基于改进NSGA-Ⅱ算法的航班战略冲突解脱研究

设计了一种改进的非支配排序遗传算法（Non-dominated sorting genetic algorithm Ⅱ, NSGA-Ⅱ）解决战略阶段轨迹规划大规模优化问题。在经典的NSGA-Ⅱ的框架下,采用一种自适应交叉算子与自适应变异算子加快算法的收敛速度并提高解的质量,同时给出衡量Pareto解集优劣的评价指标。大规模四维航迹的引入不可避免地增加了问题的复杂性,本文提出了一种有效的战略冲突解脱模型,旨在最小化潜在的冲突数量和冲突解脱成本。采用中国航路网络繁忙时段1 472架航班进行实例验证,并所提算法与经典的NSGA-Ⅱ算法及MOEA/D进行对比。实验结果表明,改进的NSGA-Ⅱ算法具有更好的优化效果,能够有效地解决航空器之间的冲突并产生较小的航空器航迹调整量。     

基于多目标协同进化算法的多机器人路径规划

提出一种合作型多目标优化协同进化算法,并应用于具有3个优化目标的多机器人路径规划问题中.算法采用一种新型的子群体间合作方式,提高了候选解的多样性,且避免了在一般多目标进化算法中难以处理的适应值分配或非支配排序过程,减小了对计算资源的消耗.针对多机器人路径规划问题的特点,给出了多机器人间的协调策略,并在算法的群体初始化和进化算子的设计中,引入了基于问题专门知识的启发式方法.在复杂工作环境下的仿真实例表明了算法的有效性.     

电化学加工机器人动态性能设计与优化研究

工业机器人工作空间大、姿态灵活、可配置性高，且成本低，广泛应用于搬运、装配、喷涂和焊接等多个领域。但由于机器人末端轨迹精度不高，低速波动大，在电化学加工领域的应用很少。根据电化学加工低速、高轨迹精度特点，提出采用象限法设定电化学加工机器人工作区域，建立电化学加工机器人动力学优化函数，采用第三代非支配遗传算法NSGA-Ⅲ求解各设计参数最优Pareto解集，通过仿真和实验进行了动态性能测试验证。结果表明在设定工作区域内，电化学加工机器人直线轨迹精度可达0.073 mm，圆弧轨迹精度可达0.145 mm，低速工况下轨迹精度相比传统工业机器人提高近10倍。     

A REAL-VALUED GENETIC ALGORITHM FOR OPTIMIZATION PROBLEM WITH CONTINUOUS VARIABLES

提出一种用于连续变量函数优化的遗传算法。它由一种简单、适应面广的动态刻度适应值和选择算子、杂交与变异算子，以及这些算子相应的自适应概率组成。该算法经两个常用函数检验，并在图象识别的神经网络权值训练中得到应用。实验结果表明，该算法是一种快速有效的全局优化算法。     

多目标柔性作业车间调度的集成算子遗传算法

柔性作业车间调度（FJSP）中，在将任务按顺序分配到各机床前，首先要为任务选择加工机床。为求解多目标FJSP，本文在分析该问题特点的基础上，提出了一种面向甘特图的串编码（GORS）及相应的的遗传算法算子的基本操作，提出了集成算子遗传算法，并给出了其具体实现。文献算例的实验及与国际最近研究成果比较表明。该算法减小了目标参数值即生产周期、最大机床负载和总的机床负载。     

双变异率自适应遗传算法研究及其应用

针对标准遗传算法的不收敛性，提出一种双变异自适应遗传算法，即通过全局变异算子和局部变异算子共同作用，增加种群的多样性，提高算法的全局收敛能力。实例证明：改进算法具有很好的寻优能力和效率。     

用遗传算法求解非同序作业排序问题

多机不同序作业排序问题是ＮＰ－完备问题中难度较大的一类，本文给出了该问题的数学描述及遗传算法设计方法，通过实例计算和分析表明，ＧＡｓ的解明显优于传统算法，且能有效地适用于在规模加工过程中的ｊｏｂ ｓｈｏｐ排序的优化问题。     

基于改进的状态空间模型进化算法的航班优化调度

单跑道进离港航班优化调度是将某一时间窗内进离港航班看作一个整体,对进离港航班进行统一优化排序,属于典型的组合优化问题。改进的状态空间模型序号编码进化算法（MOSEA）采用序号编码,不使用交叉算子,且通过构造状态进化矩阵来实现基因换位等遗传算子功能,使种群不断地进化,并结合选种池的选择操作实现种群的优胜劣汰。MOSEA算法将问题的解答过程表示为离散状态空间模型的动力学过程,突破了遗传算法的计算模式,简化了遗传操作,并研究了其在航班进离港优化调度中的应用。仿真实验表明：MOSEA算法与遗传算法、先到先服务（FCFS）航班排序相比,航班总延误时间分别降低了22.13%、32.06%,且运算速度更快。     

