多目标微粒群优化算法及其应用研究进展

针对近几年来MOPSO算法及其应用的进展进行了综述和评论。首先描述了MOPSO算法的基本框架;接着对MOPSO算法进行了分类和分析,并给出了MOPSO算法的一些改进策略;然后介绍了MOPSO算法的应用进展;最后展望了MOPSO算法值得进一步研究的方向。

基于改进多目标微粒群算法的模具多项目反应调度

针对模具多项目执行过程中由于可再生资源发生故障、任务拖期以及随机插入新项目而导致的调度计划变更问题,提出了一种反应调度算法。利用生灭过程理论对可再生资源的不确定性进行分析,并采用基于优先规则的拓扑排序方法构建初始调度计划,建立了以调度计划变更产生的附加费用最小以及项目加权工期之和最小为目标的多目标反应调度模型,并提出一种改进的多目标微粒群算法进行模型求解。最后,通过仿真计算分析了反应调度算法的可行性与有效性。

一种基于多目标微粒群优化的虚拟网络映射方法

针对多个虚拟网络同时映射时资源统一优化分配的问题,提出了一种基于多目标微粒群优化的虚拟网络映射方法(MSC-VNE),提高底层网络资源利用率及全局负载均衡性能。建立了虚拟网络映射的多目标优化模型,将单个虚拟网络映射作为一个子群,并采用多子群协作优化的方法在子群映射时通过相互信息交换进行协同进化,最终达到全局资源的优化分配。仿真结果表明,与典型成果相比,提出的方法有效地提高了底层网络资源利用率和虚拟网络构建成功率。

基于网络Voronoi图和多目标微粒群的空间选址优化

根据网络Voronoi图对中心设施影响范围的空间划分和多目标微粒群的智能搜索提出了一种空间选址的技术方法。城市功能设施的选址往往受到交通网络的影响,而且涉及多个优化目标和约束条件,利用最短路径分析构建的网络Voronoi图来模拟设施的辐射影响范围,并根据其他优化目标和约束条件,使用经过粒子记忆体和遗传交叉机制改进的多目标微粒群算法智能地搜索设施的空间布局位置。实验结果表明,该方法能够较好地模拟出在交通网络和多个约束条件影响下的有限个功能设施的较优布局方案,具有一定的参考价值。

基于偏好信息的多目标微粒群优化算法研究

在实际决策过程中,决策者可能并不需要完全获悉所有的决策方案,而是只对一些特定方案产生兴趣,对此,提出指定目标间重要关系和给定目标空间参考点情况下的多目标微粒群优化算法.以格栅作为解的多样性保持策略,对于给定目标间重要关系的偏好信息,可以获得特定区域的多个解;对于给定参考点的偏好信息,可以同时获得多个特定区域中的多个解,有利于决策者进行更有效的决策.通过对典型测试问题的仿真实验,验证了本算法的正确性和有效性.

微粒群进化估值策略在多目标优化中的应用

作为群智能算法,微粒群算法由于在获得最优解集之前需要大量的适应值评价,从而阻碍了其在复杂的多目标优化优化问题中的应用。为了解决该问题,本文将进化估值策略引入到多目标微粒群算法中,用适应值估计代替适应值实际评价,以减少适应值实际计算次数,从而节省计算花费。实验结果表明引入进化估值策略的多目标微粒群算法可以大大减少适应值的评价次数,而相似度的评价控制机制可提高估值的准确性,从而在减少评价次数的同时提高算法的优化性能。

交叉微粒群算法在梯级水电站水库群多目标优化调度中的应用

以发电量和保证出力为目标,建立水库优化调度多目标数学模型,将遗传算法的交叉思想应用到微粒群算法中,尝试应用多目标交叉微粒群算法(multi-objective Hybrid Particle Swarm Optimization——multi-objectiveHPSO)来求解水库调度中的多目标优化模型的不劣解集。通过实例研究计算并与其他算法的优化结果进行比较分析,证明交叉微粒群算法具有灵活和有效性能好的特性。

锌电解整流供电系统的微粒群优化控制策略

在分析锌电解整流供电系统的基础上,建立基于整流效率和整流系统稳流精度的整流供电系统优化控制数学模型,并根据整流供电系统的分级递阶控制特性,提出一种递阶多目标微粒群算法,用于整流供电系统各机组电流分配的优化决策.实验结果和现场运行结果都表明,基于多目标微粒群算法的整流供电系统优化控制策略能够有效提高整流效率和稳流精度.

