多邻域结构多目标遗传算法

为了解决应力约束类桁架结构的尺寸优化多目标问题,提出一种多领域结构的多目标遗传算法应用于尺寸优化设计。利用个体之间欧氏距离信息,将种群划分为多个领域以形成多个小生境种群。该算法为每个个体提供一定数量的邻居个体,并规定只能同邻居个体进行交叉变异操作,通过实验分析了不同邻居规模对算法性能的影响。将新算法与其他经典算法在18个标准测试函数上进行了仿真分析,结果表明,所得到的Pareto前端分布更加均匀且更加逼近真实Pareto前端,具有良好的收敛性和多样性。将该算法应用于经典的25杆空间桁架结构优化的求解,获得Pareto前端更均匀,收敛性更好,相对于其他的优化算法具有更好的优化效果。该算法在程序设计、求解空间及其方法通用性等方面表现出良好的性能,并且简单、实用,更加适合于工程实际应用。     

基于分解机制的多目标蝙蝠算法

在分析蝙蝠算法性能基础上,将蝙蝠算法融入分解机制,提出了一种基于分解机制的多目标蝙蝠算法。为了进一步提高算法的多样性,将差分进化策略引入算法中。对14个具有复杂Pareto前沿的多目标优化问题(LZ-09系列和ZDT系列)测试不同邻域规模对算法性能的影响,结果表明新算法的邻域规模为20时性能最优;将其与MOEA/D-DE和NSGA-II算法进行对比分析,结果显示该算法的分布性、收敛性和多样性均优于另外两种算法。为了验证其求解含有约束问题的性能,将其应用于滑动轴承多目标优化设计问题中,获得的Pareto前沿分布均匀,表明算法具有工程实用性,是求解复杂高维多目标问题的有效方法。     

基于动态聚集距离的多目标粒子群优化算法及其应

为了增加Pareto集的多样性,提高多目标优化的全局寻优能力,提出了一种基于动态聚集距离的多目标粒子群算法(DCD-MOPSO).该算法利用改进的快速排序方法来减少计算量,采用动态变化的惯性权重和加速因子以增强算法的全局寻优能力,并基于动态聚集距离对外部集进行维护以增加Pareto集的多样性.通过典型测试函数的仿真实验和应用实例对DCD-MOPSO算法性能进行了分析,并与多目标优化算法MOPSO和NSGA-Ⅱ进行了比较.结果表明,DCD-MOPSO算法收敛速度较快,且得到的Pareto集分布均匀.     

基于鲶鱼效应多目标粒子群算法的水库水沙联合优化调度

针对水库水沙联合优化调度多目标、高维、非线性和难以求解的特点,将鲶鱼效应机制引入多目标粒子群算法中提出基于鲶鱼效应的多目标粒子群算法,该算法在利用收敛速度较快的Sigma方法的基础上,通过触发鲶鱼启发器引入外部鲶鱼粒子,利用鲶鱼粒子对种群的驱赶效应增加种群多样性,从而提高算法的收敛性和非劣解集的多样性;数值分析证明,与MOPSO和σ-MOPSO相比,该算法的效率和质量更高,同时三峡水库实际算例也表明,该算法能给出代表整个可行调度空间、收敛较好、分布均匀的Pareto最优前沿,具有较好的适应性。     

元胞多目标粒子群优化算法与其应用

针对现有多目标粒子群算法多样性不佳,难以平衡多目标优化的全局搜索和局部寻优的能力,提出了一种元胞多目标粒子群算法。在分析多目标粒子算法理论基础上,该算法将元胞自动机思想融入粒子群算法,研究粒子之间相互关系和信息传递机制,并提出一种粒子飞行速度控制策略。实验证明,新算法相对于4种比较算法,在求解含有无约束和有约束的多目标优化问题时有更好的收敛性和多样性,将其应用于盘式制动器优化设计,得到的解精度更高。     

