期刊文献+
共找到10篇文章
< 1 >
每页显示 20 50 100
面向某制造业多级供应链优化的第二代非支配排序遗传算法改进 被引量:1
1
作者 汪治学 何茂伟 +1 位作者 王国鹏 陈瀚宁 《计算机集成制造系统》 北大核心 2025年第6期2261-2278,共18页
针对大型制造企业在供应链优化过程中存在的经济性、消费者忠诚性和运营效率冲突问题,以供应商、制造商、中转仓库、零售商和消费者在内的五级供应链网络为研究对象,选取供应链网络的总成本、消费者满意度和现金转换周期等多个目标建立... 针对大型制造企业在供应链优化过程中存在的经济性、消费者忠诚性和运营效率冲突问题,以供应商、制造商、中转仓库、零售商和消费者在内的五级供应链网络为研究对象,选取供应链网络的总成本、消费者满意度和现金转换周期等多个目标建立优化模型,并提出一种基于信息平台的供应链协同运作模型。结合实例,通过改进第二代非支配排序遗传算法(NSGA-Ⅱ),加入混合编码和动态拥挤距离环境选择策略,设计了改进算法NSGA-Ⅱ-DC。理论函数测试结果表明,NSGA-Ⅱ-DC在收敛性和多样性上明显优于5款经典的多目标进化算法。通过在一个具有多产品、多阶段的五级供应链网络模型上验证表明,NSGA-Ⅱ-DC能够对所提模型进行有效优化。通过层次分析法得到供应链网模型的最优方案,可为决策者提供较强的理论决策依据。 展开更多
关键词 供应链网络设计 多目标优化 动态拥挤距离 第二代非支配排序遗传算法
在线阅读 下载PDF
基于动态ε支配的多目标遗传算法
2
作者 李珂 郑金华 周聪 《计算机工程与应用》 CSCD 北大核心 2009年第1期69-72,共4页
基于Pareto支配的MOEA存在着一些缺陷,如容易出现退化现象等。而基于ε支配的MOEA可以比较好地解决这些问题,并具有比较理想的收敛性和分布性。但是采用传统的ε-MOEA时,最大的困难就是ε的值的设定,并且传统的MOEA得出的解在边界部分... 基于Pareto支配的MOEA存在着一些缺陷,如容易出现退化现象等。而基于ε支配的MOEA可以比较好地解决这些问题,并具有比较理想的收敛性和分布性。但是采用传统的ε-MOEA时,最大的困难就是ε的值的设定,并且传统的MOEA得出的解在边界部分个体的丢失现象也比较严重。针对这种情况提出了一种新的基于动态ε支配的多目标遗传算法(DEMOEA),它不需要手动设定ε的值,并且引入了动态网格概念来改善边界解丢失的现象。通过与其他两个经典的多目标进化算法的NSAGA-Ⅱ和SPEA-2的对比实验,表明提出的DEMOEA能在收敛性、分布性有较好的改进。 展开更多
关键词 多目标优化 动态ε支配 基于动态ε支配的多目标遗传算法(demoea)
在线阅读 下载PDF
基于改进NSGA-Ⅱ算法的航空器滑行路径多目标优化
3
作者 钟庆伟 唐浩铭 +3 位作者 庾映雪 张永祥 姚俊杰 潘明思语 《科学技术与工程》 北大核心 2025年第20期8737-8744,共8页
随着全球航空业的快速发展,机场场面航空器滑行管理难度增加,如何在保障安全和提升效率的同时减少对环境的影响变得尤为重要。针对该问题,以预防滑行路径冲突为基础约束条件,以滑行时间最短和二氧化碳(carbon dioxide,CO_(2))排放量最... 随着全球航空业的快速发展,机场场面航空器滑行管理难度增加,如何在保障安全和提升效率的同时减少对环境的影响变得尤为重要。针对该问题,以预防滑行路径冲突为基础约束条件,以滑行时间最短和二氧化碳(carbon dioxide,CO_(2))排放量最小为优化目标建立混合整数线性优化模型,并设计非支配排序遗传算法Ⅱ(non-dominated sorting genetic algorithmⅡ,NSGA-Ⅱ)进行动态求解。