摘要：根据四向叉车的转向需求,设计适用于四向叉车的非对称转向机构;为了同时提高非对称转向机构纵向和横向转向性能,分别建立非对称转向机构纵向四轮转向和横向两轮转向的转向运动数学模型,并且构建纵向四轮左、右转向非对称性约束;以接近Ackermann理想转向为优化目标,建立非对称转向机构双目标优化函数,采用改进的粒子群优化(PSO)算法求解非对称转向机构双目标优化的pareto最优解。优化结果分析算例表明纵向和横向转向性能可分别提高32.1%和38.9%,为非对称转向机构优化设计提供有益的理论参考。

摘要：针对传统的两轮农耕机机构燃油转换率低,导致其耕种面积少的问题,本文基于pareto最优解优化设计了一种新的两轮农耕机机构。对两轮农耕机机构的燃油动力进行分析,通过确定路径最优解,实现动力转化。另外,增加一个电动机辅助农耕机耕种,这个电动机在满足动力性约束和电池负荷能力约束条件的前提下,通过pareto最优解方法控制双轮农耕机机构运行参数,并选择镁合金作为外壳材料。实验结果表明,基于pareto最优解的两轮农耕机机构优化设计能够有效增加燃油转换率,扩大耕种面积。

摘要：首先基于有限元方法,建立双玻光伏组件仿真模型,并对仿真结果进行实验验证;然后选取光伏组件边框的长度、宽度、高度和厚度为影响因素,以组件成本最小和强度最优为目标进行多次正交试验分析;最后,通过pareto最优解方法获得光伏组件的最佳尺寸。结果表明:组件中心最大变形实验值与仿真值的最大误差仅为7.33%,证明仿真结果的准确性;最大应力随长度的增加而上升,随宽度的增加先上升后下降,随高度的增加而下降,随厚度的增加无明显变化;单位面积价格随长度的增加而下降,随宽度的增加略微下降,随高度的增加而大幅上升,随厚度的增加而上升;当组件长度为1200 mm,宽度为787.5 mm,高度为37.5 mm,厚度为1.5 mm时,满足应力要求且成本最低,与初始结构相比成本降低8.41%。

摘要：以壁厚为设计变量,以碰撞安全性能优于原钢制横梁为设计约束,采用遗传算法开展了铝合金前防撞横梁设计及多目标优化。结果表明,在100%和40%重叠刚性墙低速碰撞工况下,原钢制前防撞横梁的碰撞支反力峰值、最大碰撞侵入位移和最大有效塑性应变分别为29.25和24.29 kN、36.84和39.80 mm以及0.30和0.21,存在开裂风险。总质量、最大碰撞侵入位移和碰撞支反力峰值响应对铝合金前防撞横梁后端面和前端面的壁厚变化较为敏感,而最大有效塑性应变响应则对垂向加强筋和横向加强筋的壁厚变化较为敏感。在100%和40%重叠刚性墙低速碰撞工况下,pareto最优解的各项性能较原钢制前防撞横梁均有不同程度提升,最大碰撞侵入量分别降低了26.9%和40.7%,最大有效塑性应变分别降低了75.7%和52.4%,碰撞支反力峰值分别提升了43.6%和22.6%,实现了铝合金前防撞横梁总质量减重4.73 kg,减重54.8%。

摘要：为了得到指定结构跨度下的索穹顶结构形状最优设计方案,对设内拉环的Geiger型索穹顶进行单目标和多目标形状优化设计.以最小单位面积用钢量和最大结构刚度为目标函数,得到满足约束条件的整体预应力系数、拉索和压杆截面面积及结构形状参数的最优值.通过基于遗传算法的单目标形状优化设计以最小单位面积用钢量为目标的可行形状优化设计方案;多目标形状优化设计采用改进的带精英策略的快速非支配排序遗传算法(NSGA-Ⅱ),可得到同时考虑结构用钢量和刚度的pareto最优解.决策者可根据不同控制目标的偏好要求,选择设计方案.

摘要：该文提出一种多目标遗传算法,采用新的拥挤距离计算方法,改进非支配性的比较方法,并引入双重精英策略,提高了进化效率和解的质量,更有效地保持了解的多样性.将该算法应用于PID优化设计,使系统可同时兼顾快速性、稳定性和鲁棒性,决策者可根据当前工作需求在所得的pareto解集中选择最终的满意解.仿真结果表明提出的设计方法有效.

摘要：针对多目标柔性作业车间绿色调度问题(MO-FJGSP),建立优化目标为最大完工时间、机器总负荷和能耗最小的多目标数学模型,并设计一种基于pareto最优解的自适应多目标Jaya算法(SAMO-Jaya)对该问题进行优化求解.算法采用两级实数编码方式实现工序排序与机器分配的编码表示,并设计一种转换机制实现将Jaya连续解空间映射至FJSP离散解空间;然后设计一种混沌序列与均匀分布相结合的混合策略以提高初始种群的质量与全局分散性;此外,在Jaya算法中嵌入自适应调整种群规模的方法以提高算法求解速度.通过10个单目标与3个多目标基准算例测试,并与7个已有算法进行对比分析,结果表明SAMO-Jaya算法能够对MO-FJGSP进行有效求解.

摘要：为解决带约束的多目标优化问题,在改进的强度pareto进化算法的基础上设计了双存档机制,分别存储进化过程中产生的优秀可行解和不可行解,增加了进化种群的多样性,避免了罚函数法需要设计惩罚系数的缺点。为提高算法的收敛速度和约束边界附近的寻优能力,通过分析不同边界与pareto前沿的关系,提出了一种判断不可行解优劣和环境选择的新方法。通过仿真实例,并与其他算法进行比较,验证了所提算法的可行性以及在收敛速度上的优越性。

摘要：提出一种可同时构造多个精确性和解释性较好折中的高维模糊分类系统的设计方法。该方法由以下三步组成:(1)利用Simba算法进行特征变量选择;(2)采用模糊聚类算法辨识初始的模糊模型;(3)利用匹茨堡型实数编码的多目标遗传算法对初始模糊模型的结构和参数进行学习。基于NSGA-Ⅱ算法的目标函数同时考虑模型的精确性和解释性;为提高模型的解释性,在多目标进化算法中利用基于相似性的模型简化方法对模型进行约简。利用该方法对Wine等问题进行分类,仿真结果验证了方法的有效性。

摘要：一种结合了精英控制策略和动态拥挤距离方法的改进的快速支配排序算法(Fast and elitist non-dominat-ed sorting genetic algorithm,NSGA-Ⅱ)被用于风力机复杂的多目标优化设计中。作为此算法的应用算例,以风轮的年发电量最大、叶片的质量最小和叶片根部的极限推力最小为目标,分别进行了两目标和三目标的1.5 MW风力机叶片的优化设计。研究表明:两目标优化给出的pareto最优解集分布在一条曲线上,而三目标的优化结果基本分布在一个有明显边界的五阶曲面上。同时也可以看出,此算法在处理风力机多目标优化问题取得了良好的效果,给出的是一个pareto最优解集,而不是传统优化方法追求的单个最优解,为风力机多目标优化设计提供通用的算法。