时性固定场交变梯度加速器具有连续束、强聚焦等优点,逐渐成为研究热点.等时性固定场交变梯度加速器的物理设计问题可归结为具有多个设计目标、可调节变量与条件限制的最优化问题.多目标进化算法的发展给复杂的最优化问题提供了解决方案.将多目标进化算法应用于等时性固定场交变梯度加速器的优化中可提高设计效率.为了验证该优化方法的有效性,针对70 M eV与1 GeV等时性固定场交变梯度加速器进行了物理设计优化,并达到了预期设计目标.

摘要： 大规模分布式光伏并网会对电网稳定性造成影响,本文立足于合理制定集群内各分布式光伏电站的有功出力值,保证各分布式光伏电站响应调度出力计划的准确性.首先提出分布式光伏电站有功分层控制原理及结构,然后对集群内部的分布式光伏电站进行分类,再根据调度的有功调节目标,按照增减出力不同的调度安排,提出不同的有功控制方法.还提出了两种功率分配方法,将调度下发的有功功率进行合理分配,接着建立最分布式光伏集群有功主动控制模型并通过有约束多目标进化算法对其进行计算.后通过西北某实际分布式光伏电站集群的实际运行数据为例进行仿真,以验证本文提出的集群有功主动控制方法的可行性及经济性.

摘要： 建立了一种结合Utopia参考向量系、聚类非支配分层策略、新型的聚合适应度分配机制和强调局部搜索的交叉和变异算子的多目标进化算法。测试结果表明:算法在收敛性、鲁棒性和收敛速度上都表现优异,且能给出相对均匀的Pareto最优解集。在对1.5MW大型风力机叶片的小种群优化设计时,算法表现出了快速收敛性能,说明了本算法可用于风力机的一体化设计中。

摘要： 如何获得范围广泛且均匀分布的非支配解和保证算法朝Pareto最优解的方向搜索是多目标进化算法(MOEA)设计时的两个关键问题。在MOEA的基础上，提出一种基于云模型的多目标进化算法（CMOEA），算法设计一种新的变异算子自适应调整变异概率，使得算法具有良好的局部搜索能力，在采用小生境技术中小生境半径按X条件云发生器非线性动态地调整保持解的多样性，动态计算个体的拥挤距离并采用云模型参数来估计个体的拥挤度，逐个删除种群中超出的非劣解以保持解的分布性，将该算法用于多目标0/1背包问题，与目前最流行且有效的多目标进化算法NSGA-Ⅱ及SPEA2进行的比较实验结果表明，CMOEA具有良好的搜索性能，并能很好地维持种群的多样性，能够快速收敛到Pareto前沿,获得的Pareto最优解集具有更好的收敛性与分布性。

摘要： 本文将多目标进化算法应用于舰船的概念设计,对编码方法选取、进化算子确定等问题进行相应的探讨,并充分考虑解方案的多样性和分布性,基于Pareto最优的概念,采用聚集度修剪和随机补充的方式调整非支配集的规模.最后通过案例验证方法的可行性.

摘要： 针对机械产品多目标多质量要求下的选择装配问题,提出一种基于密度多目标进化算法(DMOEA)的选择装配方法.首先,考虑零件尺寸链与尺寸的关联关系,以选配成功率和整体装配质量为优化目标,构建多目标多质量要求下选择装配数学模型;然后,采用自然数编码,以一个零件尺寸值序号的随机序列作为配对编码的基因,并利用个体密度定义适应度函数,将选配问题与DMOEA相结合构建求解数学模型.开发出基于DMOEA的零件选配系统,应用于某公司XX型号产品,验证了方法的可行性与有效性.

摘要： 将小生境Pareto禁忌遗传混合算法(NPTSGA)和变密度地下水流和溶质运移程序SEAWAT耦合起来,开发了一个新的用于地下水模拟优化管理的通用程序——SWT-NPTSGA.以求解变密度条件下地下水优化管理问题,从而为地下水管理决策者提供科学依据和技术支持.NPTSGA将快速非受控性排序遗传算法(NSGA-II)种群进化操作与小生境Pareto禁忌搜索算法(NPTS)相混合,兼顾权衡非劣解的局部最优性和全局多样性,算法在保证解的收敛性和计算效率的前提下,维护了整个进化群体的多样性.设计SWT-NPTSGA时,建立了适用于变密度条件下地下水优化管理常见问题的目标函数的一般形式,同时设定了常用的约束条件.最后将SWT-NPTSGA程序应用于一个理想的基于变密度的海水入侵含水层中地下水开采方案的对比显示优化结果合理可行,验证了SWT-NPTSGA模拟优化程序的有效性和可靠性.

