基于多目标粒子群算法的柔性作业车间调度优化方法

针对柔性作业车间的多目标调度问题,构建了以制造工期、加工成本及提前/拖期惩罚值为目标函数的柔性作业车间调度模型,提出基于密集距离排序的自适应多目标粒子群算法.采用精英策略保留进化过程中的优势个体,基于个体密集距离降序排列进行外部种群的缩减和全局最优值的更新,并引入小概率的变异机制以增强解的多样性和算法的全局寻优能力.最...     

基于混合粒子群算法的多目标柔性Job-Shop调度方法

针对经典Job-Shop调度问题的局限性,提出了以时间、成本、质量三者综合为优化目标,具有柔性Job-Shop车间调度的优化模型.给出了优化目标的计算方法,并设计了混合粒子群算法,给出了使用此算法求解模型的具体实现过程.模型采用工序能力指数对质量目标进行量化,并采用综合评判线性加权模型解决柔性Job-Shop算法的权重选择问题,使决策者能够根据实际情况选择优化目标的偏好解.通过一个车间调度问题的实例验证了此调度模型和算法的有效性.     

基于多目标优化的飞防队作业调度模型研究

针对面向植保服务订单的多飞防队协同作业模式,综合考虑订单时间窗、病虫害侵染状况、多机协同等关键因素,建立以作业总收益最大、作业总时长最小为优化目标的飞防队作业调度模型;设计了订单优先级排序算法和基于带精英策略的非支配排序遗传算法（NSGA-Ⅱ）的作业路径规划算法,并对调度模型进行了求解。以陕西省武功县植保作业为例,对飞防队作业调度模型及算法进行了验证,实验表明,建立的模型及算法能输出满足时间窗约束的Pareto最优解集,具有良好的搜索性能以及稳定的收敛性能。该研究可为无人机飞防队的调配与决策分析提供科学依据,为农机智能调度系统开发提供参考。     

基于改进NSGA-Ⅱ的大功率拖拉机变速箱箱体多目标优化

为实现大功率拖拉机变速箱箱体在强度、刚度要求下的轻量化,提出一种基于改进非支配排序遗传算法（Non-dominated sorting genetic algorithm-Ⅱ,NSGA-Ⅱ）的大功率拖拉机变速箱箱体多目标优化方法。首先,分析大功率拖拉机变速箱箱体的受力情况,提出承载式变速箱箱体的静力学仿真分析方法,利用ANSYS分析箱体的强度、刚度;然后,引入K-均值聚类算法、正态分布交叉算子（Normal distribution crossover,NDX）和差分变异搜索策略改进NSGA-Ⅱ算法,并开展算例测试,结果表明,改进NSGA-Ⅱ的解集分布均匀性和算法稳定性均优于NSGA-Ⅱ,寻优效果更好,验证了所提算法的有效性与优越性;最后,基于改进NSGA-Ⅱ算法开展变速箱箱体多目标优化,对优化后的箱体进行仿真分析验证。结果表明,优化后的箱体质量、最大变形量、最大应力分别为168.16kg、0.449mm、215MPa,优于NSGA-Ⅱ的168.16kg、0.454mm、216.12MPa,在满足强度、刚度要求的前提下达到了轻量化的目的,同时进一步验证了本文算法在解决大功率拖拉机变速箱箱体多目标优化问题中的有效性和优越性。研究可为大功率拖拉机变速箱箱体的仿真、优化过程提供方法参考。     

柔性作业车间中机床与自动导引车在线调度方法

针对柔性作业车间中机床与自动导引车同时调度问题,提出了在线调度算法,将调度问题分解成机床选择和自动导引车调度两个子问题求解;首先针对机床选择子问题,根据问题规模分别采用穷举法和小生境遗传算法求解,目标是最小化机床最大负荷,平衡各机床负荷以及最小化搬运系统负荷;在小生境遗传算法设计过程中,采用邻域搜索以提高遗传算法的收敛速度;采用基于海明距离的小生境淘汰运算以保持种群多样性.然后针对自动导引车调度子问题,提出了一种启发式调度算法.为避免作业车间出现死锁,采用基于剩余容量的死锁避免规则.最后通过仿真实验验证了所提算法是可行的.     

