基于粒子群算法的多目标搜索算法的资产配置研究

国内有关资产配置的研究成果主要集中在风险平价模型、B-L模型等方面,但这种研究方法存在一定的局限性,难以根据投资者的实际情况得出相应的资产配置比例。本文通过使用Kelly公式计算资产增值率得到目标函数和利用CVaR风险度量方法进行风险控制来构建数学模型,基于粒子群算法的多目标搜索算法来求解多目标优化问题,得到非劣解。

基于多目标原子轨道搜索算法的风电场集群最优经济调度

随着环保意识的增强以及风电渗透率的不断攀升,使得电力部门对含风电系统的经济调度提出了更高的要求。为了在降低污染物排放及促进风电消纳的同时将发电成本控制在最低,建立了考虑环境与经济指标的风-火多随机变量经济调度模型。该模型中的目标函数考虑了火力发电成本、风力发电成本、弃风惩罚成本及污染气体排放。采用多目标原子轨道搜索算法进行模型求解,该算法在传统原子轨道搜索算法的基础上添加了存档机制、网络机制以及领导者选择机制,具有较强的多目标优化执行能力。结合修改后的IEEE30节点算例进行仿真分析,结果验证了所提模型的可行性以及多目标原子轨道搜索算法求解此类问题的有效性。

基于多目标优化禁忌搜索算法的停机位分配方法研究

针对机位资源分配不均给机场运行多方带来的公平性问题,提出多目标优化的停机位分配方法。建立以旅客通行距离、飞机滑行距离和远机位使用次数最小为多目标优化分配模型。分析航班属性设置分配优先级表。设计一种基于pareto最优的多目标优化禁忌搜索算法,使用pareto最优策略对解集进行筛选。在机场实际分配方案的基础上进行仿真实验,旅客通行距离和飞机滑行距离分别缩短18%和5%,机位资源的使用数量减少20%,航班靠桥率提高到93%,多目标优化禁忌搜索算法比遗传算法更优。

多目标快速搜索算法——芯片图像识别中应用

提出一种多搜索结果的三极管芯片图像匹配算法。首先利用金字塔搜索算法对目标图像进行分层搜索匹配,减少了图像的匹配计算量。其次在搜索过程中依次判断搜索目标是否符合要求,并消除重复结果。所提出的算法主要用于三极管芯片的粘片机及焊线机的图像识别系统中,试验证明该算法能满足设备的实时性和精度要求。

基于多目标麻雀搜索算法的柔性车间生产排程方法

针对柔性车间生产排程问题,以最小化完工时间、最小化机器总负载以及加工总成本最低为目标函数,设计了一种多目标麻雀搜索算法(multi-objective sparrow search algorithm,MOSSA)进行求解.首先,将父子代融合后的种群进行非支配排序,选取最优位置个体和最差位置个体;其次,采用两段式规则对机器选择和工序排序进行编码;最后,利用麻雀搜索算法完成种群的更新和寻优.通过算例进行实验仿真,研究参数对MOSSA的影响,并将MOSSA与其他算法进行比较.结果表明:该模型下,参数影响较小,MOSSA具有高性能全局搜索能力和较好的收敛性,对于解决多目标生产排程问题具有指导作用.

多目标布谷鸟搜索算法

解决多目标优化问题,并得到精确的、高质量的Pareto前沿解是非常具有挑战性的。将CS算法运用于多目标问题解的迭代更新过程,对传统的基于Pareto支配关系的适应度函数进行了改进,并提出基于小生境技术的逐步档案缩减法用于档案解的缩减与维护过程,设计出了多目标布谷鸟搜索算法(MOCS)。通过仿真实验验证以及相关性能指标的测试结果得出,MOCS算法与经典的NSGAII算法相比,在所得解的收敛性、多样性和均匀性方面均有所改善。

基于和声搜索算法的配电网多目标无功优化

首次将一种新型人工智能算法即多目标和声搜索算法(MOHSA)应用于配电网无功优化中,建立了以系统网损最小、无功补偿费用最低为目标函数的无功优化数学模型,考虑配电网的运行要求,以容性无功补偿的定容定址为控制变量。算法通过和声保留、音调调节和随机选择三种方式来更新和声解向量,同时基于非劣化排序,考虑拥挤距离,对和声记忆库优先筛选,确保求得Pareto前沿的非劣性与分布性,并采用理想点法选择工程最优解。最后采用IEEE-33节点系统,对算法的性能以及工程性进行测试,并与NSGA-II算法对比,结果表明了M OHSA在收敛稳定性、计算精度等方面具有一定优势。

多目标遗传局部搜索算法的研究进展

在分析了由演化算法局部搜索能力差造成的多目标演化算法在收敛速度和求解精度上尚不能令人满意的局限性的基础上,详细地论述了融入局部优化方法的多目标混合演化算法能够有效地平衡算法的全局搜索与局部搜索能力、均衡搜索效率与效果,而且已成为求解多目标优化问题的一个非常重要而有前途的研究方向。其次,综述了多目标遗传局部搜索算法的研究进展与分类。最后,简单介绍了一些具有代表性的多目标遗传局部搜索算法,并提出了其有待进一步研究的若干方向和内容。

