基于改进NSGA-Ⅱ算法的路网养护决策优化研究

针对公路路网的养护需求矛盾,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,提出采用带精英策略的非支配排序遗传算法(NSGA-Ⅱ)结合惩罚函数算法对养护方案进行全局优化,使得养护决策合理化、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,改进的NSGA-Ⅱ算法通过构造加以惩罚函数的适应度函数在解空间进行搜索,能够快速地找出全局最优养护解集,为养护决策提供准确的数值依据,与数学规划和遗传算法比对验证了该算法的有效性和优越性。     

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。     

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。     

遗传算法在混合动力汽车参数优化中的应用

混合动力汽车的动力部件参数和控制器参数对整车燃油经济性和排放有重要的影响。文章分别以基于遗传算法的3种算法：权重系数法、并列选择法和共享函数法对一辆样车的参数进行离线仿真。结果表明,应用这些方法获得的优化参数,在满足车辆特定性能的前提下能有效地减少油耗和降低排放。对比分析优化结果,找出最适合HEV参数优化的算法,并给出参数优化的多组Pareto最优解。     

基于遗传算法的机液传动系统参数匹配研究

本文中对一款机液复合传动变速器进行运动学、动力学和能量管理分析,确定装配方案和基本参数。采用基于Pareto最优原理的多目标遗传算法研究传动系统的参数匹配问题,包括选择优化目标、确定设计变量和约束条件等。建立基于modeFRONTIER的传动系统多目标优化模型,分别以爬坡度和燃油消耗率为动力性和经济性的目标函数,采用多目标遗传算法,结合实验设计,对模型进行全局搜索寻优。结果表明:爬坡度平均值为27.26°,95%置信区间为[26.36°,28.16°],Pareto最优解为27.93°;燃油消耗率平均值为208.88 g/(kW·h),95%置信区间为[208.62,209.13]g/(kW·h),Pareto最优解为206.76 g/(kW·h)。随着优化迭代步数的增加,爬坡度和燃油消耗率两个目标值都将在一个小范围内收敛,且设计变量的Pareto最优解很好地满足传动系统的匹配要求。     

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。     

基于多目标遗传算法的复合式盾构刀盘刀具布置优化

为了提高复合式盾构刀盘掘进的稳定性,刀盘上滚刀的优化布置成为设计的核心问题。通过分析滚刀的受力,确定以滚刀极径与极角作为设计变量、滚刀布置原则作为约束的数学优化模型;采用多目标Pareto解的非劣性分层遗传算法将多个目标函数同时优化,根据目标函数最优原则在Pareto最优解集中选择满足要求的优化方案。应用该优化方法对广州地铁某复合式盾构刀盘进行优化布置。研究结果显示:优化后(边滚刀数量为9时),径向载荷合力减小了21.3%,倾覆合力矩减小了17.8%,破岩量方差减少了15%,表明所建模型及使用的多目标Pareto解的非劣性分层遗传算法是可行和有效的。     

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。     

基于改进二次粒子群算法的汽车零配件配载优化

综合考虑汽车零配件物流运输配载过程中成本、资源及服务质量等决策要素,建立了汽车零配件配载优化模型。引入二次粒子群算法对该问题进行求解,并针对该算法在搜索早期粒子多样性低的缺点,提出了改进二次粒子群优化算法,它采用遗传算法的变异思想和互换更新机制来提高种群的多样性,以避免过早收敛和改进优化效果。仿真实例表明,与原算法相比,改进后算法的计算效率显著提高,且搜索到全局最优解的概率也更高。     

基于多目标优化的多塔特大斜拉桥索力优化研究

为探究在多参数作用下多塔斜拉桥索力优化方法,基于多目标优化理论,构建了以主梁弯曲应变能和主塔纵向水平位移为目标函数,使用界限构造法建立了迭代过程中适应度函数,联合改进遗传算法和RBF神经网络对索力进行了优化求解,并将计算结果与单目标优化的主梁弯曲应变能和主塔纵向水平位移进行了对比。结果表明:改进遗传算法具有良好的泛化能力和全局寻优能力,主梁弯曲应变能和主塔纵向位移均有一定程度下降,与单目标优化相比,虽然弯曲应变能相比提高,但是主塔纵向位移得到了有效控制。改进遗传算法联合RBF神经网络的索力优化方法确保了结构处于全局最优状态。     

