共查询到10条相似文献，搜索用时 31 毫秒
1.
在常规免疫克隆约束多目标进化算法中,优秀不可行解易被淘汰,且无法直接学习进化经验。针对该问题,提出了基于环境策略的免疫克隆约束多目标进化算法。其基本思想是,在约束处理前,通过环境策略用Pareto支配形成初始抗体群,利用一个精英种群对初始抗体群进行存储|约束处理后,用环境策略变异替换克隆变异。数值实验结果表明,新算法不仅可以有效地处理约束条件,而且解的多样性和均匀性均得到一定程度改进。 相似文献
2.
为了综合考虑锅炉燃烧优化问题中锅炉效率与NOx排放2个目标,提出了一种新的基于免疫细胞亚群的多目标优化算法ICSMOA.算法定义了亚群划分算子与免疫耐受算子,亚群划分可以很方便地表达偏好,免疫耐受则能保证解的分布性.ICSMOA的运行结果为一组Pareto最优解,而传统的加权法的运行结果为一个不能判断Pareto占优与否的解.与多次运行加权法获得的结果相比,所提算法的运行结果优于加权法.另外,运行ICS-MOA所获得的Pareto前沿不同于经典的多目标优化算法,它可以输出更多的满足决策者偏好的解,从而更适合于工业应用. 相似文献
3.
针对现有的多目标粒子群算法易陷入局部最优、难以平衡收敛性和多样性等方面的问题，提出一种协同控制多目标粒子群算法(CCMOPSO)。首先，算法脱离Pareto支配关系采用成就标量函数更新pbest。其次，提出了一种平均角度和最低距离相结合的协同策略，以删除外部存档中性能不好的非劣解。从而对存档进行维护，平衡收敛性和多样性，有利于非支配解逼近Pareto前沿。最后，将CCMOPSO算法与几个多目标优化算法在15个测试问题上进行仿真实验。实验结果分析表明CCMOPSO算法的有效性可以很好地平衡收敛性和多样性，避免陷入局部最优。从而说明CCMOPSO算法在处理多目标优化问题表现出较强的竞争力。 相似文献
4.
卜质琼 《广东技术师范学院学报》2009,(3):42-44,48
多目标优化演化算法能够被应用到经济管理以及工程问题上,事实上,几乎所有现实中的设计问题都可以规约到多目标优化问题。本文提出了一个新的基于演化算法的多目标优化算法,通过对ZDT系列函数的测试表明该算法能够得到前沿点非常密集的近似Pareto前沿,该前沿覆盖理论上的Pareto前沿,表明该算法具有良好性能。 相似文献
5.
在目标跟踪过程中,当目标满足群目标条件时,多目标跟踪由于跟踪波门交叉严重,往往会误相关,因此传统的多目标跟踪方法在群目标跟踪中并不适用。为了能够有效跟踪群目标,及时获得群目标的动态信息,研究人员提出了群目标重心跟踪的思想。合并是群的一大特征,也是群跟踪过程中的一大难点。在群重心跟踪算法基础上,把合并分为点迹与航迹合并,以及航迹与航迹合并两种情况。后者采用双门限方法判断群是否可以合并,并分析了群跟踪门的构建过程。仿真验证结果表明,在群合并过程中,依然能够稳定跟踪。因此,该算法能够有效跟踪群目标,及时获取群目标的动态信息。 相似文献
6.
张顺淼 《福建工程学院学报》2011,9(1):86-91
组卷问题是一个多约束多目标组合优化问题。建立了一种新的组卷数学模型,提出了一种改进粒子群算法(IPSO)的智能组卷算法。在组卷之前,先采用贪婪算法进行预处理,有效提高了算法的收敛速度。在进化过程中引入保优策略,避免适应值高的粒子被淘汰。采用自适应交叉和变异算子进行调整,避免了局部收敛现象。实验结果表明,改进的粒子群算法应用在多目标智能组卷中具有较好的组卷性能。 相似文献
7.
Jin CHENG ;Gui-fang DUAN ;Zhen-yu LIU ;Xiao-gang LI ;Yi-xiong FENG ;Xiao-hai CHEN 《浙江大学学报(A卷英文版)》2014,(10):774-788
研究目的：为改善实际工程结构在不确定性条件下的多性能指标,提供一种高效的区间多目标优化方法。创新要点：建立一个目标和约束均为区间不确定性参数函数的区间约束多目标优化模型,提出并实现基于径向基函数、区间分析和非支配排序遗传算法（NSGA-II）的区间多目标优化算法。研究方法：首先,利用区间序关系将每个区间目标转换为同时优化其中点和半径的确定性双目标,利用区间可能度法将区间约束转换为确定性约束,并在此基础上,利用加权法和罚函数法将每个区间目标的约束优化问题转换为相应的无约束优化问题;然后,利用拉丁超立方实验设计和有限元分析构建预测各待优化结构性能指标值的径向基函数;最后,将径向基函数、区间分析法与NSGA-II相结合,快速求出转换后确定性无约束多目标优化问题的所有Pareto最优解,并通过考虑材料不确定性的高速压力机滑块机构设计实例验证该方法的有效性。重要结论：目标和约束均为不确定性参数函数的区间多目标优化模型能有效反映实际工程中同时改善结构多性能指标的需求。基于径向基函数、区间分析和NSGA-II相结合的区间多目标优化算法将传统区间优化模型求解中的嵌套优化过程简化为单层遗传优化过程,大大提高了求解效率,并可获得多目标优化问题的所有Pareto最优解。 相似文献
8.
宋三华 《实验室研究与探索》2018,(4)
为了解决云环境中截止时间约束下工作流调度代价优化问题,提出一种基于两阶段动态目标的工作流调度算法TDO-PSO。算法以粒子群进化为基础,定义了工作流任务与资源间的编码机制,设计了满足工作流目标优化的适应度函数。同时,为了适应紧密截止时间约束时可行解搜索困难的问题,设计了两阶段动态目标的搜索模式。在第一阶段,当无法得到可行解时,将满足截止时间约束的最小化执行时间设置为优化目标;在第二阶段,如果获得了可行解,则设置满足截止时间约束的最小化执行代价为优化目标。实验结果表明,TDO-PSO算法不仅可以得到更小的执行代价,且更能够适应紧密截止时间约束。 相似文献
9.
《武汉职业技术学院学报》2019,(6):90-94
为了克服PID控制器参数整定时适应度函数权重难以选择的问题,提出一种多目标粒子群优化算法。该算法不需要设置权重参数,采用精英归档策略,按照Pareto最优原则,对控制系统阶跃响应的超调量和上升时间两项指标进行优化,从而实现PID控制器参数的自动整定。仿真结果表明,该算法可以获得大量优质Pareto最优解,解的质量优于其它方法。 相似文献