摘要： 在软件的开发和升级的过程中，软件公司经常面对的一个关键问题就是在下个版本发布时应该实现和增加哪些新的功能需求，以便某些指标(例如客户满意度或者成本)得到满足。该问题被称为软件需求工程中的“版本发布问题”。从实际出发，正式建立了基于需求依赖关系的多目标的软件版本发布问题模型。该模型有两个目标函数，分别是客户满意度和完成需求所花费的成本。然后将多目标进化算法NSGA-Ⅱ应用于模型以便获得需求选取的可行性方案。同时利用NSGA-Ⅱ算法，研究了软件版本发布问题模型的扩展性以及软件需求依赖关系的强度对算法的影响。此外，在模型的基础上同时考虑了模拟数据和从企业获得的真实数据，来比较几种多目标进化算法的性能，以便选出最适合解决软件版本发布问题的算法。

摘要： 本文针对常用的电梯群控系统进行了详尽的分析,根据电梯群控系统的特点,在常用群控调度原则和多目标规划问题的基础上,以提高电梯的服务质量和运行效能为出发点,提出应用多目标进化加权和方法对电梯群控系统进行数学建模.综合考虑了乘客平均侯梯时间、平均乘梯时间、电梯拥挤度和能耗四个主要因素,建立了多目标评价函数,给出了通常交通模式、上行高峰交通模式、下行高峰交通模式和空闲交通模式四种不同交通模式下的优化算法,实现了电梯群控系统的最优化调度.应用Visual Basic 6.0对电梯群控系统优化算法进行程序设计及仿真,仿真结果表明了本优化算法的优越性.

摘要： 本文研究了概念设计阶段船舶主尺度及船型系数的优化方法。基于多学科优化设计MDO原理，通过学科分析，将船体系统分解为阻力、推进、耐波、可用空间等子模块。选取快速性、耐波性为优化目标，可用空间作为约束条件，设计水线长、设计水线宽、排水量、型深、吃水及主要船型系数等16个参数作为设计变量，采用多目标遗传进化算法进行优化，求出PARETO最优解。使用Microsoft Visual Studio 2005作为编程语言编写方案生成模块，性能计算模块、可用空间模块及可行性分析模块;使用SQL Server 2005作为数据库进行初始数据装订及生成方案保存;进化算法中编写了两种编码方式、三种选择方式及三种交叉方式以供选择。

摘要： 本文研究了概念设计阶段船舶主尺度及船型系数的优化方法。基于多学科优化设计MDO原理，通过学科分析，将船体系统分解为阻力、推进、耐波、可用空间等子模块。选取快速性、耐波性为优化目标，可用空间作为约束条件，设计水线长、设计水线宽、排水量、型深、吃水及主要船型系数等16个参数作为设计变量，采用多目标遗传进化算法进行优化，求出PARETO最优解。使用Microsoft Visual Studio 2005作为编程语言编写方案生成模块，性能计算模块、可用空间模块及可行性分析模块;使用SQL Server 2005作为数据库进行初始数据装订及生成方案保存;进化算法中编写了两种编码方式、三种选择方式及三种交叉方式以供选择。

摘要： 本发明提供了一种基于多目标克隆进化算法的大规模武器‑目标分配方法，属于计算机仿真与方法优化技术领域，首先根据武器的数量生成多个初始子种群，并计算所有子种群的pareto最优解，用这些最优解构成优势种群；其次，算法采用克隆机制对优势种群中的所有个体进行克隆，形成多个新的子种群；然后，算法给出了三种特殊的进化算子，并用这三种进化算子对个体进行进化。本发明针对大规模武器‑目标分配问题，设计了相应的进化算子和进化方法，能够有效解决大规模武器‑目标分配问题，能够在大规模武器和目标的环境下，得到完整的pareto最优解，具备较好的收敛效果。

摘要： 本发明公开了一种多目标优化差分进化算法的传感器目标分配方法，该方法包括：根据目标信息进行目标重要程度计算，建立传感器目标分配约束多目标优化函数，分配方案编码和初始种群染色体生成，利用差分进化算法产生子代方案种群，种群合并与筛选，获取分配方案Pareto前端解集等。本发明结合差分进化算法在群体差异启发式随机搜索方面简单易用，鲁棒性好，且具有强有力的全局搜索能力等特点，提供了一种Pareto集多目标优化分配策略；在传感器目标监测效能函数的基础上增加了传感器使用率函数，将分配问题转化为多目标优化问题，可在满足监测精度要求下尽量节约传感器资源，实现传感器资源合理有效的分配。

摘要： 本发明提供了一种基于多目标克隆进化算法的大规模武器‑目标分配方法，属于计算机仿真与方法优化技术领域，首先根据武器的数量生成多个初始子种群，并计算所有子种群的pareto最优解，用这些最优解构成优势种群；其次，算法采用克隆机制对优势种群中的所有个体进行克隆，形成多个新的子种群；然后，算法给出了三种特殊的进化算子，并用这三种进化算子对个体进行进化。本发明针对大规模武器‑目标分配问题，设计了相应的进化算子和进化方法，能够有效解决大规模武器‑目标分配问题，能够在大规模武器和目标的环境下，得到完整的pareto最优解，具备较好的收敛效果。

