基于NSGA-Ⅱ的给水管网传感器多目标优化选址研究

在EPANET2污染物侵入模拟的基础上,以污染事件期望监测时间最短和传感器系统能够监测到的污染事件比例最大为优化目标,研究了传感器选址的多目标优化问题。针对选址问题的特性。通过改进非支配排序遗传算法-Ⅱ（NSGA-Ⅱ）的编码方式、交叉算子和变异算子,使其能够较好地解决给水管网传感器多目标优化选址问题。结合一管网算例,利用改进过的NSGA-Ⅱ给出了一组Pareto解．并对两个极端解对应的选址结果进行了权衡分析。提出的优化模型与求解方法对给水管网传感器多目标选址具有一定的参考作用。     

基于NSGAII的应急物流多目标LRP研究

针对应急物流系统中选址-路径问题(LRP),建立了一个以最小化系统总耗时、总成本及最大化配送路线道路安全性的多目标优化模型,据此对应急物资供应点选择、配送中心选址及配送车辆路径安排进行决策。构造了带精英策略的快速非支配排序遗传算法(NSGAII)以求解多目标LRP模型,根据模型的特征,对算法的染色体编码、初始种群生成、交叉和变异方法进行了改进,并与变权多目标遗传算法进行对比研究。算例结果表明,改进的NSGAII可以更好地解决应急物流多目标LRP,求解出的帕累托最优解质量较高,算法具有较好的收敛性和运算效率。     

基于遗传算法的多目标优化技术

本文首先介绍了遗传算法的原理及其实施的一般过程,多目标优化问题的概念及其古典技术,以及现在多目标优化遗传算法常用的策略,然后对SPEAⅡ算法、NSGAⅡ算法和改进精英策略的非支配分类遗传算法（IENSGAⅡ）做了详细说明,最后对本文的工作做概括性的总结和展望。     

考虑道路修复的应急物资选址与配送双目标优化研究

极端自然灾害易导致交通基础设施中断,因此及时、有效地修复受损路网对灾区救援至关重要。本文针对地震等自然灾害的实际救援需求,研究道路修复、应急物资选址与配送的集成优化问题。首先,以最小化总匮乏成本和总救援成本为目标,构建考虑道路修复、应急物资选址与配送的双目标优化模型。然后,设计基于密度峰值聚类的非支配排序遗传算法II进行求解,并设计初始解生成策略、基于聚类轮廓系数的不动点策略以及变邻域局部搜索策略对算法进行改进。最后,利用汶川地震案例和随机算例,验证上述模型和算法的有效性。     

带精英策略的改进NSGA及其在配网无功优化应用的研究

电力系统无功优化是一个多变量、多约束的混合非线性规划问题,优化过程十分复杂。带精英策略的快速非支配遗传算法是一种求解多目标优化的优良算法之一。但该算法缺乏明确的约束处理机制。本文在处理约束方法上将约束优化问题转换为多目标问题,将个体支配关系的准则改变为根据不可行解违反约束条件的程度判断哪个更优,保证了种群的多样性和分布陛     

护士资源不确定下手术排程重调度

日常医院手术室管理最直接和最有效的方法就是进行手术排程,已研究的手术排程文献大部分是基于资源确定的情形,在实际医院运作过程中存在资源的不确定的情况,如护士的缺席,从而导致既定手术排程的不可行性,手术排程重调度可以解决资源不确定下手术排程问题。文章主要研究一天手术排程过程护士资源缺席情形下手术排程的重调度问题,建立了重调度模型,采用基于pareto解集的蚁群算法求解护士资源不确定下手术排程重调度模型。案例计算结果显示,手术排程重调度解在提高的病人满意度的同时,具有较低的手术室成本和合理的资源安排,为护士资源不确定的手术排程问题的研究提供了一种新的思路。     