基于遗传算法的汽车滑行阻力系数测定方法

把解超越方程组转化为一个函数在一定区域内的优化问题，利用遗传算法的全局搜索性和隐含并行性，通过实数编码，赌盘选择，算术交叉，均匀变异，同时采用最优保存策略，一代代地进行优化直到转化而成的函数收敛到零或接近于零为止，从而求出方程组的解，即为汽车滑行试验所需要确定的滑行阻力系数。     

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。     

克隆选择算法在一类有竞争的物流配送中心选址问题中的应用

根据有竞争的物流配送中心选址问题的特点,以新增物流配送中心获取最大的市场占有量为目标函数,建立了有竞争的物流配送中心选址问题的数学模型。由于建立的数学模型是一个高维、非线性、非凸性,并具有多个局部极值点的复杂函数优化问题,传统确定性优化算法很难求解得到问题的最优解或满意解。为此,提出将一种新型的启发式进化算法——克隆选择算法用于求解建立的数学模型,并详细描述了应用克隆选择算法求解数学模型的方法和步骤。仿真试验表明,克隆选择算法求解有竞争的物流配送中心选址问题是可行而有效的,并且具有收敛速度快、全局搜索能力强和稳定性好的优点。     

基于宏观交通流量模型的公路养护策略优化研究

提出基于宏观交通流量模型的公路养护策略优化方法。公路养护模型主要基于宏观交通流量模型MTFM构建,进行公路交通状况模拟时主要统筹考虑工区及邻近公路的影响,施工区对交通流的影响在整个路网层级予以考虑。此外,公路养护模型采用遗传算法进行养护策略优化,采用此算法可生成多种公路养护策略并求出最优解,从而可减少公路养护作业对路网中交通的影响。     

基于ATIS下的OD矩阵估计

利用ATIS收集的信息,通过广义最小二乘模型,建立了一种新的OD矩阵估计方法。新方法利用ATIS能得到装有GPS车辆的路段选择比例矩阵,据此可推出网络中全部车辆的路段选择比例矩阵的期望值,克服了传统方法采集数据难、数据精度低等缺陷。新方法能获得实时可靠的数据,能对OD矩阵进行实时更新,从而增强了数据的实效性。在对新方法解的有关性质进行分析的基础上,给出了相应的求解算法,得出新方法的目标函数局部最优解是全局最优解,目标函数的解不唯一,但OD估计量唯一。数值仿真表明新算法非常有效,与传统方法相比,新方法是一种精度高、可靠性强的估计方法。     

基于蚁群算法求解物流订单派送问题

针对物流信息平台中的订单派送问题,研究了订单派送的单向性和路径最优特性,构建了路径选择模型,对费用最少和时间最短的双目标优化函数进行了分析,将基本蚁群算法进行了改进。通过对局部信息素进行外界人为的干扰,从而影响整个网络选择,使得路径选择全局最优,解决了基本算法在求解最短路径中计算时间长的问题。模拟结果表明,计算速度提高了30%。     

基于遗传蚁群算法的履带式混合动力车辆控制策略参数优化

针对控制策略参数优化中存在的问题,提出一种基于遗传蚁群算法的履带式混合动力车辆整车控制策略参数优化的新方法。基于优化设计的思想,以最小燃油消耗量为目标函数,建立控制参数优化问题的数学模型,然后结合遗传算法和蚁群算法各自的优点提出一种遗传蚁群优化算法,并对控制策略参数优化问题进行数值求解。结果表明,优化后车辆燃油消耗减少14.9%,说明该方法可以找到一组全局最优的参数,大大缩短控制参数的实车标定时间。     

基于偏好序的桥梁结构全寿命抗震设计多目标优化模型

为综合考虑地震作用下结构的经济及性能等因素,将基于偏好序的交互式多目标综合优化决策方法应用于梁式桥梁全寿命抗震性能设计中。以单柱桥墩为例,令全寿命费用最低、强度安全及变形可靠指标最高为设计目标;根据工程经验分别引入考虑位移延性的经济偏好和安全偏好,并建立相应的价值函数,此交互式多目标优化问题的最终解可逐步收敛到与经济或安全偏好序一致的优化区域。研究结果表明:在桥梁全寿命抗震性能设计中,基于偏好序的交互式多目标优化决策模型可同时满足不同设防水准下多个性能目标的要求;较传统多目标优化算法中存在的问题,即优化结果分布广泛致使设计者无从选择,以及目标过多时无法获取全局Pareto前沿,该模型可通过逐步引入设计者偏好序以获得相应的全局最优解;该模型克服了规范算法反复试算和被动校核的缺点,通过指引其解沿当前价值函数的梯度方向主动搜索,最终可获取满足预期费用最低或安全最高偏好序,且兼顾位移延性需求的最终满意解。     

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。