基于微粒群优化算法的锌电解分时供电优化调度

建立了锌电解生产过程分时供电优化调度系统的多目标优化数学模型.设计出一种随机多目标微粒群优化(PSO)算法,并应用整数空间的随机多目标PSO算法实现锌电解过程分时供电的优化调度.克服了采用单目标模拟退火算法进行分时供电优化调度时存在的先验知识不足、搜索效率较低等缺点.

基于多目标的消磁绕组优化调整方法

针对目前舰船消磁绕组优化调整方法中只考虑舰艇磁场信号幅值而较少考虑磁场梯度信号幅值的不足,提出同时以磁场幅值和磁场梯度幅值削减为目标的优化调整方法.为此,首先以线圈等效电流值为优化对象,磁场和梯度峰值为优化目标,建立了消磁绕组优化调整的多目标数学模型;随后采用多目标微粒群算法求解得到了该优化问题的Pareto解集;最后通过一个计算实例验证了方法的有效性.实例结果表明该方法能够同时处理磁场和磁场梯度幅值,并能给出多种不同等效电流组合以供选择使用.

新的基于云计算环境的数据容灾策略

针对云提供商在保证数据可靠性的基础上,尽可能地降低自身的数据容灾成本这一需求,提出了一种基于"富云"的数据容灾策略——RCDDRS,该策略能够实现动态多目标调度,即在云提供商本身存储资源有限的情况下,合理地选择其他云提供商的资源储存数据备份,使得数据容灾成本尽可能的低且出现灾难后的恢复时间尽可能的短。仿真结果证明了该策略的可行性和有效性。

MOPSO中精英保持策略和最佳解选择方法的改进

为提高多目标微粒群优化(MOPSO)算法处理高维目标优化问题的性能,降低计算复杂度,改善算法的收敛性,对MOPSO算法进行了改进.该改进算法利用扩展E支配(E-dominance)方法确定解之间的优胜关系,采用随机方式确定当代最佳解,考虑了算法的收敛性和解的多样性.此外,采用外部种群档案保存精英解,利用非线性函数将优化问题的目标空间映射到有限区域,并在该有限区域内考虑解的优胜关系和分布情况.通过对一系列典型测试问题的仿真研究,结果表明:对于3个以上的多目标优化问题,改进算法的收敛性和计算复杂度都优于原始MOPSO和NSGA2.

基于改进线性辨别分析的信用评分方法研究

针对线性辨别分析(linear discriminant analysis,LDA)在处理信用评分问题中存在着准确率不高的缺陷,对原有的LDA方法进行了改进,新增了错分距离标量和正分距离标量,并在此基础上构建了多目标信用评分模型,该模型以错分距离之和最小和正分距离之和最大为优化目标;然后提出了对应的基于子代择优的协同进化多目标微粒群算法;最后应用现实世界中的数据集,将该方法与逻辑回归、神经网络、序列最小优化和决策树等分类算法进行了对比,实验结果表明该方法具有分类准确率高、易于理解和实现的特点。

分隔壁精馏塔分离松节油中蒎烯的多目标优化

为了降低能耗,提高经济效益,在AspenPlus平台上建立了分隔壁精馏塔(DWC)分离松节油中蒎烯的四塔等效模拟流程,采用灵敏度分析确定了对能耗和分离效果影响较大的设计变量及其取值范围,以预分离塔塔板数、主塔塔板数以及能耗最小为目标,建立了DWC分离松节油中蒎烯的多目标优化模型,并利用约束多目标微粒群优化(CMOPSO)算法对模型进行了求解。结果表明:CMOPSO算法能很好地解得DWC的Pareto最优解集,为决策者提供了多种可供选择的DWC优化设计方案;经多目标优化后,在总塔板数(或设备投资费)相近时,与DWC分离松节油的单目标优化结果相比,多目标优化结果可进一步节能21.7 kW;气、液相分配比是DWC特有的,且非常重要的设计变量,采用的双变量灵敏度分析方法能够比较准确地得到两者的适宜取值范围,优化时在该范围内搜索气、液相分配比可望进一步缩短寻优时间。