摘要： 本发明公开了一种多目标优化差分进化算法的传感器目标分配方法，该方法包括：根据目标信息进行目标重要程度计算，建立传感器目标分配约束多目标优化函数，分配方案编码和初始种群染色体生成，利用差分进化算法产生子代方案种群，种群合并与筛选，获取分配方案Pareto前端解集等。本发明结合差分进化算法在群体差异启发式随机搜索方面简单易用，鲁棒性好，且具有强有力的全局搜索能力等特点，提供了一种Pareto集多目标优化分配策略；在传感器目标监测效能函数的基础上增加了传感器使用率函数，将分配问题转化为多目标优化问题，可在满足监测精度要求下尽量节约传感器资源，实现传感器资源合理有效的分配。

摘要： 本发明的目的在于针对社会网络分析影响力节点识别与传播最大化问题现有解决技术中存在的问题，提供一种基于离散差分进化算法的多目标影响力最大化种子节点识别算法，实现对影响力节点集合的高效低成本选取。所述算法分为四个组成部分：种群初始化、突变、交叉和选择操作；为了维持种群的多样性，初始化阶段利用了一个随机策略去产生每一个个体的位置向量；突变操作是差分进化算法的核心部分，该部分决定了解的质量；这一操作的目的是对于每一个原始个体产生一个突变个体，从而形成一个突变种群；由突变操作得到突变种群，由突变种群和原始种群交叉得到交叉种群；选择操作是算法迭代的最后一个过程，目的在于产生一个新的拥有更高质量解的种群。

摘要： 本发明公开了一种基于多目标进化算法的高维多目标天线设计方法，利用MOEA/D处理高维多目标天线设计问题，通过天线设计邻近子问题的逼近获取天线设计参数。此外，由于天线设计过程所需的电磁仿真的计算代价极大，通常需要选取较小的邻近子问题个数T以加快天线设计速度，然而过小的T会削弱天线设计多样性从而极易陷入局部最优。本发明还提出了多样性检测操作，有效判断当前的天线设计多样性水平以决定设计是否陷入局部最优；然后通过混合更新操作跳出局部最优，从而增加天线设计多样性。本发明提出的方法在设置较小的T值时能同时兼顾天线设计多样性和设计速度，可显著改善高维多目标天线设计问题的设计效率。

摘要： 一种基于高维多目标进化算法的露天矿卡车多目标调度优化方法，首先根据露天矿实际生产调度建立主要指标体系，然后以运输成本最小和运输距离最短以及等待时间最小为目标构建金属露天矿多目标调度模型，再对基本的NSGA‑Ⅲ算法进行改进，最后采用改进的算法对金属露天矿多目标调度模型进行求解。本发明多目标调度优化方法能够有效减少卡车调度过程中的运输距离和运输次数，进而显著降低企业的运输成本，并且在有效保证矿石品位的前提下能提高矿山的生产能力，显著提升矿山企业的经济效益。并且在模型构建过程中做出了路径规划和车流分配工作，能有效保证各路段的通行顺畅。

摘要： 本发明公开了一种基于多目标进化算法的高维多目标天线设计方法，利用MOEA/D处理高维多目标天线设计问题，通过天线设计邻近子问题的逼近获取天线设计参数。此外，由于天线设计过程所需的电磁仿真的计算代价极大，通常需要选取较小的邻近子问题个数T以加快天线设计速度，然而过小的T会削弱天线设计多样性从而极易陷入局部最优。本发明还提出了多样性检测操作，有效判断当前的天线设计多样性水平以决定设计是否陷入局部最优；然后通过混合更新操作跳出局部最优，从而增加天线设计多样性。本发明提出的方法在设置较小的T值时能同时兼顾天线设计多样性和设计速度，可显著改善高维多目标天线设计问题的设计效率。

摘要： 本发明提出了一种基于比例支配和目标空间分解的多目标进化算法及其系统，包括：初始化种群，得到一个初始种群P0；通过遗传算子或者差分进化算子产生子代种群P′，且合并种群Q＝P0UP′；通过比例支配关系从合并种群Q中选择α*N个有良好收敛性能的个体进入可以存活到下一代的新种群P1，0＜α＜1，其中N为种群大小；通过改进后的目标空间分解方法选取有优秀多样性的解填充新种群P1至种群大小满足|P1|＝N；判断是否结束迭代，如否，令P0＝|P1|并重复上述步骤，否则，以|P1|作为多目标优化问题的最终解。本发明以比例支配的方式，对经典支配关系进行了扩展，能够更好的区分非支配的收敛性能，有效提高整个多目标算法的效果。

摘要： 一种融合多目标进化算法和合同网算法的多无人机系统任务分配方法，首先，设定约束条件和目标函数，构建多无人机协同任务分配的多目标优化模型。第二，根据问题所属的弹药情况选择交叉变异算法，求解多目标优化模型。第三，从Pareto解集中选择一个非支配解，将其作为被具体执行的任务分配方案。第四，任务重分配机制被激活后，设定任务重分配问题的目标函数，构造任务重分配模型。第五，对于突发情况利用合同网方法求解任务重分配模型，得到更适合当前战况的任务分配方案。本发明能够为战前任务分配提供一个完整的任务分配框架，适用于求解多无人机协同任务分配的多目标优化，并可协助决策者从Pareto解集中选解，同时能够对突发情况实现实时的任务重分配。