为了实现柔性作业车间完工时间、机器负荷、交货延期时间、车间能耗等多个目标的联合优化,提出了基于自适应惩罚MOEA/D(multi-objective evolutionary algorithm based on decomposition)的柔性车间多目标调度方法。对具有多个生产机床...为了实现柔性作业车间完工时间、机器负荷、交货延期时间、车间能耗等多个目标的联合优化,提出了基于自适应惩罚MOEA/D(multi-objective evolutionary algorithm based on decomposition)的柔性车间多目标调度方法。对具有多个生产机床、多个加工任务、多道工序的柔性车间调度问题进行了描述并建立了优化模型。给出了基于MOEA/D算法的柔性车间调度方法,针对常值惩罚因子无法满足不同邻域对收敛性和染色体多样性不同调整需求的问题,提出了能够随邻域染色体密度自适应调整的惩罚因子,并制定了基于自适应惩罚MOEA/D算法的柔性车间调度流程。在具有8个机床、8个工件共28道工序的生产调度实验中,自适应MOEA/D算法搜索的Pareto前沿解能够支配标准MOEA/D和改进NSGA-Ⅱ算法的Pareto前沿解;在等权重最优解的生产实验中,自适应MOEA/D算法调度方案的完工时间、机器负荷、交货延期时间、车间能耗均小于标准MOEA/D算法和改进NSGA-Ⅱ算法。实验结果证明了自适应惩罚MOEA/D算法在柔性车间调度中的有效性和优越性。展开更多
为应对可再生能源规模化并入电网给电力调度带来的挑战,在考虑主动配电网需求侧与供给侧可控资源协调调度的基础上,对影响主动配电网经济性和用户满意度的基于消费者心理的价格型需求响应进行了研究。鉴于模型高维高约束的特点,采用经...为应对可再生能源规模化并入电网给电力调度带来的挑战,在考虑主动配电网需求侧与供给侧可控资源协调调度的基础上,对影响主动配电网经济性和用户满意度的基于消费者心理的价格型需求响应进行了研究。鉴于模型高维高约束的特点,采用经典的基于分解的多目标进化(Multi-objective Evolutionary Algorithm based on Decomposition,MOEA/D)算法进行求解,以达到提高可再生能源接入水平和系统稳定性的目的。通过测试系统仿真,验证了所提出调度模型与方法的合理性和有效性。展开更多
随着社会的不断进步和网络技术的发展,新闻传播模型中网络社团的规模不断加大,网络结构更加复杂。本研究探讨了多目标进化算法原理,分析了网络社团的结构,提出了基于社团结构节点属性信息的多目标进化社团自动检测算法(Automatic detect...随着社会的不断进步和网络技术的发展,新闻传播模型中网络社团的规模不断加大,网络结构更加复杂。本研究探讨了多目标进化算法原理,分析了网络社团的结构,提出了基于社团结构节点属性信息的多目标进化社团自动检测算法(Automatic detection algorithm of multi-objective evolutionary community MOEA-AT)。测试结果表明,MOEA-AT算法的NMI,AC和Q的平均值分别为0.95、0.92、0.89,各指标的均值较高,在实际网络中表现较好。应用于真实网络时,MOEA-AT算法将网络划分成2~5个社团,且社团之间界限较为清楚。由此可知,MOEA-AT算法对网络社团的自动检测有更高的精度且稳定性更高,并且在新闻传播领域有一定的现实意义和经济价值。展开更多
