基于自适应混合非支配个体排序策略的改进型NSGA-Ⅱ算法

针对经典快速非支配排序遗传算法(NSGA-Ⅱ)中基于拥挤距离的种群多样性保持策略不能客观反映个体间真实拥挤程度的问题,提出了一种基于自适应混合非支配个体排序策略的改进型NSGA-Ⅱ算法(NSGA-Ⅱh)。首先,设计一种新的循环聚类个体排序策略;然后,根据Pareto分层信息来对基于经典拥挤距离和循环聚类的两种个体排序策略进行自适应的选择;最终,实现对进化后期的种群多样性保持机制的改进。通过5个标准测试函数进行算法验证,并与经典的NSGA-Ⅱ、多目标粒子群优化算法(MOPSO)和GDE3等算法进行对比分析,NSGA-Ⅱh算法获得了80%的最优反向世代距离(IGD)值,且显著性水平为5%的双尾t检验结果表明,新算法具有明显统计意义上的性能优势。改进算法不仅能提高进化种群的分布性,而且能增强算法的收敛性,有效提高了优化效果。

演化算法求解约束多目标优化问题

求解多目标优化问题的演化算法主要考虑如何处理相互冲突的多个目标间的优化,很少考虑对约束条件的处理。通过引入约束主导原理,提出一种无需采用罚函数,完全是基于个体排序的求解约束多目标优化问题的演化算法。对测试函数进行了实验,实验结果表明了该算法的可行性和有效性。

基于差分进化的光伏MPPT算法改进

基于差分进化(DE)算法提出一种改进的最大功率追踪(MPPT)算法。针对DE算法MPPT时收敛较慢且追踪过程中会产生较大的尖峰电压和振铃的问题,该文采用新的差分策略并增加种群个体排序,提出一种差分进化和扰动观察法(P&O)相结合的OMDE-P&O算法。首先通过OMDE算法快速达到最大功率对应的电压附近,然后通过P&O算法快速稳定到最大功率点。通过Matlab仿真及硬件实验,验证该算法的可行性。

基于改进差分进化算法的光伏最大功率点跟踪

在光伏最大功率点跟踪算法中,传统算法收敛会产生陷入局部极值的问题,而智能算法收敛较慢,且在收敛过程中可能产生大幅度电压振荡。针对上述问题,文中提出了相应的改进策略。在粒子群算法迭代过程中,通过增加粒子种群的个体排序来抑制大幅度电压振荡,消除较差适应值粒子对速度更新的影响,同时结合差分进化算法中种群更新时的竞争关系来提高收敛速度。采用单峰值及多峰值算例对所提策略进行仿真实验,得到的光伏最大功率分别为60 W和122 W。仿真结果表明,相较于粒子群算法和差分进化算法,文中所提算法的收敛速度分别提升了52.22%和61.60%,追踪过程的中期电压波动幅度分别减少了15%和30%。

基于误判率的最大差异度量法

最大差异度量法在市场研究中越来越受到重视,但是其问卷设计中包含的误判信息并没有被有效利用,文章在定义了顺序比较和三角误判的概念后,提出了计算个人误判率的方法,统计出的个人误判率可以作为排除误判率较高评价者的依据。在此基础上,结合汽车消费者购买因素调查的实际案例,验证了基于误判率的最大差异度量法的有效性,同时利用不同购买因素之间的有效对比计数和概率信息,得到了个体的最优排序,为后续研究提供了更有价值的数据信息。

后置群决策问题的一种集结方法

针对后置群决策问题 ,提出个体排序的位置得分函数 ,用来反映个体偏好在群决策中的价值 ,在考虑个体权重的情况下 ,用位置偏差系数来反映个体间偏好差异 .建立了一个群决策的位置指标公式 .讨论了它的一些排序性质 .通过实例说明了其作为群排序指标的合理性 .

基于误判率的最大差异联合分析法

最大差异联合分析法在问卷设计和题目数量上较之其他联合分析法具有一定优势,但目前在该问卷体系下对个体判断信息的获取是一个难点,局限了方法的应用。本文充分挖掘了最大差异度量设计下的成对比较信息,通过顺序比较和三角误判率的定义,提出个人误判率的计算方法,同时利用被评价对象之间的有效对比计数和判断概率,给出了个体的最优排序法。最后通过汽车产品案例,验证了该方法的有效性。