最后,以中国某枢纽机场为算例背景,借助Python语言实现NSGA-Ⅱ算法,并与商业优化求解器Gurobi进行对比。计算结果表明:航空器数量为14架次时,与优化前相比,总滑行时间减少约17.46%,CO_(2)排放量降低约18.35%;NSGA-Ⅱ算法得到的可行解与Gurobi所求最优解间的距离为1.083%,但NSGA-Ⅱ的求解时间相对减少95.0%。同时,通过多个算例测试表明,NSGA-Ⅱ算法在处理大规模多目标路径优化问题时具有显著优势。所提出的优化方案可有效提升机场场面运营效率并减少CO_(2)排放。 展开更多
关键词 滑行路径优化 多目标优化 支配排序遗传算法(NSGA-Ⅱ) 数学求解器 动态优化 CO_(2)排放
在线阅读 下载PDF
基于改进NSGA-Ⅲ的多Delta机器人协作食品动态分拣研究
4
作者 郭凌岑 王海晖 +1 位作者 赵小霏 王思璐 《食品与机械》 北大核心 2025年第7期72-77,共6页
[目的]探索提升多Delta机器人协作的食品动态分拣准确率和效率的方法。[方法]基于多Delta机器人食品自动化生产线,提出一种结合动态目标跟踪、多机器人任务分类和机器人轨迹规划的多Delta机器人协作食品动态分拣方法。通过精确计算传送... [目的]探索提升多Delta机器人协作的食品动态分拣准确率和效率的方法。[方法]基于多Delta机器人食品自动化生产线,提出一种结合动态目标跟踪、多机器人任务分类和机器人轨迹规划的多Delta机器人协作食品动态分拣方法。通过精确计算传送带移动距离,并结合相机实时采集的目标坐标信息,实现对食品动态位置的精准捕捉。通过集中控制分配策略,根据各机器人的工作状态与任务优先级,科学合理地进行任务分配。通过改进的第三代非支配排序遗传算法和5次非均匀有理B样条曲线实现多目标综合最优轨迹规划。并通过搭建试验平台对所提方法的性能进行全面验证。[结果]试验所提多Delta机器人协作分拣方法具有优异的性能。在实际运行中,该方法实现了食品分拣的高精度、高效率与高稳定性,分拣成功率为100%,分拣平均时间为0.231 s,平均运行冲击为4.45×10^(3)(°)/s^(3),平均运行能耗为2.45×10^(2)(°)/s^(2),有效满足了食品生产对高效、稳定作业的需求。[结论]通过优化现有动态分拣方法并结合多机器人可以实现食品的准确、高效和稳定分拣。 展开更多
关键词 食品自动化生产线 多Delta机器人 动态目标跟踪 第三代非支配排序遗传算法 非均匀有理B样条
在线阅读 下载PDF
基于动态双种群NSGA2算法的分布式柔性作业车间调度研究 被引量:2
5
作者 汪豪 谢辉 李艳武 《机电工程》 CAS 北大核心 2024年第12期2252-2260,共9页
在分布式柔性作业车间多目标调度问题的求解过程中,存在调度规模大、多个目标难以协调等缺陷。针对上述缺陷,提出了一种改进的非支配排序遗传算法Ⅱ(NSGA2),并对分布式柔性作业车间多目标调度问题进行了求解。首先,建立了以完工时间、... 在分布式柔性作业车间多目标调度问题的求解过程中,存在调度规模大、多个目标难以协调等缺陷。针对上述缺陷,提出了一种改进的非支配排序遗传算法Ⅱ(NSGA2),并对分布式柔性作业车间多目标调度问题进行了求解。首先,建立了以完工时间、机器负荷、能耗为优化目标的分布式柔性作业车间多目标调度模型;然后,基于帕累托(Pareto)等级特点设计了一种动态双种群搜索策略和种群划分机制,以替代传统的选择操作,并对每个种群采用了不同的搜索策略;针对关键工厂,在第二个种群中设计了局部搜索策略,基于Pareto等级的支配关系设计了Q学习的状态、奖励函数,采用Q学习对双种群的数量比例进行了自适应调整;最后,采用扩展的基准算例对该改进算法的有效性进行了验证,并将其与其他算法进行了对比分析。