1

编辑：代替其他建议，我决定使用Python DEAP 框架，直到我想出一些可用的东西。希望这可以帮助有类似问题的人。

我正在实现一个系统，我们需要为客户端进行多目标优化，如下所示：

一个制造系统必须通过焊接生产 N 个（相同种类的）零件。为此，可以选择某种材料、焊接方法以及用于构建每个部件的焊接点数量。下图显示了问题的参数及其相互依赖关系：

在此处输入图像描述

我可以玩价值观

material
welding method
number of spot welding points

我需要找到最小化成本和最大化稳定性的材料、焊接方法和焊接点/零件数量的组合。

我正在考虑使用进化算法方法。但是，我的背景不是优化，所以，如果有人可以提出更具体的算法来解决这个问题，那将非常有帮助。

4

3 回答 3

1

假设您有“成本”和“稳定性”的成本函数，您可以使用传统的多目标 EA，如 NSGa-II、SPEA-2 和 PAES。显然，算法的选择很大程度上取决于您拥有的样本数量、成本函数的特征和其他重要特征。您可以在Applied Soft Computing等期刊上查看类似应用程序。

于 2012-03-23T14:38:39.863 回答
1

试试 SMS-EMOA： http ://ls11-www.cs.uni-dortmund.de/people/beume/publications/BNR08_at.pdf 论文表明它是对 NSGA-II 的一种改进

于 2013-01-10T14:52:22.247 回答
0

旧帖子，我意识到，但为了任何有类似情况的人......

尽管使用 EA 是一种方法，但这个问题让我觉得特别适合混合整数编程。EA 可能很棒，但不能保证达到最佳解决方案。另一方面，MIP 可以达到最优解（并证明它是最优解）。此外，多个目标可以很容易实现。

我建议查看 Gurobi ( https://www.gurobi.com/ )。他们在使 MIP 尽可能易于访问方面做得很好，并且在他们的网站上有很多文档和示例可供入门。一开始有点学习曲线，但你很快就会看到在任何地方使用 MIP 的机会，所以我认为时间投资是有回报的。我相信也有试用许可证。

于 2016-07-29T21:50:00.723 回答