基于正交设计模型的多目标进化算法

为提高多目标进化算法在求解复杂多目标问题上的收敛性和解集多样性,提出了一种基于正交设计模型的多目标进化算法。该算法在基于分解技术的多目标进化算法框架下,将正交实验设计方法同分解技术相融合。利用正交实验设计方法,有针对性地对父代个体进行重组,并生成多个保留优良基因的子代个体,避免了盲目性搜索以提高算法收敛性,并应用分解技术选择优秀个体来维持全局搜索和局部寻优的动态平衡。将该算法与目前典型的优异算法在18个标准测试函数集上进行对比测试,仿真结果表明所提算法相比另外4种算法具有良好的竞争力,在保持良好收敛性的同时,所获得的Pareto前端分布更加均匀,尤其在求解具有复杂Pareto解集的问题时,能保持较好的搜索性能。为了测试算法在求解含有约束问题的性能,将其应用于I型主梁多目标优化设计中,获得的Pareto前沿较均匀,且解集域较宽广,对比分析表明了算法的工程实用性。     

改进的多目标粒子群算法在鄱阳湖水资源优化配置中的应用

鄱阳湖水资源优化配置问题是一个多目标优化问题。将Pareto支配关系、精英保留策略、约束主导原理引入到多目标粒子群算法中。针对粒子群算法的容易陷入局部极小值、早熟等缺点,采用了线性变换惯性系数提高搜索的速度和性能,引入遗传算法的变异思想、混沌优化思想避免了陷入局部极小值。应用改进的多目标粒子群算法对鄱阳湖环湖区的水资源优化配置模型进行了求解,得出了一组非劣解集。采用模糊近似理想点法对非劣解进行了评价,得出了鄱阳湖环湖区2030年水资源配置的最佳方案。     

基于Pareto蚁群算法和3S技术的灌区水资源空间优化配置

为了解决灌区水资源配置中的信息采集方法落后和多目标模型求解易陷入局部最优等问题,通过伪随机并行搜索和最近邻域选择等策略对Pareto蚁群算法进行改进,然后将Pareto蚁群算法与3S技术耦合,以宁夏银北灌区为仿真对象,利用改进的Pareto蚁群算法计算灌区多目标、多约束的水资源空间优化配置模型,获得最优的井灌水量、渠灌水量、排水量以及最优的经济效益和灌排费用。基于Pareto蚁群算法和３S技术的灌区水资源空间优化配置,能加快算法的收敛速度,获得全局最优解,使优化结果更接近实际,对灌区的水资源宏观调度具有一定的参考价值。     

基于多策略差分布谷鸟算法的粒子滤波方法

为了提高标准布谷鸟算法的种群多样性和全局搜索效率,将多策略差分变异过程引入布谷鸟算法中。在布谷鸟的宿主发现过程中借助多策略差分操作来提高种群的多样性,同时,改进的布谷鸟在算法新解选择中增加排队优选机制,与贪心算法相结合以减少局部极值的不良吸引,加快搜索进程。将改进的布谷鸟算法应用到粒子滤波中,用布谷鸟的鸟巢来表征粒子,通过模拟布谷鸟群体搜索巢穴位置的过程来优化粒子分布。实验表明,改进的智能优化粒子滤波算法有效提高了粒子多样性和非线性系统状态的预测精度,并能在粒子数减少的情况下保持稳定估计。     

基于反向学习模型的多目标进化算法

针对复杂多目标优化问题,提出一种基于分解机制和反向学习模型的多目标进化算法。该算法在基于分解机制的多目标进行算法的框架下,引入反向学习模型,该模型具有较好的局部寻优能力。在种群进化的过程中,反向学习模型和差分进化机制自适应的相互配合,能够较好地平衡算法的全局搜索与局部寻优能力。采用国际公认的具有复杂Pareto Set的LZ09系列测试问题进行实验验证,并与MOEA/D-DE、GDE3、NSGA-II和SPEA2等方法比较,实验结果表明,所提方法能够获得收敛性、分布性及延展性较好的Pareto最优解集。为了研究算法在求解约束问题的性能,将其应用于减速器多目标优化设计问题中,结果表明了该算法获得Pareto前端较均匀,说明其算法具有求解约束问题的能力和工程有效性。     

基于差异演化算法的动压滑动轴承多目标优化

为研究流体动压轴承的多目标优化问题,提出一种改进多目标差异演化算法.该算法在选择差分向量时,对产生差分向量的两个个体比较其优劣,用非支配解减去支配解,引导个体向非劣解进化,提高算法的收敛速度;其次提出了种群修剪策略,消除进化后期种群中相同个体引起的种群全局搜索能力下降的缺点,以提升算法的全局寻优能力.通过与其它算法的比较,发现该算法能有效避免“早熟”收敛,具有较好的收敛速度和多样性.工程实例求解结果表明了算法的工程可行性.     

