检索结果-南通市图书馆

非支配排序动态规划方法研究及其在混合动力汽车中的应用

在线全文

学校读者我要写书评

暂无评论

非支配排序动态规划方法研究及其在混合动力汽车中的应用

作者：贝泾浩华南理工大学

学位级别：硕士

近年来,各大汽车制造厂商相继推出混合动力汽车发展战略规划,且不断增加混合动力系统的研发投入。在混合动力系统研发前期,基于能量管理策略的构型方案经济性对比分析是一项非常关键的基础性工作,因而倍受企业重视。本文面向企业的研发... 详细信息

近年来,各大汽车制造厂商相继推出混合动力汽车发展战略规划,且不断增加混合动力系统的研发投入。在混合动力系统研发前期,基于能量管理策略的构型方案经济性对比分析是一项非常关键的基础性工作,因而倍受企业重视。本文面向企业的研发需求,开展了多目标优化方法及其在混合动力汽车能量管理策略中的应用研究。主要的研究工作如下:针对现有多目标优化算法无法便捷而有效地求解多目标多阶段决策问题,基于动态规划理论和多目标优化基本理论,将最优性原理从传统单目标优化拓展至多目标优化研究领域,提出了一种新的求解多目标多阶段决策问题的优化方法——非支配排序动态规划法(Non-dominated Sorting Dynamic Programming,NSDP)。但NSDP求解效率低,难以应用于复杂系统求解,因此从充分利用计算机算力、提升非支配排序效率、降低非支配排序负担三个方面提出了NSDP的改进方法。在此基础上,提出了应用NSDP求解多目标多阶段决策问题的求解流程。通过应用NSDP求解常用多目标优化问题测试函数集中的FON测试函数,证明了NSDP求解多目标参数优化问题的可行性。应用NSDP与当前主流多目标优化算法(加权系数法和NSGA-Ⅱ)求解多目标单向旅行商问题,求解结果表明NSDP能够有效地求解多目标最优控制问题,且求解效率更高,所获得的非支配解集质量更好。在建立了混合动力汽车准静态后向仿真模型的基础上,以燃油消耗量和电池寿命为优化目标,分别构建了某串并联式混合动力汽车和某功率分流式混合动力汽车能量管理的多目标多阶段决策问题,并应用NSDP进行数值求解。与基于加权法的动态规划的求解结果对比表明,NSDP能够便捷而有效地获得混合动力汽车多目标能量管理优化问题的非支配解集。此外,利用NSDP求解了不同工况下的功率分流式混合动力汽车和串并联式混合动力汽车多目标能量管理优化问题。以多目标优化理论作为分析基础,对数值求解结果进行了对比分析,从而对比了上述两种混合动力系统的综合经济性,说明了NSDP能够为企业在混合动力系统开发前期选取合适的构型方案提供决策基础。

关键词：多目标优化非支配排序最优性原理混合动力汽车能量管理策略

基于非支配排序与遗传算法的毛边锯材优化下锯算法研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

中南林业科技大学学报 2023年第2期43卷 155-165页

作者：姜新波李珂杨春梅东北林业大学林业机械与木工工程技术中心黑龙江哈尔滨150040

【目的】为解决我国木材加工企业在毛边锯材锯切过程中存在出材率低和智能化加工能力不足的问题,本研究基于非支配排序与遗传算法提出一种毛边锯材优化下锯智能算法。【方法】通过分析毛边锯材下锯方式,确定了先截断后纵解再截断的加工... 详细信息

