-
题名基于双重距离的多目标粒子群优化算法
- 1
-
-
作者
慈雨
荣淼
彭晨
-
机构
上海大学机电工程与自动化学院
-
出处
《控制与决策》
EI
CSCD
北大核心
2024年第6期1801-1809,共9页
-
基金
国家自然科学基金项目(62103255,61833011)。
-
文摘
多目标粒子群优化(multi-objective particle swarm optimization,MOPSO)算法在维护收敛性的同时搜索分布良好的最优解集较为费力.为此,提出一种基于双重距离的MOPSO,由种群的平均距离定义粒子的邻域空间,邻域粒子数为粒子的等级,数量越多,粒子的等级越大.当等级相同时,算法结合粒子的拥挤距离选择最优粒子,并更新外部归档集.此外,算法结合粒子的变异行为避免陷入局部最优.在对比实验中,该算法在收敛性和多样性上可取得较优结果.最后,将该算法应用到电力系统的环境/经济调度模型(environmental/economic dispatch,EED),也可获得性能较好的解集.
-
关键词
平均距离
拥挤距离
邻域信息
多目标粒子群优化
多目标问题
环境/经济调度
-
Keywords
average distance
crowding distance
neighborhood information
MOPSO
MOP
environmental/economicdispatch
-
分类号
TP273
[自动化与计算机技术—检测技术与自动化装置]
-