多目標(biāo)分階段的跑道調(diào)度計劃算法

隨著航空運(yùn)輸?shù)母咚僭鲩L,航班延誤日益嚴(yán)重,而對飛機(jī)進(jìn)行進(jìn)港排序和跑道調(diào)度能有效提高機(jī)場吞吐量、減少飛機(jī)燃油花費(fèi),從而減輕航班延誤,提升經(jīng)濟(jì)效益.由于大量飛機(jī)的多跑道進(jìn)港優(yōu)化調(diào)度問題是一個非確定型多項式完全(np-c)問題,該問題一直沒有得到有效解決.本文針對已有的基于位置交換束縛的單跑道動態(tài)規(guī)劃算法運(yùn)算量大、運(yùn)算效率低的不足,采用優(yōu)化解空間的措施并運(yùn)用貪心策略,同時將其推廣到雙跑道調(diào)度,從而解決大量飛機(jī)的雙跑道、多目標(biāo)進(jìn)港排序優(yōu)化問題.大量仿真實驗表明,該算法復(fù)雜度與飛機(jī)數(shù)量呈近似線性關(guān)系,能在較短時間內(nèi)對吞吐量和降落花費(fèi)同時實現(xiàn)優(yōu)化.

協(xié)調(diào)水庫發(fā)電、灌溉和生態(tài)環(huán)境效益是眾多水庫決策者面臨的棘手問題。本文以考慮發(fā)電保證率要求的總發(fā)電量最大、下游灌溉和生態(tài)流量需水滿足度最大為目標(biāo)建立水庫多目標(biāo)調(diào)度模型,以動態(tài)規(guī)劃和離散微分動態(tài)規(guī)劃為計算核心,在分別對發(fā)電保證率、灌溉需水滿足度和生態(tài)環(huán)境需水滿足度建立懲罰函數(shù)的基礎(chǔ)上,提出求解多目標(biāo)模型的變懲罰系數(shù)法(vpc),并應(yīng)用vpc法進(jìn)行模型求解,通過篩選得到多目標(biāo)非劣解的pareto前沿。通過與非支配排序遺傳算法ii(nsga-ii)計算結(jié)果進(jìn)行對比,表明vpc算法可以得到更高質(zhì)量的非劣解集。實例研究表明,該模型和求解方法具有較好的適應(yīng)性和較強(qiáng)的實用價值,可以為水庫調(diào)度管理者提供重要的決策參考。

由于現(xiàn)階段對資源的均衡操作大都側(cè)重于對工期-資源同時優(yōu)化,很少涉及質(zhì)量和成本,所以這里提出了一個兩階段優(yōu)化模型,第一階段是基于工期、質(zhì)量和成本三個目標(biāo)為非線性關(guān)系,建立三個目標(biāo)的綜合優(yōu)化模型;第二階段是從上階段對所得到的非劣解中由決策者選擇一個或多個滿意的解輸入到本階段進(jìn)行資源均衡優(yōu)化,兩階段均用遺傳算法求解,最后通過一個實例證明了兩階段模型的可行性與優(yōu)越性.

基于多目標(biāo)遺傳算法的高速公路多目標(biāo)路面養(yǎng)護(hù)決策優(yōu)化——高速公路多目標(biāo)路面養(yǎng)護(hù)決策優(yōu)化是高速公路路面養(yǎng)護(hù)決策優(yōu)化未來發(fā)展的趨勢，也是目前研究的熱點(diǎn)。針對傳統(tǒng)數(shù)學(xué)規(guī)劃方法用于高速公路多目標(biāo)路面養(yǎng)護(hù)決策優(yōu)化的不足，引入了目前在多目標(biāo)優(yōu)化領(lǐng)域應(yīng)用較多...

提出一種改進(jìn)的遺傳算法用于解決公路工程項目工期、成本和質(zhì)量的多目標(biāo)優(yōu)化問題。闡述了算法設(shè)計思路和流程步驟,給出了染色體結(jié)構(gòu)和編碼設(shè)計。改進(jìn)的交叉操作則考慮了子種群內(nèi)部交叉和子種群群間交叉兩種方式。通過實例仿真計算,驗證了該算法對工程項目多目標(biāo)優(yōu)化問題的可行性和有效性。