复合材料层合结构铺层顺序优化设计的免疫遗传算法

本文利用生物免疫系统对抗体浓度调节原理,提出了一种用于组合优化的免疫选择概率算子,同时考虑了抗体调节加权系数随搜索进行动态变化。对给定的复合材料层压板,以几何因子为优化对象,应用免疫遗传算法进行了铺层顺序的优化。应用四种不同遗传算法,对算例的优化结果进行了统计分析,结果表明:本文算法的成功率高,首次获全局最优解的迭代次数少,并能使种群收敛于全局最优解。     

多目标混合流水车间调度问题求解算法

针对多目标不相关并行机混合流水车间调度问题，建立以最小化最大完工时间、机器总能耗和机器加工成本为目标的多目标数学模型。提出一种改进的基于分解的多目标进化算法（Improved multi-objective evolution algorithm based on decomposition,IMOEAD），采用均匀设计表生成初始权重向量，提高种群多样性，利用正态分布交叉并设计了自适应高斯变异来提高算法的全局搜索能力和局部搜索能力，在权重向量邻域中选择个体产生新解，运用非支配等级和拥挤距离更新外部档案。以反世代距离、世代距离和非支配解个数为性能指标，通过大量案例仿真，与非支配排序遗传算法Ⅱ和基于分解的多目标进化算法进行对比，结果验证了该算法的有效性。     

双变异遗传算法在投资组合中的应用

针对马柯维茨均值-方差模型的特点和简单遗传算法在求解该模型中所存在的缺点和不足,本文提出了一种改进的遗传算法-双变异遗传算法.该算法在交叉算子中引入了变异算子,即在种群中出现大量的近亲个休,产生近亲繁殖,此时,交叉算子停止交叉,进行均匀变异;而变异算子按照梯度方向变异,以加快算法的收敛速度.数值试验表明,双变异遗传算法对马柯维茨均值-方差模型的求解具有全局收敛、求解速度快、避免早熟等优点.     

基于改进遗传算法的机器人动态路径规划

针对基本遗传算法解决移动机器人路径规划的不足，提出了一种改进的遗传算法。首先，采用栅格法对机器人路径规划进行建模。然后，提出一种生成初始种群的方法和精英策略，设计出自适应变异概率，提高了算法的求解质量。同时，在规划过程中，将全局路径规划与局部路径规划相结合，并且根据机器人与动态障碍物碰撞类型的不同，提出了相应的避碰策略。仿真实验表明:该算法优于基本遗传算法，能够有效地指导机器人在动态环境中实现避障，获得无碰最优或次优路径。     

基于协同优化方法的多学科非概率可靠性优化设计

针对传统多学科优化是基于确定性的优化设计方法,为了获得更为可靠的结构设计,在设计中考虑了不确定因素对结构性能的影响.本文将非概率可靠性优化方法与多学科优化设计方法相结合,引入了非概率可靠性指标,提出了一种新的基于协同优化方法的非概率可靠性多学科优化设计方法.同时采用了基于均匀试验设计的响应面方法来近似学科优化,提高了遗传算法的收敛速度,降低了计算量.最后通过对跨声速机翼气动结构多学科可靠性优化设计算例的计算,验证了本文提出的方法能够保证设计解的可靠性,对工程实践具有一定的指导意义.     

基于网络的高速切削参数优化和管理系统

对高速加工中切削参数优化的理论和方法进行了研究,并对来自生产现场、实验室以及资料收集的数据进行了检验、评价和应用。提出了一种基于遗传算法的切削参数优化算法。与通常的优化算法相比,该算法计算量小,计算速度快,能适应自动化制造系统对优化切削数据快速响应的要求。切削实验表明：应用经过优化的切削数据,不仅提高了机床的利用率,减少了切削时间,而且提高了工件的加工质量。在上述理论研究的基础上,开发了切削参数优化和管理系统。该系统的完成提高了整个数控加工中心的生产率。     