研究结果表明:采用动态双种群搜索策略改进的NSGA2算法能有效保持种群多样性,且不易陷入局部最优,提高了算法的求解质量。该改进算法与传统NSGA2算法相比,多样性评价指标平均提高了15.34%,收敛性评价指标平均提高了76.37%,证明了该算法在解决分布式柔性作业车间多目标调度问题上的优越性。 展开更多
关键词 柔性作业车间调度问题 分布式多目标柔性作业车间 车间多目标调度问题求解 帕累托等级 改进非支配排序遗传算法 动态双种群搜索策略 Q学习
在线阅读 下载PDF
多阶段多目标动态测试资源分配算法 被引量:5
6
作者 牛福强 张国富 +1 位作者 苏兆品 岳峰 《计算机工程与设计》 北大核心 2020年第3期656-663,共8页
为准确反应软件测试过程中的动态特征,建立一种多阶段多目标动态测试资源分配模型。通过计算不同测试阶段的模块参数和可用测试资源,实现每个测试阶段最小剩余错误总数和最少测试资源消耗。设计一种基于带精英策略的非支配排序遗传算法(... 为准确反应软件测试过程中的动态特征,建立一种多阶段多目标动态测试资源分配模型。通过计算不同测试阶段的模块参数和可用测试资源,实现每个测试阶段最小剩余错误总数和最少测试资源消耗。设计一种基于带精英策略的非支配排序遗传算法(NSGA-Ⅱ)、参数估计、种群重新初始化和约束处理的多阶段多目标动态测试资源分配算法。实验结果表明,所提模型和算法得到的测试资源分配方案的数量和质量明显优于动态单目标和静态多目标方法。 展开更多
关键词 软件测试 动态测试资源分配 多阶段 多目标优化 带精英策略的非支配排序遗传算法
在线阅读 下载PDF
基于NSGA-II的多目标设备动态布局方法 被引量:14
7
作者 黄君政 李爱平 雷明 《中国工程机械学报》 2014年第1期1-6,共6页
对多个计划期内需求可预测的车间动态设备布局问题进行了研究.针对这一多目标、多约束的问题,以物流搬运和重布局费用之和、非物流关系以及面积利用率作为优化目标,将动态布局问题转化为重布局过程和多个子计划期的静态布局问题,构建了... 对多个计划期内需求可预测的车间动态设备布局问题进行了研究.针对这一多目标、多约束的问题,以物流搬运和重布局费用之和、非物流关系以及面积利用率作为优化目标,将动态布局问题转化为重布局过程和多个子计划期的静态布局问题,构建了针对不等面积设备的动态多期布局问题的连续型多目标优化模型.采用带精英策略的非支配遗传算法(Non-dominated Sorting Genetic Algorithm II,NSGA-II)进行求解,克服了传统加权法求解多目标问题时加权系数难以确定和无法保证多目标同时优化的缺点,求解得到Pareto解集,供决策者根据企业实际情况优中选优.通过实例验证了本方法的有效性. 展开更多
关键词 设备动态布局 连续模型 多目标优化 带精英策略的非支配遗传算法 PARETO解集
在线阅读 下载PDF
动态多目标无功/电压规划的Pareto最优集的求取 被引量:1
8
作者 张安安 杨洪耕 杨坤 《电子科技大学学报》 EI CAS CSCD 北大核心 2010年第4期634-639,共6页
