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算法的风力机叶片多目标优化设计

一种结合了精英控制策略和动态拥挤距离方法的改进的快速支配排序算法(Fast and elitist non-dominat-ed sorting genetic algorithm,NSGA-Ⅱ)被用于风力机复杂的多目标优化设计中。作为此算法的应用算例,以风轮的年发电量最大、叶片的质量最小和叶片根部的极限推力最小为目标,分别进行了两目标和三目标的1.5 MW风力机叶片的优化设计。研究表明:两目标优化给出的Pareto最优解集分布在一条曲线上,而三目标的优化结果基本分布在一个有明显边界的五阶曲面上。同时也可以看出,此算法在处理风力机多目标优化问题取得了良好的效果,给出的是一个Pareto最优解集,而不是传统优化方法追求的单个最优解,为风力机多目标优化设计提供通用的算法。     

基于响应面法的超燃冲压发动机进气道多目标优化

基于响应面法进行了二维混合压缩超燃冲压发动机进气道的多目标优化研究.采用均匀试验设计确定试验方案,运用计算流体动力学求解进气道的性能.根据分析结果构造了响应面近似模型,该模型采用了完全二阶多项式模型.通过响应面近似模型的优化,实现了超燃冲压发动机进气道优化,得到了Pareto最优集.结果表明,采用均匀试验设计和响应面法可以大大减小数值模拟的计算量,提高优化效率.     

一种求解多目标柔性作业车间调度的改进粒子群算法

针对具有高维搜索空间的多目标柔性作业车间调度问题,提出了一种基于偏好的多目标粒子群优化算法(PMOPSO).该算法引入了决策者的偏好信息,用以指导算法的搜索过程,使算法在决策者感兴趣的区域进行搜索,不但缩小了算法的搜索空间,提高了算法的效率,而且一次运算只求得偏好区域内若干个折中解,避免了决策者要在众多非劣解中作出困难的选择.在该算法中,采用了新的偏好信息给定方法,即采用目标间重要关系、目标数值或目标权重大致取值范围来表示偏好信息.采用该方法,不但便于决策者给定偏好信息,而且还可以根据决策者的需求,对搜索区域的范围进行适当地调整.针对偏好信息的特点,提出了一种模拟人类社会组织"投票选举"的偏好信息处理方法,该方法直观简便并易于实现.最后,通过实例仿真,对该算法性能进行比较分析和评价,结果表明了该算法的有效性和可行性.     

应用对策理论的多目标气动优化设计

将经济学中的Nash均衡理论引入到气动优化设计中,探索一种新颖的处理互为冲突的多目标气动外形优化设计方法.基本的优化器为基于伴随方法的确定性优化算法,文中通过引入负反馈技术发展了约束最优控制理论,所有的约束条件都被自动的和隐含的满足.在对称Nash策略中,每一个优化器都力图优化自己的目标,而Nash平衡则提供了多个目标之间的一种妥协解.设计算例表明,文中的Nash竞争策略在多目标气动优化设计中是有效的.     

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.     

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。     

采用进化算法优化H∞加权阵的选取

在H∞控制设计中，加权阵函数直接反映了系统的稳定性和性能要求。本文提出了一种采用进化算法优化加权阵选取的方法，把控制系统的多个设计目标转化成不等式约束，将H∞控制器设计中加权阵的选取表示成一个多目标优化问题，并通过进化算法求解该优化问题。仿真结果表明，所提出的方法能够找到满意的加权阵，同时找到满足给定频域和时域性能指标要求的H∞控制器，是一种有效的加权阵选取方法。     

基于基因算法与博弈论的气动高升力优化(英文)

讨论了基于基因算法与博弈论的组合优化算法在高升力气动优化问题中的应用。引入基因算法与博弈论相结合的分布式组合算法 ,可以将复杂的优化问题分解为几个简单的局部优化问题。文中论述了组合优化算法的构造方法 ,并应用于高升力多段翼型气动优化。与传统基因算法的数值计算结果进行了比较 ,表明本文构造的方法具有高效收敛性及强的鲁棒性 ,可广泛应用于先进气动设计问题。     

协同多目标攻击空战决策的启发式粒子群优化算法

利用协同多目标攻击战术的特定知识,并结合粒子群算法,提出了一种用于空战决策的启发式粒子群算法。该算法利用粒子群算法对解空间探索能力强,容易跳出局部最优陷井及启发式算法局部搜索能力强的优点,快速、高效地对全局最优值进行搜索。该算法通过求解友机导弹对目标的最优分配来确定空战决策方案。仿真实验结果表明。本文算法对最优空战决策方案的搜索性能明显优于普通粒子群算法及其他两种遗传算法。     

基于代理模型的气动设计稳健优化方法

为了减少不确定分析的计算量,提出了一种基于代理模型的不确定性气动设计优化方法,其中代理模型主要用于简化不确定分析计算过程.运用拉丁方试验设计和Krig-ing建立了代理模型,用随机参数来表示尺寸误差和飞行条件的变化.基于代理模型,以蒙特卡洛模拟法作为不确定分析方法,求解气动性能的均值和方差.在此基础上定义了气动稳健优化问题的表达式,用遗传算法进行求解,并以某翼型的优化问题对该方法进行验证.结果表明,通过该方法得到的最优解对不确定性的敏感度大大减小,同时在不确定的情况下仍然能满足设计约束条件.