分享到:

多目标进化算法及其在电力系统中的应用研究

多目标进化算法是一种用于解决现实工程中多目标设计问题的新型优化方法。电力系统中的很多问题都具有多个设计目标,将多目标进化算法应用于电力系统中,可以为电力系统的运行与控制提供多种可行方案,运行人员可根据不同的偏好从中确定最终的方案。论文首先介绍了多目标问题优化的概念,总结了多目标进化算法及其工程应用情况。结合电力系统经济调度中的多目标设计问题,以及电力系统中的控制器,特别是FACTS 稳定控制器中的多目标设计问题,介绍了多目标进化算法在电力系统中的应用情况,展望了其应用前景。全文的内容主要包括如下几个部分:第一部分提出基于模糊优选多目标进化算法(FMOEA),有效避免了种群早熟现象,同时使解集更容易收敛至 Pareto 边界。 求解多目标问题的关键是要得到 Pareto边界,基于排序选择的多目标进化方法往往会遇到种群早熟的问题;而标量化的权重系数变化法对于不同目标在量纲上差异过大的情况难以找到其 Pareto 边界。FMOEA对基  (本文共128页) 本文目录 | 阅读全文>>

西安电子科技大学
西安电子科技大学

多目标进化算法及其应用研究

进化算法的出现为复杂优化问题的求解提供了新的思路,由于它具有智能性、通用性、稳健性、本质并行性和全局搜索能力,已在各个领域得到了广泛的成功应用。本文从生物个体与环境、个体与个体之间的竞争与协作关系出发,首先针对无约束多目标优化问题提出了相应的进化模型与算法,然后分析了已有多目标进化算法的收敛性,给出了衡量不同算法性能的定量性能指标;考虑到实际问题往往是带有多约束的优化问题,针对约束优化问题提出了基于双群体的差分进化算法,并将一种多目标进化算法用于灰度图像和彩色图像的色调处理之中;最后,给出了一种用来搜寻多峰函数所有峰值点的有效算法及评价多峰函数优化问题算法性能的度量方法。本文的主要工作概括如下:1.基于生物个体与环境、个体与个体之间的竞争与协作关系出发,提出了两种求解多目标优化问题的进化算法:基于AER模型求解多目标优化问题的智能微粒群算法和多目标协同微粒群优化算法。在第一种算法中,基于智能体对环境的感知和反作用的能力,设计了相...  (本文共154页) 本文目录 | 阅读全文>>

吉林大学
吉林大学

基于粒子群和微分进化的优化算法研究

随着科学技术的发展,实际的优化问题变得越来越复杂。优化问题表现出了复杂性、约束性、非线性、多极小、建模困难等特点,因此常规的求解方法已很难适用。进化计算作为一类通过模拟生物进化过程与机制来求解问题的优化技术,为解决复杂优化问题提供了新的思路和方法。粒子群优化算法和微分进化算法是近年来提出的两种简单而高效的进化算法,本文详细阐述了二者的基本内容,概括了用进化计算求解优化问题的一些方法,重点研究了模糊聚类、约束优化和多目标优化问题,并基于粒子群优化算法和微分进化算法提出了几种新的优化算法。主要研究内容如下:⑴对最优化问题的基本概念及求解最优化问题的数学方法和进化计算方法进行了概括和比较;⑵阐述和分析了粒子群优化算法和微分进化算法的原理、参数设置、算法流程;⑶提出了一种利用粒子群优化算法求解约束优化问题的新的优化算法;⑷针对现有模糊聚类算法中存在的问题,提出了两种基于粒子群优化算法的新的模糊聚类算法;⑸阐述和分析了多目标进化算法的基本...  (本文共152页) 本文目录 | 阅读全文>>

上海交通大学
上海交通大学

多目标进化算法及其在制造系统中的应用研究

很多现实问题常要求同时优化多个相互竞争或冲突的目标。用进化算法求解多目标优化问题具有传统多目标优化方法(如加权法)不可比拟的优势:一方面,进化算法不需要决策者的偏好信息即可同时优化多个目标;另一方面,其并行机制使算法运行一次就能得到问题的Pareto最优集或近似最优集。有关多目标进化算法的研究不仅具有理论价值而且具有实际意义,本文针对多目标进化算法及其在制造系统中的应用展开研究,主要内容和成果如下:提出了混合微调多目标Memetic算法(Hybrid Fine-Tuned Multi-objective Memetic Algorithm, HFMOMA),该方法将局部搜索与进化重组(交叉和变异)相结合以改善算法的全局搜索能力。为了扩展搜索空间,HFMOMA在局部搜索阶段采用模拟退火(SA)算法优化每个随机线性加权函数;在重组阶段,算法采用Pareto法实现交叉和变异,并通过一种基于网格的局部扰动(Grid-based Loca...  (本文共120页) 本文目录 | 阅读全文>>

北京航空航天大学
北京航空航天大学

多目标进化算法研究及其在生产排序中的应用

生产计划中的多目标排序问题是一类典型的组合优化难题,对其求解过程是在多个冲突的优化目标及高度复杂的搜索空间进行寻优,因此传统优化算法往往难以有效求解这类问题。本文在分析总结现有进化算法及多目标排序研究基础上,提出一种基于递进进化结构的多目标进化算法,并针对排序问题的特点,将现有启发式算法引入进化算法的局部搜索中,提高了算法的求解效率。本文主要工作内容如下:1.简要回顾了多目标进化算法及多目标排序问题的发展历史。在分析现有多目标遗传算法特点的基础上,归纳总结了现有多目标遗传算法研究存在的不足,指出其应用于多目标排序问题存在的困难。2.针对现有多目标进化算法存在的不足,提出一种基于递进进化结构的混合多目标进化算法。通过在进化算法中引入递进进化结构,改善了群体多样性,又隐式地实现了不同进化层之间的非劣解集信息传递;通过采用改进的精英选择策略,实现了不须计算适应值而仅通过规则指导即可实现精英个体的保留;同时,在递进进化过程中引入非劣解局...  (本文共164页) 本文目录 | 阅读全文>>

《中国农业文摘-农业工程》2017年04期
中国农业文摘-农业工程

科技文摘

20174001基于正交设计模型的多目标进化算法/吴金妹(华北水利水电大学机械学院),王亚辉…//农业机械学报.-2017,48(2).-362~369为提高多目标进化算法在求解复杂多目标问题上的收敛性和解集多样性,提出了一种基于正交设计模型的多目标进化算法。该算法在基于分解技术的多目标进化算法框架下,将正交实验设计方法同分解技术相融合。利用正交实验设计方法,有针对性地对父代个体进行重组,并生成多个保留优良基因的子代个体,避免了盲目性搜索以提高算法收敛性,并应用分解技术选择优秀个体来维持全局搜索和局部寻优的动态平衡。将该算法与目前典型的优异算法在18个标准测试函数集上进行对比测试,仿真结果表明所提算法相比另外4种算法具有良好的竞争力,在保持良好收敛性的同时,所获得的Pareto前端分布更加均匀,尤其在求解具有复杂Pareto解集的问题时,能保持较好的搜索性能。为了测试算法在求解含有约束问题的性能,将其应用于I型主梁多目标优化设计...  (本文共1页) 阅读全文>>