基于改进型NSGA-Ⅱ算法的晋中市水资源优化配置

对水资源的不合理利用而导致的水资源短缺现象愈发频繁，进行水资源优化配置的需求也越来越大。水资源优化配置是指在水资源总量有限的前提下，综合考虑社会效益和经济效益，用科学有效的方法对水资源进行水量的合理分配。首先分析晋中市的水资源状况，综合考虑晋中市水资源优化配置需求，建立了以社会效益和经济效益为目标函数的晋中市水资源优化配置模型。接着提出了一种改进型NSGA-Ⅱ算法（INSGA-Ⅱ），并用INSGA-Ⅱ算法对ZTD1、ZTD2及ZTD3等6个多目标测试函数进行实验，结果表明提出的INSGA-Ⅱ算法能求得有效的帕累托前沿，同时收敛性和分布性均优于所列举的大部分多目标优化算法。最后将INSGA-Ⅱ算法应用于晋中市水资源优化配置模型中并进行实例分析，同时与基于NSGA-Ⅱ算法的方案进行对比。实例分析结果表明，基于INSGA-Ⅱ算法的水资源优化配置方案比基于NSGA-Ⅱ算法的水资源优化配置方案得到的缺水量更小、经济效益更高，证明了基于改进型NSGA-Ⅱ算法的晋中市水资源优化配置方案的可行性。根据决策者对不同目标的偏好不同，给出了3种优化配置方案和3种方案的效益比较，这些配置方案同时考虑了社会效益...     

锻造车间能耗建模及优化调度研究

针对锻造车间能耗优化调度问题,通过建立能耗数学模型和改进NSGA2算法并对其进行实例验证且得到最优解集合。建立了一种基于机器状态-能耗分布关系的车间能耗模型,并以此模型为最小能耗目标,再加上最大完工时间和最大机器负荷最小化,共同组成车间调度问题的目标函数。改进了NSGA2算法,种群初始化采用全局生成和快速生成两种方式,编码时选择了工序排列编码和机器选择编码的双层编码方式,交叉策略分别选择IPOX交叉和MPX交叉,变异时插入式变异和贪婪变异保证种群多样性并加强局部搜索能力,最后使用MATLAB对算法实例进行求解运算,得出有效非劣解集,以验证车间能耗模型和改进NSGA2算法的有效性和可行性。     

联合收割机与运粮车协同作业调度技术研究

针对联合收割机作业路径规划不合理、联合收割机与运粮车无法协同优化调度等问题,以最小化联合收割机总非生产性作业时间和非生产性作业等待时间为目标,构建多机型多任务协同优化调度模型,设计多机协同优化调度算法(MMCOSA)。首先通过对传统蚁群算法(ACO)进行改进,计算得到联合收割机的静态路径规划方案,然后采用相对距离最近策略实现联合收割机与运粮车协同作业动态优化。试验结果表明,采用MMCOSA算法计算得到的联合收割机总非产性作业时间和非生产性作业等待时间均比传统ACO算法的结果平均缩短17.5%和19.02%,MMCOSA算法不仅加快收敛速度,而且缩短作业时间,为农忙时节联合收割机与运粮车的协同调度问题提供有效的解决方案。     

基于多目标遗传算法的南水北调东线工程湖泊群优化调度研究

结合南水北调东线工程的自身特点,构建包含缺水量最小与抽水量最小2个目标的多目标优化调度模型,并将一种基于NSGA-Ⅱ算法的多目标优化技术应用于模型求解,得到问题的Pareto最优解集,最后采用基于组合权重的多属性决策方法对生成的非劣方案集进行评价,从而获得南水北调东线工程湖泊群系统的最优水量调配方案。结果表明,对比常规调度,该方法能有效降低系统总缺水量及工作能耗,使系统水资源得到更为科学合理的配置,具有很好的应用价值,为南水北调东线工程的运行管理及未来实时优化调度提供了新的思路。     

基于NSGA-Ⅱ算法的锡林浩特市多水源工业供水优化配置

应用NSGA-Ⅱ算法对锡林浩特市多水源工业供水进行多目标优化配置,设置了经济效益、社会效益和环境效益三个目标函数.通过计算得出一组各水源针对不同工业用户供水量分配的Pareto解集合.此方法处理多目标优化问题具有效率高、计算准确以及使用简便等特点,对于区域水资源优化配置具有较强的实用性.     