针对具有不同加工流程信息的多类型零件的单元构建问题,建立了最大化机器利用率和成组效率的多目标单元构建数学规划模型。在此基础上,提出一种改进MOEA/D算法(improved multi-objective evolutionary algorithm based on decomposition...针对具有不同加工流程信息的多类型零件的单元构建问题,建立了最大化机器利用率和成组效率的多目标单元构建数学规划模型。在此基础上,提出一种改进MOEA/D算法(improved multi-objective evolutionary algorithm based on decomposition,IMOEA/D)。剖析模型特征,设计了面向机器分配和零件划分的双层编码策略;为了保证算法迭代的有效性,设计了初始化筛选方法和考虑各制造单元间机器零件平衡性的非法解修复策略;为了增强算法的局部探索能力,设计了基于模拟退火算法的局部搜索方法。实验结果表明所提算法具有优越的性能,获得的Pareto前沿解在覆盖率和Pareto比率两个指标上表现较优,且随着问题规模的扩大,其Pareto前沿优势更加明显。展开更多
文摘为了实现柔性作业车间完工时间、机器负荷、交货延期时间、车间能耗等多个目标的联合优化,提出了基于自适应惩罚MOEA/D(multi-objective evolutionary algorithm based on decomposition)的柔性车间多目标调度方法。对具有多个生产机床、多个加工任务、多道工序的柔性车间调度问题进行了描述并建立了优化模型。给出了基于MOEA/D算法的柔性车间调度方法,针对常值惩罚因子无法满足不同邻域对收敛性和染色体多样性不同调整需求的问题,提出了能够随邻域染色体密度自适应调整的惩罚因子,并制定了基于自适应惩罚MOEA/D算法的柔性车间调度流程。在具有8个机床、8个工件共28道工序的生产调度实验中,自适应MOEA/D算法搜索的Pareto前沿解能够支配标准MOEA/D和改进NSGA-Ⅱ算法的Pareto前沿解;在等权重最优解的生产实验中,自适应MOEA/D算法调度方案的完工时间、机器负荷、交货延期时间、车间能耗均小于标准MOEA/D算法和改进NSGA-Ⅱ算法。实验结果证明了自适应惩罚MOEA/D算法在柔性车间调度中的有效性和优越性。
文摘为应对可再生能源规模化并入电网给电力调度带来的挑战,在考虑主动配电网需求侧与供给侧可控资源协调调度的基础上,对影响主动配电网经济性和用户满意度的基于消费者心理的价格型需求响应进行了研究。鉴于模型高维高约束的特点,采用经典的基于分解的多目标进化(Multi-objective Evolutionary Algorithm based on Decomposition,MOEA/D)算法进行求解,以达到提高可再生能源接入水平和系统稳定性的目的。通过测试系统仿真,验证了所提出调度模型与方法的合理性和有效性。
文摘随着社会的不断进步和网络技术的发展,新闻传播模型中网络社团的规模不断加大,网络结构更加复杂。本研究探讨了多目标进化算法原理,分析了网络社团的结构,提出了基于社团结构节点属性信息的多目标进化社团自动检测算法(Automatic detection algorithm of multi-objective evolutionary community MOEA-AT)。测试结果表明,MOEA-AT算法的NMI,AC和Q的平均值分别为0.95、0.92、0.89,各指标的均值较高,在实际网络中表现较好。应用于真实网络时,MOEA-AT算法将网络划分成2~5个社团,且社团之间界限较为清楚。由此可知,MOEA-AT算法对网络社团的自动检测有更高的精度且稳定性更高,并且在新闻传播领域有一定的现实意义和经济价值。
文摘针对具有不同加工流程信息的多类型零件的单元构建问题,建立了最大化机器利用率和成组效率的多目标单元构建数学规划模型。在此基础上,提出一种改进MOEA/D算法(improved multi-objective evolutionary algorithm based on decomposition,IMOEA/D)。剖析模型特征,设计了面向机器分配和零件划分的双层编码策略;为了保证算法迭代的有效性,设计了初始化筛选方法和考虑各制造单元间机器零件平衡性的非法解修复策略;为了增强算法的局部探索能力,设计了基于模拟退火算法的局部搜索方法。实验结果表明所提算法具有优越的性能,获得的Pareto前沿解在覆盖率和Pareto比率两个指标上表现较优,且随着问题规模的扩大,其Pareto前沿优势更加明显。