求解多目标优化问题的随机梯度遗传算法

遗传算法的收敛速度很慢，为此引入另一种解决优化问题的工具，即Simultaneous Perturbation Stochastic Approximation(SPSA)算法，该算法是一种简单、易实现、高效率的随机逼近算法。本文将SPSA算法作为一种快速局部优化方法并将其和遗传算法的整体搜索策略结合起来，提出一种解决多目标优化问题的随机梯度遗传算法，对新算法的执行策略进行了认真的设计。大量的数值实验表明：随机梯度遗传算法不仅提高了多目标遗传算法的收敛速度，且得到了大量的分布较均匀的Pareto最优解。     

基于改进NSGA-Ⅱ的停机位预分配优化

随着民航运输业的发展,航班密度不断增加,大型机场的近机位资源紧张问题日益突出,降低了航班保障效率。为了探索大型枢纽机场停机位预分配问题综合有效的解决方法,从航空公司、机场和旅客的实际情况出发,建立多目标停机位分配优化模型,并设计了改进的带精英策略的非支配排序遗传算法（Non-dominated sorting genetic algorithms-Ⅱ,NSGA-Ⅱ）对模型进行求解,得到一组Pareto前沿解。。在交叉和变异操作阶段,对种群个体以指数形式自适应地调整交叉率和变异率,以此提高算法的收敛速度和优良解的多样性。实例验证结果表明,该模型和改进算法相较于人工分配和传统NSGA-Ⅱ算法对停机位指派的优化结果更为突出,尤其在靠桥率和被使用的停机位数量方面;同时利用性能评价指标对比两种算法,发现改进型NSGA-Ⅱ算法更适合停机位预分配问题的求解。     

用遗传算法精确计算圆度误差

提出了一种应用遗传算法计算满足最小区域法的圆度误差的新思路，并对传统的遗传算法提出了一些改进。采用实数值编码，其计算结果精确度非常高，理论上可以获得全局最优解；保留上一代种群中适应度最好的个体到下一代，可以确保解的收敛性；对基于实数值编码的繁殖算子、交叉算子、变异算子给出了具体的操作方法。仿真结果表明，用改进的遗传算法求解圆度误差，简单明了，收敛速度快，在计算机上容易实现。     

小卫星舱体结构粘弹性阻尼减振优化设计

航天器发射段动环境恶劣,需要考虑对结构进行阻尼减振设计。小卫星内部空间狭小,结构轻质化要求高,须采用自动优化设计方法进行阻尼处理敷设位置和几何参数同时优化。针对小卫星结构阻尼减振的要求,分析了初始无约束阻尼结构的动力学特性,确定出约束阻尼处理的部位;提出一种基于Layerwise有限元分析和多目标优化的粘弹性阻尼结构优化设计方法,采用非支配遗传算法求解优化问题,获得了同时兼顾附加质量和阻尼性能要求的优化结果。结果表明,对小卫星舱体安装结构进行局部粘弹性阻尼处理能够显著降低敏感设备的动响应,提出的优化方法能够同时实现阻尼敷设位置和几何参数的同时优化。     

基于非支配排序遗传算法并联仿生眼构型优化设计

针对复杂环境下视觉监控需要满足大范围、高精度搜索和保持对目标的持续平滑跟踪的要求,设计了一种并联仿生眼造型。然而当前并联仿生眼多采用单目标优化,无法有效保证仿生眼造型的运行精度、平台倾角、机构灵敏度以及运动传递性能。为此,采用改进的非支配排序遗传算法(NSGA-Ⅱ),在铰链偏角、驱动件尺寸、安装空间等约束条件下对多目标的仿生眼造型参数进行优化,并搭建实验样机进行模拟实验。实验结果表明:设计的仿生眼造型具有0.01°的眼球运动精度,99.23°/s的角速度和502.5°/s~2的角加速度,可实现大视野搜索和快速、平滑的跟踪目标。     

复杂终端区进场交通流优化排序方法研究

为提高终端区时空资源利用率,增强空中交通 运行效率,研究了复杂终端区进场交通流优化排序问题。通过深入剖析终端区进场定位点、 航路航线、多跑道系统等资源运行特性,综合考虑尾流间隔、移交间隔、多跑道运行间隔等 各类约束限制,以及最小化航班延误时间、最大化跑道运行容量、最小化终端区飞行时间等 优化目标,建立了复杂终端区进场交通流优化排序模型,并采用带精英策略的非支配排序遗 传算法对所建模型进行求解。选取上海多机场组成的复杂终端区进行实例验证,仿真实验表 明提出的优化方法相比先到先服务方法(First come first serve,FCFS),航班总延误时间 减少20.7%,终端区等待时间减少60.7%,终端区进场交通流运行效率得到显著提升。