无人机路径规划问题是一个复杂的多目标优化问题,目前常用粒子群优化算法及其变种算法来解决此类问题。本文在基于使用无人机执行物资投放任务的场景下,提出与之相应的无人机路径规划问题模型,并根据其特点分析其约束条件以及目标函数,...无人机路径规划问题是一个复杂的多目标优化问题,目前常用粒子群优化算法及其变种算法来解决此类问题。本文在基于使用无人机执行物资投放任务的场景下,提出与之相应的无人机路径规划问题模型,并根据其特点分析其约束条件以及目标函数,在传统需要优化的基本目标函数之外,额外增加了等待时间与延迟时间这一对相互冲突的目标函数。然后提出一种基于分解的双层多目标粒子群优化算法(double layer multi-objective comprehensive learning swarm optimization algorithm framework based on set decomposition,MODCS-PSO/D),该算法使用集合和概率表示粒子的速度与位置,将连续空间中的问题转化到离散空间内,然后结合综合学习策略构建双层粒子群算法,并在此基础上引入基于分解的多目标优化框架(multi-objective evolutionary algorithm based on decomposition,MOEA/D)平衡多个待优化目标,同时增加了额外的搜索策略以避免出现早熟现象。最后通过进行对比实验,得到的结果证明该算法不仅能够为无人机规划出更符合要求的路径,还大大缩短了规划时间。展开更多
综合考虑电动汽车的行驶特性、电池特性等约束条件,建立了计及峰谷差、日负荷率、负荷均方差和用户电费的多目标智能小区车辆与家庭互动(vehicle to home,V2H)调度策略。为求解该策略,提出双层离散粒子群算法优化V2H调度模型,以解决智...综合考虑电动汽车的行驶特性、电池特性等约束条件,建立了计及峰谷差、日负荷率、负荷均方差和用户电费的多目标智能小区车辆与家庭互动(vehicle to home,V2H)调度策略。为求解该策略,提出双层离散粒子群算法优化V2H调度模型,以解决智能优化算法难以求解含等式约束方程的问题。第1层优化通过离散粒子群算法求解满足所有约束条件的单辆电动汽车充放电计划可行解,第2层优化采用基本粒子群算法迭代优化V2H调度模型。对无序充电、有序充电调度、V2H调度模式以及不同用户响应度的V2H调度策略进行仿真分析,结果表明:V2H调度在减小峰谷差、负荷波动、提升日负荷率方面的作用最显著,与无序充电相比用户电费下降1/3以上;随着用户对V2H调度策略响应度提高,负荷特性改善越明显,但是V2H调度的车均电费会增加。展开更多
文摘无人机路径规划问题是一个复杂的多目标优化问题,目前常用粒子群优化算法及其变种算法来解决此类问题。本文在基于使用无人机执行物资投放任务的场景下,提出与之相应的无人机路径规划问题模型,并根据其特点分析其约束条件以及目标函数,在传统需要优化的基本目标函数之外,额外增加了等待时间与延迟时间这一对相互冲突的目标函数。然后提出一种基于分解的双层多目标粒子群优化算法(double layer multi-objective comprehensive learning swarm optimization algorithm framework based on set decomposition,MODCS-PSO/D),该算法使用集合和概率表示粒子的速度与位置,将连续空间中的问题转化到离散空间内,然后结合综合学习策略构建双层粒子群算法,并在此基础上引入基于分解的多目标优化框架(multi-objective evolutionary algorithm based on decomposition,MOEA/D)平衡多个待优化目标,同时增加了额外的搜索策略以避免出现早熟现象。最后通过进行对比实验,得到的结果证明该算法不仅能够为无人机规划出更符合要求的路径,还大大缩短了规划时间。
文摘综合考虑电动汽车的行驶特性、电池特性等约束条件,建立了计及峰谷差、日负荷率、负荷均方差和用户电费的多目标智能小区车辆与家庭互动(vehicle to home,V2H)调度策略。为求解该策略,提出双层离散粒子群算法优化V2H调度模型,以解决智能优化算法难以求解含等式约束方程的问题。第1层优化通过离散粒子群算法求解满足所有约束条件的单辆电动汽车充放电计划可行解,第2层优化采用基本粒子群算法迭代优化V2H调度模型。对无序充电、有序充电调度、V2H调度模式以及不同用户响应度的V2H调度策略进行仿真分析,结果表明:V2H调度在减小峰谷差、负荷波动、提升日负荷率方面的作用最显著,与无序充电相比用户电费下降1/3以上;随着用户对V2H调度策略响应度提高,负荷特性改善越明显,但是V2H调度的车均电费会增加。