針對火電系統(tǒng)生產(chǎn)過程中的環(huán)境污染問題,提出以火電系統(tǒng)節(jié)能環(huán)保為重點(diǎn)研究對象的多目標(biāo)優(yōu)化調(diào)度模型,并以改進(jìn)的粒子群算法進(jìn)行求解。結(jié)合灰色系統(tǒng)理論中有關(guān)灰色關(guān)聯(lián)度的概念對粒子群算法多目標(biāo)求解機(jī)制進(jìn)行改進(jìn),對煤耗量、污染氣體和煙塵排放等的多目標(biāo)火電系統(tǒng)優(yōu)化求解,引入壓縮因子改善粒子群算法的性能,增強(qiáng)其全局收斂能力。通過ieee14節(jié)點(diǎn)系統(tǒng)算例證明本算法的有效性。

提出多目標(biāo)混合粒子群算法以求解梯級水電站多目標(biāo)聯(lián)合優(yōu)化調(diào)度模型。該算法采用混合蛙跳算法的分組-混合循化優(yōu)化框架以增強(qiáng)算法的全局搜索能力;在族群內(nèi)通過粒子群算法的飛行調(diào)整策略指導(dǎo)個體進(jìn)化;同時,引入外部精英集,建立了基于自適應(yīng)小生境的外部精英集維護(hù)策略,提高了算法的收斂性和非劣解集的多樣性。最后將該算法應(yīng)用于三峽梯級水電站多目標(biāo)優(yōu)化調(diào)度工程,計算結(jié)果表明,本文算法能夠獲得計算實時性強(qiáng)、分布均勻、收斂性好的調(diào)度方案集,并以此分析明確了調(diào)度目標(biāo)間的耦合關(guān)系,可為梯級電站的多目標(biāo)調(diào)度決策提供科學(xué)依據(jù)。

為有效求解梯級水電站多目標(biāo)聯(lián)合優(yōu)化問題,充分發(fā)揮水電的發(fā)電效益和容量效益,提出一種新型的改進(jìn)多目標(biāo)布谷鳥算法(imocs)。針對傳統(tǒng)布谷鳥算法存在收斂速度慢的問題,將動態(tài)發(fā)現(xiàn)概率和步長融入到算法中,并結(jié)合非支配排序遺傳算法(nsga-ii)的非支配排序思想以及擁擠距離維護(hù)外部檔案集策略,提出imocs;通過測試函數(shù)驗證了所提算法的有效性。將imocs應(yīng)用到烏江梯級水電站多目標(biāo)優(yōu)化調(diào)度中,得到了分布均勻的非劣調(diào)度方案集。最后通過模糊決策模型,主客觀確定目標(biāo)權(quán)重法,從非劣解集中選擇一個折中方案,得到各水電站發(fā)電用水過程。結(jié)果表明,調(diào)度方案合理、可靠,且均能滿足各項約束條件。梯級水電站優(yōu)化調(diào)度采用imocs具有較大的實用意義。

該文將質(zhì)量和資源最大供給量作為施工約束層,將工期、費(fèi)用、資源均衡系數(shù)作為目標(biāo)層,建立了施工進(jìn)度計劃多目標(biāo)優(yōu)化數(shù)學(xué)模型,并對模型的求解步驟作了探討,利用層次分析法進(jìn)行方案比選。

采用目標(biāo)規(guī)劃法對某實際工程結(jié)構(gòu)的結(jié)構(gòu)重量和翼梢位移進(jìn)行了結(jié)構(gòu)多目標(biāo)優(yōu)化設(shè)計。通過分析該工程結(jié)構(gòu)的有限元模型,建立了其結(jié)構(gòu)多目標(biāo)優(yōu)化的目標(biāo)規(guī)劃模型,并在給定載荷下利用擬合搜索策略對該模型進(jìn)行了優(yōu)化計算,得到了最滿意結(jié)構(gòu)尺寸。證明了目標(biāo)規(guī)劃法在實際工程結(jié)構(gòu)多目標(biāo)優(yōu)化設(shè)計中應(yīng)用的有效性。

通過對維修調(diào)度問題進(jìn)行分析,考慮到戰(zhàn)斗力相關(guān)的多種目標(biāo)因素,針對目前研究的目標(biāo)單一,又未考慮武器的先進(jìn)程度、配置等缺陷,就修復(fù)后的加權(quán)作戰(zhàn)時間和裝備盡可能少的延誤數(shù)量雙重目標(biāo)加以研究,并給出了調(diào)度算法。從而彌補(bǔ)了這些缺陷,使調(diào)度更加合理。最后,算例表明模型的求解方法簡單,計算時間較短,可有效地實現(xiàn)維修任務(wù)調(diào)度。