基于改进粒子群算法的路径规划

传统粒子群算法存在收敛精度低、搜索停滞等缺点,导致机器人路径规划精度低。为了提高路径规划的精度,对传统的粒子群算法进行改进。首先在算法运行的各阶段对惯性权重因子和加速因子同时使用三角函数的变化方式自适应调整,使算法中的参数在算法运行各阶段的配合达到最佳,提高了算法的搜索能力;其次在算法中引入鸡群算法中的母鸡更新方程和小鸡更新方程对搜索停滞的粒子进行扰动,并在引进的方程中使用全局最优解使扰动后的粒子向全局最优解靠近;最后通过函数优化和路径规划两组对比实验,验证了改进算法在问题优化时具有寻优精度高、鲁棒性好的优点。     

基于改进型PSO算法的汽车转阀参数优化

提出了基于模拟退火(SA)修正的改进型粒子群算法(SA-PSO)的转阀参数优化方法。建立了整车动力学模型、转向系统模型、高速"路感"模型和转阀能耗模型,并对模型进行了验证;给出了低速转向轻便性、高速转向"路感"和能耗的量化指标;提出了以轻便性、"路感"和能耗量化指标的平方和根最小值为目标函数,以各参数取值范围为约束条件的最优化问题;构建了基于模拟退火修正的改进型粒子群优化算法(SA-PSO)的自适应度函数,运用改进型粒子群算法获得了转阀参数的全局最优解;SA-PSO与PSO的优化结果对比表明,SA-PSO的全局收敛性强、收敛速度快;通过优化参数与另外两组参数双纽线、高速中间位置小转角转向、转阀能耗仿真验证了优化方法的有效性和优化结果的正确性,最后分别进行了转阀参数优化前、后的双纽线、高速中间位置小转角转向、转阀能耗试验,结果表明,优化后的转阀使转向轻便性、高速转向"路感"和节能性均得到改善。     

基于粒子群算法的圆柱度误差评定方法

根据最小区域条件，建立了圆柱度误差的数学模型以及优化目标函数和适应度函数，阐述了粒子群优化算法的原理和实现方法，然后根据粒子群算法优化求解。实例表明，该方法对于圆柱度误差评定等非线性优化问题能得到全局最优解，粒子群优化算法的计算精度与其他满足最小条件的计算方法相比略有提高，且参数设置少，计算速度快，可用于三坐标测量机等测量系统的圆柱度误差测量后的数据处理。     

基于SOA的水轮机调速系统PID参数优化

针对现有优化方法复杂、易陷入局部最优等问题,为水轮机调速系统提出了一种基于人群搜索算法的比例-积分-微分控制参数优化方法.为验证该算法的可行性,建立了水轮机调速系统非线性模型,选取水轮发电机组转速偏差的积分时间绝对误差指标作为目标函数进行优化.为验证优化结果的有效性,将人群搜索算法的控制效果与参考文献中粒子群算法的控制效果进行了对比分析.仿真结果表明,在5%频率扰动下,人群搜索算法自第29次迭代起已收敛,经其优化的系统能在8秒内趋于稳定,此时系统的超调量为1.6%;在10%负荷扰动下,人群搜索算法自第25次迭代起已收敛,其优化效果与粒子群算法优化效果基本相同,两者均在10秒内让系统趋于稳定,但人群搜索算法优化的积分时间绝对误差指标比粒子群算法优化的积分时间绝对误差指标小,表明人群搜索算法具有更好的搜索功能,在一定程度上改善了孤网运行条件下机组的动态性能.     

基于DP-PSO算法的灌区农业水资源优化配置

针对引水灌区,考虑灌溉用水总量约束和时段可供水量约束,以单一作物非充分灌溉下灌溉制度优化为第一层,区域多种作物种植结构及水量分配为第二层,分别采用动态规划和粒子群算法求解,建立了基于DP-PSO算法的灌区农业水资源优化配置模型。针对多重约束问题,提出了一种初始化粒子群的方法,并通过粒子速度的动态变化来保证每代粒子都满足约束,提高了算法的收敛速度和收敛精度。以赣抚平原灌区为对象,考虑降雨和水源可供水量不同步的特点,计算了3种降雨频率、多年可供水条件下的农业水资源优化配置方案。结果表明,基于DPPSO算法的农业水资源优化配置模型合理可靠,为引水灌区农业水资源优化提供了一种新的方法。