Статья

Название статьи МНОГОКРИТЕРИАЛЬНАЯ ОПТИМИЗАЦИЯ НА ОСНОВЕ ЭВОЛЮЦИОННЫХ АЛГОРИТМОВ
Автор Н.А. Полковникова, В.М. Курейчик
Рубрика РАЗДЕЛ III. МОДЕЛИРОВАНИЕ И ПРОЕКТИРОВАНИЕ
Месяц, год 02, 2015
Индекс УДК 004.891
DOI
Аннотация Рассмотрено решение задачи многокритериальной оптимизации для поддержки принятия решений с помощью эволюционного алгоритма, который находит Парето-оптимальный фронт с целью минимизации двух целевых функций. Эволюционирующий процесс оптимизации приспособленных особей создаёт движущийся к оптимальному набору решений фронт Парето. Оператор заранее знает, какие из критериев его интересуют больше, поэтому на полученном фронте Парето рассматриваются отдельные решения, оптимальные по самому значимому критерию. Это позволяет сократить и упростить автоматизированное решение задачи многокритериального отбора при принятии решений. Многокритериальная оптимизация с помощью разработанного эволюционного алгоритма реализована для определения значений параметров топливоподачи главного судового двигателя на режимах полной нагрузки для того, чтобы получить минимальные значения по двум целевым функциям: содержания оксидов азота в выпускных газах и удельного эффективного расхода топлива. Основными операциями многокритериального эволюционного алгоритма при построении множества Парето являются операции скрещивания (кроссовера, рекомбинации), мутации, вычисления пригодности решения и отбора (селекции). Хромосома разработанного модифицированного эволюционного алгоритма представляет совокупность значений четырёх параметров топливоподачи. В работе реализована модификация алгоритма SPEA2, получен Парето-оптимальный фронт, содержащий решения для поддержки оператора по выбору режима работы главного судового двигателя: с минимальным значением удельного эффективного расхода топлива, с минимальным значением содержания оксидов азота в выпускных газах или компромиссный вариант. Однако окончательный выбор оптимальных значений параметров впрыска определяется оператором в зависимости от условий эксплуатации двигателя.

Скачать в PDF

Ключевые слова Эволюционный процесс; многокритериальная оптимизация; фронт Парето; генетический алгоритм; система поддержки принятия решений.
Библиографический список 1. Васильев В.И., Ильясов Б.Г. Интеллектуальные системы управления. Теория и практика: Уч. пособие. – М.: Радиотехника, 2009. – 392 с.
2. Макаров И.М., Лохин В.М., Манько С.В., Романов М.П. Искусственный интеллект и интеллектуальные системы управления. – М.: Наука, 2006. – 333 с.
3. Курейчик В.В., Курейчик В.М., Родзин С.И. Теория эволюционных вычислений. – М.: Издательская фирма «Физико-математическая литература», 2012. – 260 с.
4. Полковникова Н.А. Многокритериальная оптимизация на основе эволюционных алгоритмов в системе поддержки принятия решений // Математическое и компьютерное моделирование: материалы Первой международной научно-практической конференции (5–7 сентября 2014 г.). – Новороссийск: ГМУ им. адмирала Ф.Ф. Ушакова, 2014. – С. 32-34.
5. Polkovnikova N.A., Kureichik V.M. Hybrid expert system development using computer-aided software engineering tools // Knowledge-Based Software Engineering 11th Joint Conference, JCKBSE 2014, Volgograd, Russia, September 17-20, 2014, Springer. – Vol. 466. – P. 433-445.
6. Smits G., Kotanchek M. Pareto-Front exploitation in symbolic regression. Genetic programming theory and practice II, chapter 17, 2005, Springer. – P. 283-299.
7. Hohm T., Zitzler E. A Multiobjective evolutionary algorithm for numerical parameter space characterization of reaction diffusion systems // International Conference on Pattern Recognition in Bioinformatics (PRIB 2009), Heidelberg, Germany, 2009. Springer. – P. 162-174.
8. Zitzler E., Laumanns M., Thiele L. SPEA2: Improving the Strength Pareto Evolutionary algorithm for multiobjective optimization // Evolutionary Methods for Design, Optimization, and Control, 2002. – P. 95-100.
9. Brockhoff D., Zitzler E. Objective reduction in evolutionary multiobjective optimization: theory and applications // Evolutionary Computation. – 2009. – No. 17 (2). – P. 135-166.
10. Siegfried T., Bleuler S., Laumanns M., Zitzler E., Kinzelbach W. Multi-Оbjective Groundwater Management Using Evolutionary Algorithms // IEEE Transactions on Evolutionary Computation. – 2009. – No. 13(2). – P. 229-242.
11. Xiao-Bing Hu, M. Wang, E. Di Paolo. Calculating complete and exact Pareto front for multiobjective optimization: a new deterministic approach for discrete problems // IEEE Transactions on cybernetics. – 2013. – Vol. 43, No .3. – P. 1088-1101.
12. El-Ghazali Talbi. Metaheuristics from design to implementation – 2009, Wiley. – 593 p.
13. Mukhopadhyay A., Maulik U., Bandyopadhyay S. Multiobjective genetic algorithm-based fuzzy clustering of categorical attributes // IEEE transactions on evolutionary computation. – 2009. – Vol. 13, No. 5. – P. 991-1005.
14. Kenneth A. De Jong. Evolutionary computation. A unified approach. The MIT Press, 2006. – 256 p.
15. Антонов А.В. Системный анализ: Учеб. для вузов. – 2-е изд., стер. – М.: Высш. шк., 2006. – 454 с.
16. Николаев Н.И., Гинда О.П., Зиненко Н.Н. Повышение эффективности топливоиспользования главных двигателей // Морской флот. – 2011. – № 1. – С. 45-48.
17. Николаев Н.И., Гинда О.П., Зиненко Н.Н. Повышение эксплуатационной топливной экономичности главного двигателя на частичных нагрузках // Двигателестроение. – 2010. – № 4. – С. 22-24.
18. Гладков Л.А., Курейчик В.В., Курейчик В.М. Генетические алгоритмы / Под ред. В.М. Курейчика. – 2-е изд. – М.: Физматлит, 2010. – 368 с.
19. Goodman E.D. Introduction to genetic algorithms // GECCO 2014 – Companion Publication of the 2014 Genetic and Evolutionary Computation Conference, 2014. – P. 205-225.
20. Rajkumar M., Mahadevan K., Kannan S., Baskar S. NSGA-II technique for multi-objective generation dispatch of thermal generators with nonsmooth fuel cost functions // Journal of Electrical Engineering and Technology. – 2014. – Vol. 9. – P. 423-432.
21. Neumann F., Witt C. Bioinspired computation in combinatorial optimization. Springer, 2010. – 216 p.
22. Ashlock D. Evolutionary computation for modeling and optimization. Springer, 2006. – 571 p.

Comments are closed.