針對水資源系統(tǒng)規(guī)劃的多目標(biāo)、群決策特點(diǎn),提出了基于群體多屬性決策的交互切比雪夫方法,指出該方法的關(guān)鍵問題在于如何確定決策者關(guān)于屬性的權(quán)重和決策者的權(quán)重,并隨之進(jìn)行權(quán)重的探討。其中,決策者關(guān)于屬性的權(quán)重確定采用了ahp法;根據(jù)主觀給定的權(quán)重信息狀況,把決策者權(quán)重的確定分成無給定權(quán)重信息、給定權(quán)重限制條件、給定確切主觀權(quán)重3種情形,并提出了相應(yīng)的確定方法。

以某型特種車輛維修保養(yǎng)的三級保養(yǎng)工藝流程為對象,提出了不確定性維修保障資源調(diào)度優(yōu)化問題;針對具有工序模糊作業(yè)時間和模糊工期的調(diào)度問題,采用一般三角模糊數(shù)來表示工序作業(yè)時間和完工時間,一般梯形模糊數(shù)來表示任務(wù)期望工期;并設(shè)計了一種混合粒子群-遺傳算法,以完工時間最短、關(guān)鍵人力負(fù)荷最小和滿意度最高為優(yōu)化目標(biāo)進(jìn)行求解;算法可以有效求得其8個最優(yōu)解,對求得的pareto最優(yōu)解集進(jìn)行了結(jié)果分析,評價了不同評價指標(biāo)對調(diào)度方案的影響;實例結(jié)果表明,算法求解結(jié)果與實際情況相吻合,較之精確調(diào)度,更加具有可操作性,為調(diào)度部門制定合理的調(diào)度方案可以提供理論支撐。

將挖掘機(jī)工作裝置作為一個整體,建立了工作裝置的整體優(yōu)化設(shè)計數(shù)學(xué)模型。分別以提升力、鋼繩與斗桿中心線夾角及幾何尺寸作為目標(biāo)函數(shù),并從設(shè)計經(jīng)驗本身、運(yùn)動性能、結(jié)構(gòu)幾何尺寸、工作尺寸及邊界條件等方面建立合理的約束條件。應(yīng)用matlab遺傳算法工具箱尋求全局最優(yōu)解。結(jié)果表明,采用遺傳算法可以快捷而有效地對挖掘機(jī)工作裝置鉸點(diǎn)位置進(jìn)行優(yōu)化設(shè)計,是對挖掘機(jī)性能進(jìn)行優(yōu)化設(shè)計的一種有效方法。

針對目前大多數(shù)電梯群控系統(tǒng)都以單一目標(biāo)為基礎(chǔ)來調(diào)度電梯,提出了一種基于遺傳算法的多目標(biāo)群控算法,該算法不僅考慮了候梯時間和乘梯時間,還考慮了系統(tǒng)能耗。通過應(yīng)用仿真系統(tǒng)對算法進(jìn)行了驗證,運(yùn)行實驗結(jié)果表明了此方案的可行性和優(yōu)越性。

大口徑火炮后坐阻力和炮口擾動是影響火炮射擊精度的關(guān)鍵因素,為了減小后坐阻力峰值和炮口擾動,基于剛?cè)狁詈蟿恿W(xué)理論,建立了某型火炮剛?cè)狁詈舷到y(tǒng)動力學(xué)模型。從反后坐裝置結(jié)構(gòu)和總體結(jié)構(gòu)的角度出發(fā),利用adams底層開發(fā)模塊,結(jié)合小生境遺傳算法程序建立多目標(biāo)優(yōu)化函數(shù),進(jìn)行火炮反后坐裝置結(jié)構(gòu)多目標(biāo)優(yōu)化設(shè)計。優(yōu)化后的后坐阻力峰值及炮口擾動明顯降低,表明所提出的優(yōu)化方法合理可行,為火炮總體結(jié)構(gòu)和反后坐裝置結(jié)構(gòu)的優(yōu)化設(shè)計提供一定的技術(shù)參考。

通過對國內(nèi)外水庫群水電站調(diào)度研究狀況的分析,結(jié)合水庫群工程實際,分析水庫群工程調(diào)度特點(diǎn)和調(diào)度方式,充分考慮發(fā)電、生態(tài)環(huán)境等河道內(nèi)用水以及水量傳播時間、水量損失等因素,在確保水庫工程安全運(yùn)行的前提下,提出隨徑流預(yù)報和用水計劃不斷滾動并可應(yīng)用實施的該水庫群工程非汛期調(diào)度方法。

