混合分解的多目标粒子群优化算法

针对多目标粒子群算法全局最优值的选取缺陷以及多样性保留缺陷,提出了一种基于分解和拥挤距离的多目标粒子群优化算法(Smoeadpso).算法采用切比雪夫分解机制,将邻居向量对应的子问题的中的最优解来作为某个粒子全局最优值的候选解了更有效限制粒子飞行速度以避免粒子飞行超出解空间界限,引入了新的速度限制因子维持了种群多样性.本文算法与经典的多目标进化算法在10个测试函数上的对比结果表明,Smoeadpso求得的Pareto解集与真实Pareto解集的逼近程度有明显提升并且对于3目标问题求解的均匀性也比同类粒子群算法优秀.

基于多链式区块链的多类型产消者电力交易决策模型

针对传统单链式区块链中存在交易效率低、运行经济性差与可执行性弱等问题,提出基于多链式区块链的多类型产消者电能交易优化模型。通过将交易信息、电能信息和合同信息分离存储,建立基于多链式区块链的电能交易架构,有效提升交易效率与可执行性。结合各类型产消者的行为特征、电能潮流约束与分片验证机制,构建多类型产消者的交易决策模型,实现市场点对点交易资源配置最优化。运用模糊评价理论和节点信誉值激励机制,达成多链式耦合运行下的各区块信息自主校验。在此基础上,利用切比雪夫分解法的多目标进化算法,求解基于多子目标相互冲突的决策最优解。算例结果表明,提出的模型能够有效提升交易处理效率与总体收益,对多类型产消者的交易方案进行实时验证,为优化多类型产消者间交易决策问题提供理论支撑和决策支持。

基于分解的自适应多目标粒子群算法研究

针对多目标粒子群算法在选取全局最优解和保持种群多样性上存在的缺陷,本文提出了一种基于分解的自适应多目标粒子群优化算法。该算法采用切比雪夫聚合方法,将多目标问题聚合为若干个单目标问题,并对每一个单目标问题粒子的速度和位置更新公式进行改进,提高了算法搜索到Pareto解集的效率。同时,改进了惯性权重和加速因子,使其自适应调整,能够更好地平衡全局和局部搜索,采用网格技术存储最优解集,能有效保持进化群体的分布均匀性,并采用5个经典的两目标测试函数进行了仿真实验。实验结果表明,通过改进粒子群算法的速度和位置更新公式,可以提高非支配解对真实解的逼近程度,体现了本算法的有效性;多目标粒子群优化算法求得的Pareto解集,在解的收敛性和分布性上都有明显的提升。本算法为求解多目标优化问题提供了一种新的方法。

河口区斜压梯度对余水位的累积影响及其机制探讨

余水位(即潮平均水位)是河口区径潮相互作用的典型结果,研究其形成演变机制对探讨河口区的水资源高效开发利用具有重要科学意义。本文基于不同径潮边界条件下的三维斜压水动力数值模拟及切比雪夫机制分解,初步探讨了概化地形条件下斜压梯度对余水位沿程变化的影响。数值模拟结果表明:河口区余水位的沿程变化明显受径流量、潮波振幅、辐聚地形及斜压梯度等因素的共同影响,斜压梯度对余水位的影响是一种累积效应且影响区域集中在回水区,同时其影响强度具有明显的大小潮变化、洪枯季变化。利用数值模型提供的水位及流速场信息,通过切比雪夫分解非线性摩擦项分离出控制余水位变化的3个主要因素,即径流、潮流和径潮相互作用因子,并与斜压梯度产生的余水位进行对比分析,结果表明:回水区域余水位主要以径潮相互作用因子为主导;斜压梯度对余水位影响主要体现在小潮期间,有可能成为影响余水位变化的主控因子。

一种基于多策略差分进化的分解多目标进化算法

为了提高多目标优化问题非支配解集合的分布性和收敛性,根据不同差分进化策略的特点,基于切比雪夫分解机制,提出一种基于多策略差分进化的分解多目标进化算法(MOEA/D-WMSDE).该算法首先采用切比雪夫分解机制,将多目标优化问题转化为一系列单目标优化子问题;然后引入小波基函数和正态分布实现差分进化算法的参数控制,探究一种基于5种变异策略优势互补的最优变异策略,提出一种基于参数控制和最优变异策略的多策略差分进化(WMSDE)算法;在此基础上,实现一种基于WMSDE的分解多目标进化算法.采用ZDT和DTLZ测试函数验证MOEA/D-WMSDE算法的有效性,实验结果表明:所提算法在收敛性和分布性方面获得了较大的改进与提高,能够有效求解多目标优化问题;与其他算法对比分析表明,所获得的解集整体质量更优,为多目标问题求解提供了新方法.