动态多目标无功/电压规划问题是一个复杂的多目标非线性优化问题。广泛使用的先评价方法通常只能得到这一问题的单一解,并且在确定各目标间的权重关系时难以给出统一的标准,因而不利于作为实际控制的参考。该文通过创建该问题的多目标... 动态多目标无功/电压规划问题是一个复杂的多目标非线性优化问题。广泛使用的先评价方法通常只能得到这一问题的单一解,并且在确定各目标间的权重关系时难以给出统一的标准,因而不利于作为实际控制的参考。该文通过创建该问题的多目标数学模型,将动作次数限制归纳为优化目标之一,并应用改进的非支配遗传算法(NSGA-II),实现了动态多目标无功优化问题的Pareto近似最优集的求解。通过IEEE14、30节点电网模型及实际电网模型的计算,验证了该方法的有效性。 展开更多
关键词 动态无功优化 多目标优化 支配遗传算法 PARETO最优解集
在线阅读 下载PDF
基于多目标的含风电场动态环境经济调度 被引量:4
9
作者 魏乐 李希金 《系统仿真学报》 CAS CSCD 北大核心 2020年第9期1825-1830,共6页
在倡导大力开发新能源的政策下,含风电场发展迅速。但其出力调度问题很复杂,需要综合经济和环境因素,针对风电功率预测误差大,在研究含风电场动态环境经济调度时,在发电成本中考虑了旋转备用成本,在约束条件中考虑风功率预测误差对旋转... 在倡导大力开发新能源的政策下,含风电场发展迅速。但其出力调度问题很复杂,需要综合经济和环境因素,针对风电功率预测误差大,在研究含风电场动态环境经济调度时,在发电成本中考虑了旋转备用成本,在约束条件中考虑风功率预测误差对旋转备用容量的需求,以发电总成本最小、污染物排放总量最小、购电总费用最小为目标,建立含风电场动态环境经济调度模型。采用非支配排序遗传算法Ⅲ对模型求解,以获得多样的解集和良好的收敛性。在含有1个风电场的5机电力系统算例中的仿真研究验证了所提出的基于多目标含风电场动态环境经济调度方案的合理性。 展开更多
关键词 含风电场 动态环境经济调度模型 旋转备用容量 多目标优化 支配排序遗传算法
在线阅读 下载PDF
基于改进UKFNN和NSGA-Ⅱ的工业过程决策参数稳健优化 被引量:1
10
作者 李太福 侯杰 +1 位作者 姚立忠 易军 《计算机应用研究》 CSCD 北大核心 2015年第9期2716-2719,2723,共5页
针对工业生产过程建模误差的不确定性和最优决策参数的执行误差的不确定性,提出采用改进无迹卡尔曼神经网络(unscented Kalman filter artificial neural network,UKFNN)动态建模保证建模精度;采用改进非支配排序遗传算法(non-dominated... 针对工业生产过程建模误差的不确定性和最优决策参数的执行误差的不确定性,提出采用改进无迹卡尔曼神经网络(unscented Kalman filter artificial neural network,UKFNN)动态建模保证建模精度;采用改进非支配排序遗传算法(non-dominated sorting genetic algorithm-Ⅱ,NSGA-Ⅱ)稳健优化设计最优决策参数保证执行效果,得到稳定最优输出。采用只需对输入/输出数据进行计算即可得到不可测的未知噪声统计信息的样本有效噪声估计(gamma test,GT)来计算观测噪声统计值,保证UKFNN的建模精度;再采用改进选择算子和交叉算子的NSGA-Ⅱ对工业过程进行稳健优化,得到能够保证系统稳健最优输出的决策参数。最后采用笔者的建模优化方案对氢氰酸生产过程进行实验研究,有效提高了氢氰酸转换率,为噪声不确定工业过程的建模优化提供了一条可行途径。 展开更多
关键词 工业过程 动态建模 稳健优化 卡尔曼滤波 神经网络 多目标优化 支配排序遗传算法
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部