【目的】为解决我国木材加工企业在毛边锯材锯切过程中存在出材率低和智能化加工能力不足的问题,本研究基于非支配排序与遗传算法提出一种毛边锯材优化下锯智能算法。【方法】通过分析毛边锯材下锯方式,确定了先截断后纵解再截断的加工方法。分析毛边锯材传统纵向等宽锯切方法不足,以出材率为最终求解目标,完成两阶段优化下锯模型构建。将毛边锯材视作无缺陷锯材进行下锯方案求解,同时考虑出材率与坯料价值,基于坯料宽度编码,采用非支配排序与拥挤度排序确定个体优劣,提出多种群寻优策略完成种群迭代,获取多种下锯方案。取出所有下锯方案对原含缺陷锯材模拟锯切,使用遗传算法寻找方案的最优下锯顺序,以得到最终下锯方案。选用C++编程实现算法功能,并通过OpenCV C++编程显示仿真锯切结果。实测毛边锯材分别采用传统等宽锯切方法与本算法对锯材进行模拟锯切,对比锯切结果以验证算法可行性。【结果】本算法在使用不同横向截断长度、不同输入坯料宽度和不同锯材的情形下,仿真锯切结果均优于传统等宽锯切方法,锯材完整坯料出材率与总出材率明显提升。【结论】优化下锯方法相比传统等宽锯切方法可提供更好的下锯方案,能在一定程度上实现毛边锯材优化下锯,为我国毛边锯材智能化加工提供一种新的解决方案。

关键词：毛边锯材非支配排序遗传算法出材率优化下锯

在线全文

学校读者我要写书评

暂无评论

基于新型非支配排序的多目标麻雀优化算法

计算机应用研究 2022年第7期39卷 2012-2019页

作者：武文星田立勤王志刚张艺吴骏一桂方燚华北科技学院计算机学院北京101601 青海师范大学计算机学院西宁810016

针对麻雀搜索算法在求解多目标问题中的不足,并且在求解过程中易陷入局部最优与收敛性差的问题,提出了一种改进的多目标麻雀搜索算法。首先,引入了新型非支配排序,找到最优前沿面;其次,将多项式变异和正余弦算法融合到种群进化策略中,... 详细信息

针对麻雀搜索算法在求解多目标问题中的不足,并且在求解过程中易陷入局部最优与收敛性差的问题,提出了一种改进的多目标麻雀搜索算法。首先,引入了新型非支配排序,找到最优前沿面;其次,将多项式变异和正余弦算法融合到种群进化策略中,增强其搜索能力,通过竞争机制的种群选择方法,降低搜索过程中局部最优粒子和全局最优粒子导致的误差;最后,将改进算法与多种多目标算法在标准测试函数上进行对比,仿真结果表明,改进算法的收敛性与搜索能力均优于其他算法。由此说明该算法具有可靠的多目标寻优能力,能够有效解决多目标优化问题。

关键词：多目标优化 Pareto前沿麻雀搜索算法非支配排序竞争机制

机械臂轨迹的非支配排序高斯粒子群多目标优化

在线全文

学校读者我要写书评

暂无评论

机械设计与制造 2023年第11期393卷 230-234页

作者：刘祎宿迁学院机电工程学院江苏宿迁223800

为了减少机械臂的运行时间、能耗和冲击,提出了基于非支配排序高斯粒子群算法的机械臂轨迹多目标优化方法。以PUMA560机械臂为研究对象,根据需要设置了笛卡尔空间必经点,点与点之间使用5次多项式作为轨迹基元。以点与点之间的运行时间... 详细信息

为了减少机械臂的运行时间、能耗和冲击,提出了基于非支配排序高斯粒子群算法的机械臂轨迹多目标优化方法。以PUMA560机械臂为研究对象,根据需要设置了笛卡尔空间必经点,点与点之间使用5次多项式作为轨迹基元。以点与点之间的运行时间为优化参数,以运行时间、能耗、冲击最小为目标建立了多目标优化函数。将非支配排序融入到粒子群算法中,并对最优粒子施加高斯扰动得到其邻域,使用最优粒子邻域对粒子更新进行引导,有效提高了粒子群算法的多样性,从而提出了非支配排序高斯粒子群算法。使用此算法对多目标模型进行求解,经验证经过优化,运行时间比优化前减少了7.68%,总能耗减少了39.24%。脉动冲击减少了42.64%,充分说明了这里优化方法的有效性。

