搜索结果: 1-13 共查到“工学 NSGA-II”相关记录13条 . 查询时间(0.111 秒)
解决微网中新能源出力的随机性与波动性是微电网优化运行的前提和关键,为此,提出一种快速非支配排序遗传算法NSGA-II(non-dominated sorting genetic algorithm)和基本粒子群优化算法PSO(particle swarm optimization)相结合的NSGA-II-PSO算法,考虑将经济运行成本和环境污染成本作为优化的目标函数,建立常见发电单元以及蓄电池储能...
基于NSGA-II的晶体学光束线多目标自动优化
生物大分子晶体学 NSGA-II 多目标优化 Pareto最优解集
2022/3/15
基于NSGA-II算法的柔性流水车间优化调度模型的构建与应用
多目标优化 流水车间 NSGA-II 生产调度
2021/5/28
为解决造纸企业的高效优化排产问题,使机器利用率最高、减少产品切换次数以及满足客户对产品的时间需求,构建了以成本及最大完工时间最小化为优化目标的两阶段柔性流水车间调度优化模型,并通过一种快速非支配遗传算法(NSGA-II)来求解该模型。结果表明,与人工排产相比,NSGA-II得到的排产结果缩短了约6.5%的最大完工时间,降低了约4.7%的生产成本。
为探究高速铁路桥梁风屏障高度的多目标优化问题,基于计算流体动力学理论,采用数值模拟方法计算设置有不同高度风障时,列车及桥梁各自的气动力系数。以车辆侧倾稳定性力矩系数及桥梁阻力系数为优化目标,风屏障高度为设计变量,采用多目标遗传算法(NSGA-II)求解Pareto最优解集,采用数据包络分析方法(DEA)评价Pareto解集中各个解的相对效率,得到最优风屏障高度。结果表明:采用NSGA-II&DEA...
基于NSGA-II遗传算法的磁流变悬置多目标优化
优化 倍程区间灵敏度 NSGA-II算法
2014/8/1
磁流变悬置集总参数优化是设计高性能发动机悬置的关键。为克服以往悬置优化中优化目标单一、优化目标选取不合理、未考虑实际加工可行性等问题,建立单自由度磁流变悬置隔振系统数学模型,提出倍程区间灵敏度分析法,对各集总参数灵敏度进行分析,并以此为依据选取优化变量。以发动机常用转速激振频率段的力传递率积分为优化目标,采用改进型非支配排序遗传算法(NSGA-II)进行多目标优化。在一定范围内将结构尺寸进行离散化...
为了满足在保证电容称重传感器最小识别极距变化的同时达到提高其抗偏载能力的要求,对传感器进行了多目标优化的研究。分析计算了电容称重传感器力学性能与结构参数之间的关系,建立了以其导向性能和抗弯性能为优化目标的1/1000g精度电容称重传感器的多目标优化模型。应用Isight优化软件中的改进型非支配解遗传(NSGA-II)算法得到电容称重传感器的Pareto最优解集,并通过有限元验证了优化结果的准确性。...
Modified NSGA-II for a Bi-Objective Job Sequencing Problem
Job Sequencing Multi-Objective Evolutionary Algorithm (MOEA) NSGA-II (Non-Dominated Sorting Genetic Algorithm-II) Tardiness Deterioration Cost
2013/1/28
This paper proposes a better modified version of a well-known Multi-Objective Evolutionary Algorithm (MOEA) known as Non-dominated Sorting Genetic Algorithm-II (NSGA-II). The proposed algorithm contai...
采用NSGA-II混合智能算法的风电场多目标电网规划
多目标优化 并网风电场 电网规划 非劣排序遗传算法II 混合智能算法
2012/7/5
风电并网在实现节约化石能源和减少有害气体排放等效益的同时,也将对电力系统的可靠性造成一定的负面影响。为达到投资经济性、系统可靠性、环保效果的整体最优,构建了多目标风电场接入的输电线路与电网的联合优化规划模型;针对目标权重未知、人工神经网络(artificial neural network,ANN)收敛困难、无法合理决策等问题,采用方差最大化决策和分类逼近理想解的排序方法(technique fo...
快速提高NSGA-II算法双目标优化效率的方法
多目标进化 非支配前沿 按需分层
2009/12/10
NSGA-II是一种性能优良的多目标进化算法,近年来非常流行。为了进一步改进NSGA-II在双目标优化时的效率,采取了按需分层的策略,提出了一种新的非支配前沿集分层方法以替代NSGA-II原有的分层方法。与NSGA-II的时间复杂度O(N2)相比,新方法的时间复杂度减少为O(kN+NlogN),k为所分前沿层数(k<NSGA-II相比具有更少的非支配前沿层数,支配比...
为解决如何分配不同杀伤能力火力单元打击不同性质的目标,提出了一种非支配遗传算法—NSGA-II。分析了炮兵火力分配的数学模型,从编码技术、非支配分类、虚拟适应度计算、倒位操作生成新个体和变异操作方面对NSGA-II算法的设计进行了阐述,最后运用实例进行了分析。分析表明,该算法能有效、快速地得到Pareto最优解,所得结果合理且符合实际,为指挥员提供了一种定量的决策支持依据。
NSGA-II中重复个体产生原因分析及影响研究
进化操作 拥挤距离 变量维数
2009/7/24
进化种群中出现重复个体意味着搜索区域的重叠,使得算法探索新可行区域的效率降低。另外个体重复浪费了解集中的个体名额,且造成信息冗余,使得解集的有效代表性变差。这在用NSGA-II处理低维问题时体现得较为严重。分析了NSGA-II中出现重复个体的原因,测试了编码方式和变量维数与重复个体数量的关系;通过实验检验了重复个体对于算法性能和解集质量的影响。实验结果表明,去除重复个体的算法能获得分布性更好的解集...
基于NSGA-II的改进多目标遗传算法
多目标优化 遗传算法 排挤机制
2009/1/8
在已有多目标优化算法(NSGA-II)研究和分析的基础上,为加快收敛速度,提高收敛精度,设计了新的初始筛选机制,改进了交叉算子的系数生成,提出了更为合理的排挤机制。通过典型应用函数的计算测试,结果表明:上述改进不仅具有较高的计算效率,而且能够得到分布更为合理的解,且能保持解的多样性分布。
基于NSGA-II及协同进化算法的多目标多区域电网规划
输电网规划 多目标优化 非支配遗传算法-II
2008/3/8
基于快速分类的非支配遗传算法(NSGA-II)是一种新
型的多目标遗传算法,文中首次将其应用于电网优化规划。
多个算例分析表明NSGA-II 算法在电网规划中具有良好的
优化效果,为各目标之间的权衡分析提供了有效的工具;协
同进化算法采用分解-协调的思想处理复杂系统的演化,可
以克服当优化问题规模扩大时,常规进化算法易于出现过早
收敛的现象。据此提出将协同进化算法和NSAG-II算法相...