基于多目标优化的产品协同开发任务调度研究

针对目前产品开发任务调度研究的不足,提出了基于多目标优化的产品协同开发任务调度理论,并在此基础上提出了多目标优化调度的综合指标确立方法;针对调度问题的求解特点,提出了基于混合微粒群算法的任务调度算法;最后,运用上述理论和算法,给出了具体实例的计算结果,并把该结果和单目标优化调度的结果相比较,说明了基于多目标优化的产品协同开发任务调度算法的可行性和优越性.     

基于改进NSGA-Ⅱ算法的拖拉机传动系统匹配优化

为实现拖拉机动力传动系统的最优化匹配,提高整机动力性和燃油经济性,提出一种基于改进非支配排序遗传算法（Non dominated sorting genetic algorithm Ⅱ,NSGA-Ⅱ）的拖拉机传动系统匹配优化方法。该方法引入正态分布交叉算子,在保证解集质量的基础上,扩大空间搜索范围,同时加入差分进化变异算子,抽取其中的差分向量与NSGA-Ⅱ算法结合,从而避免算法陷入局部最优,改善种群分布性。随后,以变速箱各挡传动比为输入变量,以驱动功率损失率和比燃油消耗损失率均最低为优化目标,通过分析拖拉机设计理论车速、传动比公比、驱动附着力限制等约束条件,建立了变速箱传动比匹配优化模型,利用改进算法对拖拉机变速箱传动比进行优化,并与原NSGA-Ⅱ算法及加权遗传算法进行对比。分析结果表明,改进NSGA-Ⅱ算法求得的解集分布评价指标SP优于原NSGA-Ⅱ算法,表明Pareto最优解分布更均匀,且更接近测试函数的真实Pareto前沿。经本文算法优化后,理论上拖拉机驱动功率损失率和比燃油消耗损失率分别降低了41.62%和62.8%,运输挡头挡爬坡度可提高2.35%,整机综合性能得到明显改善,且优化效果均优于对比算法,验证了本文方法的有效性,可为拖拉机传动系统设计与优化提供一定参考。     

基于改进NSGA-Ⅱ算法下的机械绿色制造系统多目标优化研究

绿色制造是目前机械生产新的发展方向与发展目标，同时也是机械制造产业中可持续发展战略的重要体现。但是目前机械制造系统中存在无法同时满足环境、资源、生产效率等多目标的问题。通过引入改进NSGA-Ⅱ算法，对机械制造系统中的安全、效率、环境和资源等建立多目标优化模型，详细阐述了该算法的关键步骤和流程。通过在实际案例中的应用，验证了所提方法的有效性和优越性。研究结果表明，基于改进NSGA-Ⅱ算法的机械绿色制造系统优化能够显著提升系统的多目标性能，实现资源的高效利用和环境的可持续发展。     

PA-DDS算法在HBV模型参数优化中的应用

影响水文模型预报精度的因素有很多,其中模型参数的优化对模拟结果起到至关重要的作用,目前用于参数优化的方法包括单目标优化和多目标优化两种。随着参数率定方法研究的深入,多目标分析问题越来越受到关注。Pareto存档动态维度搜索(Pareto-Archived Dynamically Dimensioned Search,PA-DDS)作为多目标优化算法,通过在求解过程中动态存储Pareto前沿以防止最优解的丢失,在寻优速度以及解的稳定性方面比较有优势。精英非支配排序遗传算法(NSGA-Ⅱ)具有寻优速度快、解集收敛性能好等优点,已经成为检验其他多目标优化算法性能的标准;AMALGAM算法通过对四种相关算法分配权重从而实现信息交换同时寻优,解的收敛性能较好。因此本文将PA-DDS算法与AMALGAM算法和精英非支配排序遗传算法(NSGA-Ⅱ)在收敛性能方面进行了对比,并将非劣解分布的均匀性及解的相似性方面与AMALGAM进行比较,利用尼泊尔巴格玛蒂河流域2005-2011年期间实测洪水日径流过程资料作为HBV模型参数率定系列,运用PA-DDS算法对模型参数进行优化,得出Pareto最优解,并利用2013年5场洪水日径流过程进行模型检验。结果表明:PA-DDS算法比AMALGAM算法能够更快地得到Pareto最优解且解的质量较好,拟合历史洪水平均确定性系数达到0.86,模型预报精度高,表明PA-DDS优化算法在解决多参数多目标优化问题中具有优势。     