基于改进差分进化算法的多目标第Ⅰ类装配线平衡问题研究

为求解多目标第Ⅰ类装配线平衡问题(MOABLP-Ⅰ),提出了一种改进的差分进化算法(IDEA)。该算法优化目标包括最优工位数,线生产效率和工位载荷波动。采用基于优先权的编码方法使得个体解码后总满足装配线约束关系,设计了自适应双变异策略和新型交叉操作算子使算法适应离散优化问题,引入"精英保留"机制增强算法逃离局部最优的能力。通过测试问题集的验证,并比较了基本差分进化算法和离散型差分进化算法,结果表明IDEA在求解大规模MOABLP-Ⅰ上质量最优。     

基于粒子群算法的偏置进近航段多目标优化

为了提高偏置Ⅰ类精密进近飞行程序的设计精度,对其采用改进型的粒子群算法。在求解过程中对粒子群算法进行了约束改进,提出了符合本文的改进粒子群算法,能更好产生初始解,进而处理个体极值和全局极值的选取问题。根据程序设计理论对优化问题构建约束条件,建立多目标分层优化目标函数求解非支配解,最终通过某机场进行验证。     

基于手术室综合运作成本的手术排程优化

手术室是医院收入和支出的重要部门,其运作管理是医院科学管理的核心环节,因此合理安排手术排程,控制手术室综合运作成本显得尤为重要.为了提升模型的实用性,在调研国内医院手术室运作现状基础上,以最优化手术室综合运作成本为目标函数,考虑完整的手术流程和多种源于国内医护现状的资源约束、手术优先级、及运作约束等实际因素,构建了手术排程的数学模型.在经典蚁群算法基础上,改进设计了新的内外层蚂蚁路径图结构,实现外层蚂蚁选择手术顺序,内层蚂蚁选择对应的资源序列.并以国内某三级甲等医院一天的手术为算例进行计算和算法评价.对比结果表明,此排程算法在排程效率、资源平衡性和手术室综合成本多个指标方面都有优越性.     

基于聚类的混合多目标遗传算法在车辆路径问题中的应用

建立了有时间窗口的车辆路径问题多目标优化模型,提出了一种基于聚类的混合多目标优化遗传算法。该算法采用并列选择方法,用擂台赛法则构造非支配集,并用聚类方法缩小非支配集,避免了求解非凸解的困难,提高了遗传算法搜索速度及避免了＂早熟＂等不足。实验结果表明,该算法为解决车辆数不确定的时间窗车辆路径问题提供了一个较为有效的求解方法。     

基于分解的混合多目标进化算法在供水调度系统中的应用

建立了供水调度模型,利用基于分解的多目标进化算法,首先将供水调度问题分解为若干单目标,然后根据分布估计的思想对各个单目标建立概率模型,通过采样产生新的个体。利用非支配排序法进行选择,得到最优解。实验表明,该算法对求解供水调度优化问题具有较好的多样性和均匀性,并且降低了算法的计算复杂度。     

基于BDMOPSO的主轴绿色配置设计的多目标不确定优化

针对绿色配置设计中含有模糊数、区间数等不确定性定性变量问题,研究了设计中绿色不确定多目标模型的求解优化方法,以MJ-50型数控车床主轴的模块化绿色配置设计为例,将技术性能最优、经济成本低设为目标函数,建立包含模糊数与区间数的不确定组合优化模型;按三角模糊数和区间数的运算法则将其转换为确定型模型,采用所提出的离散二进制多目标粒子群优化算法进行模型求解,获取非支配值以及最优解。实验证明本文方法的可行性,具有一定实用价值。     

一种求解多模式资源受限项目调度问题的新方法

针对多模式项目调度问题特征,提出一种蚁群＆遗传混合求解算法。该算法以工期最小化为目标,在满足资源和时序约束前提下,设计蚂蚁任务模式优选概率、信息素更新方式、遗传算子。在算法求解过程中,蚁群算法通过人工蚂蚁在有向网络图上巡游逐个确定任务模式,生成任务模式链表。在此基础上,遗传算子对任务模式链进行改进,并利用串行进度生成机制生成可行的项目调度方案。最后,利用PSPLIB测试集验证了算法的有效性。     