針對模糊推理獲取電梯群控指標(biāo)可信度時缺乏學(xué)習(xí)性的缺點(diǎn),引入了人工魚群算法用于決策函數(shù)的多元線性回歸曲線的優(yōu)化。呼梯信號和電梯運(yùn)行信息經(jīng)采集與計算,得到了廳層召喚等待時間(hcwt)、廳層召喚最大等待時間(maxhcwt)、剩余響應(yīng)能力(cv)和召喚集中程度(gd)這4個輸入變量,經(jīng)模糊推理獲取了平均候梯時間(awt)、乘客長候梯率(lwp)和能量消耗(rnc)3個群控指標(biāo)的可信度值,并以此為樣本訓(xùn)練人工魚群,獲得了決策函數(shù)。經(jīng)決策函數(shù)計算得到的群控指標(biāo)可信度值,再與由客流交通模式?jīng)Q定的指標(biāo)加權(quán)系數(shù)進(jìn)行線性平均,以此作為目標(biāo)評價函數(shù)進(jìn)行電梯群控調(diào)度,實現(xiàn)了對電梯運(yùn)行效率和節(jié)能的多目標(biāo)控制。經(jīng)電梯群控仿真平臺評測,實驗結(jié)果表明優(yōu)化后的群控調(diào)度算法能明顯改善群控指標(biāo)。

針對ppp項目政府部門和私營企業(yè)的雙向資金流入和收益來源的多樣化,文章從如何選取最優(yōu)方案獲得最大收益的角度分析收益的多目標(biāo)性,建立了一個新的基于多目標(biāo)0-1規(guī)劃的ppp項目決策數(shù)學(xué)模型,并給出蟻群算法求解方式,最后將其運(yùn)用到ppp項目算例中,得出ppp項目決策的一個較好方案,證實了模型的可行性。

我國降水量和水資源地區(qū)分布不均，且年內(nèi)、年際變化較大。同時，由于水土資源組合情況存在嚴(yán)重不平衡的問題，促使我國成為一個洪澇災(zāi)害、干旱缺水頻繁的國家。在此背景下，做好水庫多目標(biāo)優(yōu)化調(diào)度十分必要，本文即針對此進(jìn)行了深入的研究。

針對引漢濟(jì)渭工程運(yùn)行初期三河口水庫研究不足,開展三河口水庫多目標(biāo)調(diào)度規(guī)律的研究?？紤]工程調(diào)水、發(fā)電和生態(tài)需水等要求,建立水庫多目標(biāo)優(yōu)化調(diào)度模型,采用nsga--ⅱ求解模型。從調(diào)度指標(biāo)、調(diào)度目標(biāo)、影響因素和調(diào)水潛力等方面分析計算結(jié)果,揭示了多目標(biāo)轉(zhuǎn)化規(guī)律,量化了起調(diào)水位對發(fā)電量的影響,驗證了優(yōu)化模型計算結(jié)果的合理性和優(yōu)越性。研究表明：1）小幅降低發(fā)電量可顯著增加調(diào)水量;2）三河口水庫在豐水年、平水年能夠滿足規(guī)劃值,但枯水年不能滿足;3）起調(diào)水位對發(fā)電量影響顯著;4）典型年最大調(diào)水8.75億m^3;最小調(diào)水3.75億m^3。研究成果對水庫運(yùn)行、提高水資源利用效率和工程效益提供了重要參考。

為克服工程結(jié)構(gòu)多目標(biāo)優(yōu)化設(shè)計中遇到的邊界處理困難、編程復(fù)雜、計算效率低等問題,結(jié)合pareto最優(yōu)解理論,將群搜索算法改進(jìn)成多目標(biāo)群搜索算法(multi-objectivegroupsearchoptimization,mgso)。通過平面10桿桁架的連續(xù)變量優(yōu)化及空間25桿桁架的離散優(yōu)化設(shè)計的算例,證明多目標(biāo)群搜索算法在工程結(jié)構(gòu)優(yōu)化設(shè)計中的可行性與實用性。結(jié)果表明:多目標(biāo)群搜索算法作為一種隨機(jī)算法,其收斂速度快,在計算過程中只需要選擇整體最優(yōu)個體,不需要逐個檢查約束,能節(jié)省大量的計算時間,對于高維問題,特別是復(fù)雜的工程實際問題,有明顯的優(yōu)越性。