激素调节机制IAGA在作业车间调度中的应用

针对离散型生产作业中的车间调度问题,以最大流程时间最小化为目标,将基于激素调节机制的改进型自适应遗传算法应用其中。该算法具有有效避免近亲繁殖、无需复制操作、有效克服早熟现象和进化缓慢问题等特点。算法采用基于工序的编码方式,并在调度实例应用中取得满意效果。仿真结果表明:该算法大幅度减少了调度方案生成时间,优化了调度方案,缩减了最小化完工时间,能够有效、高质量地解决作业车间调度问题。     

基于改进NSGA-Ⅱ的作物灌水量与灌溉日期同步优化

在非充分灌溉条件下,基于农田水量平衡模拟模型和作物产量计算模型,以灌水日期和灌溉水量为决策变量,将作物相对产量最大和作物全生育期的总灌溉水量最小作为优化目标,建立了能够同时对灌水日期和灌溉水量进行优化的多目标优化模型.在模型求解方面,设计了适合于此类优化问题的染色体结构,在精英保留非劣排序遗传算法(NSGA-Ⅱ)的基础...     

基于NSGA-Ⅱ算法的水轮机活动导叶多目标优化设计

建立了基于NSGA-Ⅱ算法的叶片多目标水力优化设计系统,该系统以叶片的形状参数为优化变量,以能量性能和空化性能为目标函数,将NSGA-Ⅱ遗传算法引入作为优化工具以实现叶片的多目标优化设计.对某电站水轮机模型活动导叶的水力性能进行了优化设计,优化后导叶流道的进出口总压损失减小了26.97%,导叶表面上的最低静压力值上升了34.176%.结果表明,优化后的导叶不仅减小了流动损失,而且具有更好的空化性能.所提出的优化方法能以较少的变量控制叶片几何形状,且能有效分析各设计变量对目标函数的影响程度和范围,缩小优化问题的规模,得到满意的优化结果,可作为一种有效的水力机械叶片优化设计工具.     

基于改进遗传算法的水库群水质水量优化调度研究

研究水库群水质水量优化调度。根据水库群水质水量调度特点,建立多目标优化调度模型。针对水库群水质水量优化调度模型求解的复杂问题,提出了利用部分非可行解域来对模型进行分步优化的改进遗传算法,并探讨了主要参数对优化结果的影响。该算法成功应用于洪汝河流域的水质水量优化调度中。与传统遗传算法比较表明:改进算法的调度结果更优,计算效率及收敛性能更高,在水库群水质水量优化调度中具有高效性和实用性。     

基于多目标约束的机器人复杂轨迹优化方法

工业及农业领域存在诸多复杂场景，使得机器人常面临由大量非连续离散局部路径组成的复杂轨迹，合理的运动规划是机器人实现预期作业目标的首要基础。本文提出一种基于非支配遗传算法(Non-dominated sorting genetic algorithm, NSGA-Ⅱ)的多目标综合优化方法,算法基于个体的相互支配关系进行分层并引入“拥挤度”指标来表征个体间的差异性，从而为保持遗传过程的种群多样性提供了有力支撑。同时建立了机器人运动学模型并构造了缩短机器人空载路程、运动时间及关节冲击的路径序列优化函数，并在笛卡尔空间与关节空间进行了高阶样条拟合与插值规划，显著提升了空间轨迹的光顺性及几何特性。基于NSGA-Ⅱ生成空间Pareto最优前沿解集，解决了机器人运动时间短、关节冲击小、任务路径优等约束下的多目标优化问题。优化后机器人运动路径长度缩减74%，作业效率提升33.44%，关节稳定性平均可增强50.97%，通过仿真与实验，验证了算法在改善机器人运动效率、连续性和非突变性等方面具有显著效果。     

激素调节机制IAGA在作业车间调度中的应用

针对离散型生产作业中的车间调度问题，以最大流程时间最小化为目标，将基于激素调节机制的改进型自适应遗传算法应用其中。该算法具有有效避免近亲繁殖、无需复制操作、有效克服早熟现象和进化缓慢问题等特点。算法采用基于工序的编码方式，并在调度实例应用中取得满意效果。仿真结果表明：该算法大幅度减少了调度方案生成时间，优化了调度方案，缩减了最小化完工时间，能够有效、高质量地解决作业车间调度问题。