关键词：机械臂关节空间轨迹多目标最优高斯粒子群算法非支配排序

基于非支配排序遗传算法的辐射屏蔽多目标优化方法研究

在线全文

学校读者我要写书评

暂无评论

核动力工程 2020年第1期41卷 167-171页

作者：曹奇锋张震宇陈珍平马辉强于涛南华大学核科学技术学院湖南衡阳421001 湖南省数字化反应堆工程技术研究中心湖南衡阳421001

为提高反应堆辐射屏蔽结构设计效率与设计性能,减少传统辐射屏蔽设计方法的主观经验影响。本文基于非支配排序遗传算法对反应堆屏蔽结构开展多目标优化方法研究,并开发了反应堆辐射屏蔽多目标优化计算分析程序;利用典型反应堆辐射屏蔽... 详细信息

为提高反应堆辐射屏蔽结构设计效率与设计性能,减少传统辐射屏蔽设计方法的主观经验影响。本文基于非支配排序遗传算法对反应堆屏蔽结构开展多目标优化方法研究,并开发了反应堆辐射屏蔽多目标优化计算分析程序;利用典型反应堆辐射屏蔽结构模型对此优化方法和计算程序开展了初步验证。结果表明,非支配遗传算法可正确有效地用于辐射屏蔽结构的设计,优化效果显著。

关键词：辐射屏蔽非支配排序遗传算法多目标优化

基于非支配排序差异演化的应急资源多目标分配算法

在线全文

学校读者我要写书评

暂无评论

自动化学报 2017年第2期43卷 195-214页

作者：苏兆品张国富蒋建国岳峰张婷合肥工业大学计算机与信息学院合肥230009 合肥工业大学安全关键工业测控技术教育部工程研究中心合肥230009

应急资源分配(Emergency resource allocation,ERA)是灾害应急管理中的核心环节,主要研究如何高效合理地把各储备点的应急救援物资分配给各发放点.然而,在大规模突发灾害发生后,每个发放点极可能会同时向多个储备点请求多种救援物资,从... 详细信息

应急资源分配(Emergency resource allocation,ERA)是灾害应急管理中的核心环节,主要研究如何高效合理地把各储备点的应急救援物资分配给各发放点.然而,在大规模突发灾害发生后,每个发放点极可能会同时向多个储备点请求多种救援物资,从而带来潜在的应急资源冲突.为此,本文首先构建了考虑应急资源冲突消解的多储备点、多发放点、多种救援物资的应急资源多目标优化模型,并提出了一种基于非支配排序差异演化和编码修正机制的应急资源多目标分配算法.对比实验结果表明,该算法在大规模样本下能够从全局角度同时给出多个发放点的应急资源分配方案,有效实现多个储备点同时为多个发放点协同配备应急资源,而且不会产生任何应急资源冲突,为解决应急资源受限情况下的大规模应急资源分配问题提供了一个有益的尝试.

关键词：应急资源分配多目标优化差异演化非支配排序编码修正

基于快速非支配排序遗传算法的多目标聚类集成

在线全文

学校读者我要写书评

暂无评论

基于快速非支配排序遗传算法的多目标聚类集成

作者：李旭西南交通大学

学位级别：硕士

从互联网时代产生的海量具有丰富结构与特性的数据中挖掘有价值的信息成为当今机器学习研究的热点与难点。在此期间聚类集成技术以其优越的性能与无监督的特性成为研究的重点并被应用到各行各业。众多聚类集成技术普遍面向基聚类结果对... 详细信息