基于碳排放的水电建设项目多目标决策模型与策略分析

提出建设项目决策中的工期—成本—碳排放平衡问题,并建立多目标决策模型,提出求解算法。提出的改进自适应性混和遗传算法可求解该多目标优化问题,设计单点交叉和变异的修复式策略来避免不可行解的产生。通过锦屏二级水电建设项目的案例说明模型和算法的有效性和合理性,通过灵敏度分析以及与其他算法的比较说明该优化方法的高效性、灵活性和适应性。结果表明,降低待工时间、提高使用效率是降低碳排放的关键因素,揭示碳排放和成本、进度间的变化机理;结果可产生多个帕累托最优解;决策者可根据三个目标的偏好选择最终方案。     

基于混沌免疫克隆选择算法的TSP问题求解模型

针对标准免疫克隆算法在求解TSP问题的过程中还存在收敛性不好、效率低下等问题。本文设计了一种以非线性混沌优化免疫克隆算法为基础的TSP问题求解模型,最先运用混沌变量完成抗体编码,利用混沌机制等产生克隆初始种群,然后对后代进行克隆,并将混沌算法引入到免疫克隆变异中,在进化中将混沌变量映射到实际优化问题中计算抗体的亲和度,之后再优化选择算子,为种群的多样性提供保证。实验仿真结果表明,本文提出的改进IA算法在执行时间和迭代次数上都优于传统免疫算法,在收敛问题上,比传统免疫算法更具有优势。     

基于改进粒子群算法的污水处理能耗水质优化

在污水处理过程中,保证出水水质并降低系统能耗是目标,因此提出了一种改进多目标粒子群优化算法(MOPSO)。首先,选取溶解氧和硝态氮为优化设定值,选取出水水质和系统能耗为优化目标函数,建立污水处理过程多目标优化模型,然后利用多目标粒子群优化算法进行优化,得到一系列由非支配解构成的Pareto前沿,从而确定最优系统设定值。在国际基准平台BSM1上仿真所得的实验结果表明,改进多目标粒子群优化算法在出水水质达标的基础上,有效的降低了能耗。     

涂料生产的优化调度

对涂料生产过程中的调度问题进行了分析,建立了涂料生产的优化调度模型.采用一种启发式的"离散-回缩"策略计算在一定生产排序下的涂料总生产完成时间,并使用列队竞争算法求解最优化排序.采用某涂料厂的实例对提出的方法进行了检验.     

一种改进的求解TSP问题的遗传算法

TSP问题是典型的NP难组合优化问题,而遗传算法是求解此类问题的一种方法。但遗传算法存在收敛速度慢和陷入局部最优的问题。针对上述问题并结合TSP的特点提出了一种改进的遗传算法,对传统遗传算法的各种操作与算子进行了优化与改进,较好地解决了种群多样性与算法收敛性的矛盾。实验结果表明,改进后的算法明显优于传统遗传算法,说明该算法具有良好的有效性与可行性。     

改进智能水滴算法求解混合时间窗车辆路径问题

针对多目标车辆路径问题,研究了车载量、配送里程、混合时间窗等限制约束条件下,以最小配送费用和最少配送车辆数为目标建立多目标数学模型。在分析智能水滴算法求解类似离散问题时存在的局限性基础上,运用多种方式对其进行改进,并引入遗传算法选择、交叉及重组算子提高其性能,构建出两种改进智能水滴遗传混合算法,运用Solomon标准测试算例和实际算例进行验证。比较结果显示,改进后的混合算法能够有效解决离散问题,在持续寻优能力上较传统智能水滴算法和遗传算法更优；并且竞争选择改进智能水滴遗传混合算法求解算例效果最优。     

无线传感器网络中跨层能耗优化模型及求解算法

采用跨层优化法,定量描述了网络层和数据链路层的能耗问题.首先用概率模型分析了CSMA机制下节点的传输能耗,并提出了路径累积能耗路由策略;通过建立最优化模型及其求解算法,说明所提出的路由策略在尽可能延长网络寿命的情况下,可使网络整体能耗最低;求解该最优化模型可以获得网络中各节点的传输总能耗,进而得到网络中随数据传输量增加而首先失效的节点;最后通过一个简单的网络算例说明了跨层能耗优化模型及求解算法是有效的.