基于改进并列选择遗传算法的路网养护方案优化

针对公路路网养护需求矛盾,在综合考虑养护资金、投资效益和养护质量等必要目标的基础上,提出采用并列选择遗传算法结合惩罚函数算法对养护方案进行全局优化,使养护决策合理化、科学化。仿真结果表明:在对带约束条件的多目标养护决策优化中,改进并列选择遗传算法通过构造加以罚函数的适应度函数在解空间进行并列选择遗传进化,能够快速地搜索出16个全局最优解,为养护决策提供了准确的数值依据,与文献中数学规划和遗传算法最多2个最优解比对,验证了该算法的有效性和优越性。     

基于多目标遗传算法的高速公路多目标路面养护决策优化

高速公路多目标路面养护决策优化是高速公路路面养护决策优化未来发展的趋势,也是目前研究的热点。针对传统数学规划方法用于高速公路多目标路面养护决策优化的不足,引入了目前在多目标优化领域应用较多的带精英策略的非支配排序遗传算法NSGA-Ⅱ。将NSGA-Ⅱ应用于高速公路多目标路面养护决策优化问题中,仿真结果表明其性能优于传统的数学规划方法,具有广阔的应用前景。     

公路路线智能优化方法研究

公路路线优化属于多目标优化问题。传统优化算法难以解决具有模糊性、不确定性的路线优化问题。建立了基于GIS和遗传算法的公路路线智能优化模型,提出了基于GIS空间数据挖掘技术的选线环境知识获取模型和基于多目标遗传算法NSGA-Ⅱ的路线优化算法,解决了GIS与遗传算法集成、目标函数确定、遗传算法设计等关键问题。最后通过算例,验证了模型的有效性和实用性。     

多目标优化方法在公路养护中的应用

针对如制定公路养护决策等多目标优化问题难以用单一的目标优化函数求解的特点,在分析了传统数学规划优化方法的不足及遗传算法的适用性等基础上,提出了利用NSGA-II遗传算法优化公路养护决策问题,以提高公路养护决策的制定质量,合理安排养护成本,使其与收益、质量达到最优的模式。通过模拟分析得出:NSGA-II算法能很好地找出一系列最优组合,供决策者参考采纳。因此,这种算法能很好地解决公路养护等多目标优化问题。     

基于城市干道十字路口场景的纯电动汽车两目标优化研究

以某款纯电动汽车在城市双向四车道十字路口场景下运行的安全性和经济性为目标函数,进行了4种运行轨迹分析,采用NSGA-Ⅱ算法对车速和加速度进行优化求解,提出一种基于NSGA-Ⅱ算法的模糊控制策略,并制定相关的隶属度函数和模糊规则,验证了纯电动汽车双目标优化模型的准确性和可行性。结果表明,该目标函数很好地兼顾了纯电动汽车的安全性和经济性等问题,得到了纯电动汽车在双向四车道十字路口下的最优运行轨迹和最佳道路宽度,提高了纯电动汽车通过城市干道十字路口的安全性和经济性。     

基于遗传算法的盘式制动器多目标优化模型

介绍了盘式制动器混合多目标优化问题数学模型的建立，提出以制动摩擦力矩和制动时间为主要优化目标的多目标函数，为求得全局最优解，引进了遗传算法进行优化，结果表明，方法简便可行。     

基于遗传算法的动力总成悬置系统优化设计

发动机是汽车主要振源之一。悬置系统的设计水平直接影响到汽车的隔振性能。以能量解耦指标为目标函数对汽车动力总成悬置系统进行优化是一个有许多局部最优解的优化问题。对此,运用全局寻优能力很强的遗传算法求解。设计应用表明,对于常规梯度算法难以获得满意结果的实际问题,遗传算法往往可以给出各方向主运动均具有很高解耦度的设计方案。     

基于改进NSGA-Ⅱ和IGA-BP神经网络的索梁锚固区结构优化研究

为实现大跨度斜拉桥索梁锚固区钢锚箱的结构优化,依托某大跨度斜拉桥索梁锚固区结构实际工程,提出了一种基于NSGA-Ⅱ算法与IGA-BP神经网络模型的结构参数优化方法。首先基于BP神经网络确定了钢锚箱响应数据预测的拓扑结构,采用自适应交叉变异改进的遗传算法对钢锚箱结构响应神经网络预测模型的权值阈值调参,得到满足拟合精度要求的IGA-BP神经网络预测模型。然后建立考虑结构平均应力和主要板件上峰值应力的数学优化模型,采用改进交叉、变异算子的NSGA-Ⅱ算法设计了钢锚箱结构参数优化流程。最后联合改进NSGA-Ⅱ算法和IGA-BP模型实现了钢锚箱结构参数的优化求解。结果表明：自适应遗传算法对BP神经网络权值与阈值调参的效果良好,相较于标准BP神经网络,IGA-BP神经网络的拟合精度和训练效率均更高;改进NSGA-Ⅱ算法可以实现对钢锚箱结构参数的寻优求解,根据Pareto协调最优解的结果,钢锚箱支撑板与承压板厚度有一定增加,加劲板和锚垫板厚度略微降低;优化后的结构上平均应力降幅约为2.7%,其中承压板应力峰值由200.9 MPa降低至178.1 MPa,降幅约为11.3%,支撑板应力峰值由199.6...     