从互联网时代产生的海量具有丰富结构与特性的数据中挖掘有价值的信息成为当今机器学习研究的热点与难点。在此期间聚类集成技术以其优越的性能与无监督的特性成为研究的重点并被应用到各行各业。众多聚类集成技术普遍面向基聚类结果对集成策略进行设计,当基聚类结果普遍较差时聚类集成很难得到较优的结果。由此本文将聚类集成过程中同时使用样本数据与基聚类结果这一思想应用到所提出的模型中,并通过遗传算法进行求解。文中首先提出了快速非支配排序遗传算法多目标聚类集成模型。模型分别针对样本数据与基聚类结果设计一致性目标函数组成多目标公式组,旨在集成优化求解过程中同时对优化目标产生两个层面的共识指导。该模型首先将聚类集成任务在遗传算法中进行转化与定义,然后提出缩减编码策略与自适应变异概率来解决遗传算法在聚类集成求解过程中遇到的维度灾难与局部搜索问题,最后使用遗传算法对目标公式组进行求解。本文还提出了一种由成对约束引导的快速非支配遗传算法多目标聚类集成模型,该模型秉承了融合使用样本数据与基聚类结果这一思想,首先通过基聚类结果得到部分样本间的成对约束信息,再利用样本数据构造的相似性矩阵对部分约束信息进行传递,进而得到全部样本之间的成对约束信息,最后将得到的成对约束信息融入聚类集成多目标公式组中引导遗传算法迭代求解。最后将文中提出的两种算法在公开数据集上进行了实验。实验过程中选取经典聚类集成算法和前沿聚类集成算法进行对比实验,采用准确率、纯度和标准化互信息作为评价指标对结果进行评估。实验结果表明本文所提出的两个算法的性能优于其他算法。

关键词：多目标聚类集成遗传算法成对约束缩减编码自适应概率非支配排序

服装企业包装订单分配排序优化模型及其快速非支配遗传算法求解

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

纺织学报 2022年第5期43卷 156-162页

作者：潘佳豪周其洪岑均豪李姝佳周申华东华大学机械工程学院上海201620 东华大学数字化纺织服装技术教育部工程研究中心上海201620 广州盛原成自动化科技有限公司广东广州511400

为解决纺织服装生产企业包装出货过程中在包装订单分配与排序时存在的分配方案不合理、拖期时间长等问题,在考虑包装线机器分配及机器调整时间约束的情况下,建立以最小化最大完成时间和拖期时间为目标函数的包装订单分配排序两目标优化... 详细信息

为解决纺织服装生产企业包装出货过程中在包装订单分配与排序时存在的分配方案不合理、拖期时间长等问题,在考虑包装线机器分配及机器调整时间约束的情况下,建立以最小化最大完成时间和拖期时间为目标函数的包装订单分配排序两目标优化数学模型,并采用基于参考点的快速非支配遗传算法对模型进行求解,然后对优化解进行解码输出优化方案。通过该模型与算法求解相关企业的具体算例,结果表明:该模型输出结果缩短了最大完成时间,有效地控制了拖期,几种优化方案的平均最大完成时间相较于按交货期优先规则的方案缩短了4.7%,且所有方案的总拖期均小于4 h。研究成果在提升纺织服装生产企业的包装出货效率方面具有良好的应用与推广价值。

关键词：包装订单分配排序多目标优化非支配排序遗传算法服装企业

基于RQGA和非支配排序的多目标混沌量子遗传算法

在线全文

学校读者我要写书评

暂无评论

电机与控制学报 2012年第4期16卷 91-99页

作者：王瑞琪李珂张承慧裴文卉山东大学控制科学与工程学院山东济南250061 山东大学电力电子节能技术与装备教育部工程中心山东济南250061

为了提高多目标优化算法的收敛性、分布性和减少算法的计算代价,借鉴实数编码遗传算法和多目标优化理论,构建一种多目标混沌量子遗传算法。在分析量子位概率的混沌特性、量子态干涉特性和量子位实数编码的基础上,采用量子位概率交叉和... 详细信息

为了提高多目标优化算法的收敛性、分布性和减少算法的计算代价,借鉴实数编码遗传算法和多目标优化理论,构建一种多目标混沌量子遗传算法。在分析量子位概率的混沌特性、量子态干涉特性和量子位实数编码的基础上,采用量子位概率交叉和混沌变异的方式进化种群,以提高寻优能力和收敛速度,利用非支配排序、精英保留和分层聚类等多目标优化策略保持种群多样性的同时,保证进化向Pareto全局最优解集方向进行。通过混合算法性能对比测试验证了多算法集成的有效性,并分析关键参数对算法性能的影响。电力系统多目标无功优化的仿真结果验证了该算法的有效性和可行性。

关键词：量子遗传算法多目标优化非支配排序混沌无功优化