基于车道的单点交叉口公交被动优先控制模型

为解决公交优先控制策略优化中信号控制与车道功能划分的相互影响问题,从车道功能-信号控制组合优化的角度,基于通用的双环结构,提出以交叉口公交车延误和交叉口社会车流延误为目标的基于车道的单点交叉口公交被动优先控制多目标优化模型。给出了包括车道数、信号配时参数等一组约束条件以确保信号控制及车道功能划分解的可行性和交叉口的安全。运用第2代非支配排序遗传算法(NSGA-Ⅱ)对多目标优化模型进行了求解,并对一个实际交叉口进行了算例分析。结果表明:NSGA-Ⅱ具有较好的收敛性,且能够均匀地逼近模型的Pareto最优前沿的各部分;与传统的Webster方法相比,该公交被动优先控制模型在降低公交车流车均延误和社会车流车均延误综合性能指标上表现较好,并能够给出多目标条件下车道功能划分和信号配时的Pareto解集。     

基于代理模型的复合材料带加强筋板多目标优化

本文以复合材料带加强筋板的质量、刚度及屈曲载荷为优化目标,在铺层约束下对加强筋的铺层数、铺层顺序以及截面尺寸进行多目标优化。为了使NSGA-Ⅱ算法适应于可变铺层数的铺层顺序优化,对算法的基因编码方式进行改造并在遗传操作中引入Permutation操作。优化过程中采用代理模型对结构的刚度及屈曲载荷进行估计,减少了有限元模型的调用次数。算例表明通过优化算法的改造及代理模型的引入降低了优化成本。     

卵形钢丝气门弹簧多目标优化设计

气门弹簧广泛应用以卵形钢丝为截面的弹簧。以最大切应力最小和质量最轻作为设计目标,采用NSGA-Ⅱ算法基于MATLAB对卵形钢丝气门弹簧进行多目标优化设计。针对一实例的优化结果表明,可以准确快速得到可靠的Pareto最优解集,该优化设计方法可以为卵形钢丝气门弹簧设计提供参考。     

公路路线多目标遗传算法优化设计研究

公路路线设计是一个多目标的问题,传统将多目标转换为单目标优化方法存在目标统一准确性差的缺点,考虑多目标间的冲突性,提出采用多目标遗传算法进行路线优化。主要思想是通过建立多目标模型和路线线形模型,进行平面线形设计,经过纵断面优化后计算各目标函数值。采用快速非支配排序法对目标值进行排序,满足分布性的要求下构造非支配集,反复迭代计算后,输出满足终止条件的非劣解集。利用此算法进行实例验证,结果表明能在兼顾安全、经济、舒适、环保的目标下,给出一序列最优解,为路线方案决策提供直接依据。     

汽车前纵梁结构耐撞性分析及多目标优化设计

为提高汽车前纵梁结构的耐撞性和轻量化水平,文章对其进行多目标优化设计。基于动态落锤冲击试验,建立并验证了前纵梁有限元模型的准确性以及建模方法的可靠性。结合试验设计、粒子群优化（PSO）算法改进的支持向量机回归模型（SVR）和非支配排序遗传算法Ⅱ（NSGA-Ⅱ）,以减轻前纵梁质量和增加其比吸能为优化目标,对前纵梁的结构进行确定性优化和可靠性优化。结果表明,优化后的前纵梁结构耐撞性和轻量化水平都有了提升,同时也保证了设计的可靠性。     

基于遗传算法的公路平面优化

提出了一种基于遗传算法的公路平面线形优化方法,将遗传算法应用于公路平面优化设计,更好地解决了目前传统算法难于处理的一些问题。首先根据平面初始解建立一个可行域,利用浮点编码选择平面坐标作为染色体,然后对可行域中的可能解用一个评价函数(适应度)来度量,利用交叉、变异算子在可行域中选择最优解。实践表明:该方法具有全局解空间搜索能力,从而实现了全局寻优的目的,对公路平面优化设计是有效、可行的。     

混合动力汽车复合电源参数优化与试验研究

提出了混合动力汽车用复合电源系统的构型及其控制策略,分析确定了满足整车动力性能要求和工程约束下复合电源参数的范围.以动力性指标为约束,能耗最小、电源成本最低和电池峰值电流最小为目标函数,采用NSGA-Ⅱ算法对复合电源参数进行了多目标优化.仿真结果验证了优化的有效性.对复合电源和单一电池的功能样机进行了循环工况试验.结果...     

基于LSSVM和NSGA-Ⅱ混凝土耐久性多目标配合比优化

为减少由于耐久性不足而导致的混凝土结构劣化损伤，实现快速准确地确定配合比优化方案，以吉林某隧道工程为背景，选择混凝土耐久性主要指标抗冻性（动弹性模量）和抗渗性（氯离子渗透系数）为研究目标，建立一种LSSVM-NSGA-Ⅱ算法。基于原材料及配合比，利用最小二乘支持向量机（LSSVM）模型实现混凝土动弹性模量和氯离子渗透系数耐久性指标高精度预测，将回归预测函数作为适应度函数并结合规范及工程项目要求建立原材料及配合比相关的约束条件；在此基础上，利用NSGA-Ⅱ实现多目标优化。研究结果表明： 1）将相对动弹性模量和氯离子渗透系数作为耐久性评价指标并利用LSSVM模型进行预测的结果精度高； 2）所得预测回归函数作为适应度函数，以混凝土抗冻性和抗渗性为目标，利用NSGA-Ⅱ算法进行多目标优化后，可以获得配合比优化目标值； 3）经试验可知，混凝土工作性能等均符合规范和工程项目要求，且与工程实际情况相符。研究结果反映了该模型在配合比多目标寻优中的智能化、精准化。     

基于改进NSGA-Ⅱ的汽油机标定优化研究

针对车用汽油机标定成本高、开发周期长等问题，提出一种车用汽油机的标定优化方法，以提高标定效率。建立发动机稳态工况的高斯过程回归模型，通过少量的试验数据预测燃油消耗率(BSFC)、氮氧化合物(NO_x)等发动机性能和排放参数，并引入决定系数(R²)评估模型质量。在非支配排序中加入了约束违反并引入混合交叉算子对NSGA-Ⅱ进行改进。将预测模型作为改进NSGA-Ⅱ的目标函数，进行发动机标定优化。采用一种平滑校准图自动生成的方法，根据校准图性能和平滑度，以自动方式选择最终校准图。结果表明：对于标准测试函数，改进NSGA-Ⅱ算法的分布性最高提升21.41%,应用于发动机标定优化，为决策者提供了更多的优选方案。将改进的NSGA-Ⅱ算法与平滑校准图自动生成方法结合，在WLTC循环工况下，标定结果相较于人工标定校准图，燃油消耗率降低了1%,NO_x排放降低了5%,为减少发动机标定工作量提供了参考。     

不确定层次分析下的桥梁评估最优指标权重确定

针对不确定层次分析法在桥梁评估中的不足,通过对不确定性判断原理进行分析,利用元素相离度的概念提出了一种求解指标权重的新方法,即根据不确定判断矩阵中的未知权重构造了一种目标优化模型,并利用计算智能中的实数遗传算法将优化模型转化为无约束的目标优化函数,通过复制、交叉、变异等遗传算子进行全局优化搜索,从而获取指标的最优权重。通过对2个算例的指标进行不确定判断,并对不同优化算法获取的优化结果进行分析比较,分析结果表明,新方法不仅能搜索到更优解,而且能获得更优权重,因此,验证了采用新方法的可行性。     

锂电池热管-液冷板式冷却结构多目标优化

为满足锂电池成包后的温度一致性需求，本文提出一种基于热管与液冷板的复合冷却结构。利用数值模拟对液冷板内两种不同流道（流道Ⅰ和流道Ⅱ）的冷却性能进行对比，结果表明流道Ⅱ的冷却性能更优；采用正交试验法筛选出4个对流道Ⅱ冷却性能影响较大的结构因素作为设计变量，以电池组温差和冷却液压降为目标函数，建立设计变量与目标函数之间的Kriging代理模型并采用NSGA-Ⅱ遗传算法进行寻优。与初始结构相比，优化后的流道II对应的电池组温差和冷却液压降分别降低了10.52%和50.14%，而电池组最高温度仅升高了0.68%。本文的方法和结论可为热管式锂电池冷却结构的设计与优化提供借鉴。     

NSGA-II在发动机尾气排放多目标 优化问题中的应用

空气污染和全球变暖问题逐步恶化,全球能源紧缺和环境污染带来严峻形式逐渐进入人们的视野,探索NSGA-Ⅱ在发动机尾气排放多目标优化问题中的应用以应对各国日渐严格的燃油消耗政策和汽车排放法规。文章对双燃料(柴油和富氢压缩甲烷)反应性控制的压缩着火(RCCI)系统进行优化,建立数学模型,将发动机排放和性能特性对发动机负荷、发动机转速、当量比和燃料百分比等因素的响应进行关联。最后,利用所建立的模型和NSGA-Ⅱ(非支配排序遗传算法Ⅱ)方法,对各因素进行了优化。用NSGA-Ⅱ法优化发动机参数的结果令人满意,并提出了不同试验条件下的帕累托前沿。研究结果表明,在使用双燃料发动机,可用数值模拟和分析来优化发动机的运行参数,从而减少污染物排放,达到双燃料(柴油和富氢压缩甲烷)反应性控制的压缩着火(RCCI)点火在不同负荷下一氧化碳和氮氧化物的排放是双燃料发动机优化问题的改进。