混沌云模型多目标布谷鸟搜索算法

针对多目标布谷鸟搜索算法(MOCS)迭代后期寻优速度慢,并且容易造成局部最优等缺点,提出一种混沌云模型多目标布谷鸟搜索算法(CCMMOCS)。首先在进化过程中通过混沌理论对一般的布谷鸟巢位置在全局中寻求优化,以防落入局部最优;然后利用云模型对较好的布谷鸟巢位置局部优化来提高精度;最后将两种方法对比得到相对更好的解作为最优值以完成优化。对比误差估计值及多样性指标,由5个常用多目标测试函数仿真结果可知,CCMMOCS比传统多目标布谷鸟搜索算法、多目标粒子群算法(MOPSO)及多目标遗传(NSGA-Ⅱ)算法性能更好,Pareto前沿更接近理想曲线,分布也更均匀。

基于多目标禁忌搜索算法的认知无线电频谱分配

针对认知无线电动态频谱分配问题,建立图着色频谱分配模型,将模型中的分配矩阵和禁忌搜索算法中的可行解相对应,提出基于禁忌搜索的智能求解算法。同时将高斯柯西算子引入到禁忌搜索的更新策略当中,改善了算法的收敛速度和爬坡能力。在最大化认知无线电网络效益和最大化公平效益准则下建立多目标评价函数,将禁忌搜索算法和粒子群算法在图着色频谱分配模型基础上进行性能比较,结果表明在不同权重的评价函数下,禁忌搜索算法找到的理想最优解都要优于粒子群算法。

分簇和多目标自适应的和声搜索定位算法

针对集中式多目标优化定位算法计算复杂、容易陷入局部最优等问题,采用一种基于分簇和多目标自适应和声搜索分布式无线传感器网络定位算法.将无线传感器网络节点进行分簇定位,建立局部多目标定位模型,其目标函数为根据簇内节点间距离信息构建的空间约束目标函数,以及根据拓扑关系构建的拓扑结构约束目标函数,使用多目标自适应和声搜索算法进行定位,以解决多目标定位算法容易陷入局部最优问题,其中和声记忆库更新方法采用非劣排序和拥挤距离排序方法.仿真结果表明本文的定位算法,与PAES定位算法相比有较高的定位精度.

面向混流生产线排序问题的改进回溯搜索算法

针对产品工艺的复杂性和多样性导致的混流生产线生产效率低下的问题,建立各个工作站零件利用率最大化和总体均衡化的函数模型,提出了一种基于改进多个目标回溯搜索算法的混流生产线排序方法,利用多权重下的最优个体精英历史种群引导当前种群进化,以提高全部搜索能力的收敛速度。将该算法应用于装配线排序问题上,为混流生产车间的作业排序提供有效的依据;同时将多目标回溯搜索算法与遗传算法、回溯搜索算法进行对比,结果表明改进的回溯搜索算法在混流生产线排序问题上的优越性。

基于多目标布谷鸟搜索算法的装配式住宅安装施工调度

针对装配式住宅在实际施工过程中,工序的施工差异以及项目资源的限制对工程项目调度问题的影响进行深入研究。首先,以最小化施工完成时间以及最小化人工成本为优化目标,构建了多目标优化的数学模型。其次,基于问题的困难程度和其他优化算法的特点,采用多目标布谷鸟搜索算法对该模型进行求解,然后针对原先多目标布谷鸟搜索算法的不足,提出对步长因子和丢弃概率进行改进以提高算法综合性能。最后,以某装配式住宅小区安装施工问题为例,检验模型和算法的适用性,并根据结果对项目资源进行科学有效的调度。

基于改进多目标水母算法的低碳柔性作业车间调度方法

针对柔性作业车间调度问题中多个目标之间相互冲突、难以求解的问题,设计了一种基于Pareto和改进多目标水母搜索算法的柔性作业车间调度方法。首先,建立了以最小化最大完工时间、最小能耗以及最小机器总负荷为优化目标的车间调度模型;其次,使用了一种基于完工时间和机器负荷均匀分布的初始化方式,有效地提升了初始种群的质量;考虑到连续水母算法在求解离散问题时存在效率低等问题,设计了离散水母算法,提出了基于Pareto等级的被动运动方式,进一步提高了搜索效率,引入了学习的概念引导种群向Pareto前沿移动;最后,为了验证多目标改进水母算法在求解柔性作业车间调度的有效性,与NSGAII算法进行了仿真实验对比。实验结果表明:利用该算法求解MK06算例完工时间为76、机器负荷为424、能耗为565.8支配的NSGAII的结果,解的质量整体较高。研究结果表明:采用均匀分布初始化方式以及学习型引导的离散化水母算法,其初始种群分布均匀、收敛速度快、解的质量高,具有较强的寻优能力,能够有效地处理多目标柔性作业车间调度问题。

基于多目标乌鸦搜索算法优化DenseNet图像分类算法研究

图像分类是计算机视觉领域中的关键任务,其目标是将输入的图像分配到预定义的类别中,核心思想是通过学习从图像的局部特征中提取高级抽象表示,使模型能够有效识别并区分不同类别的图像。图像分类已应用于诸多领域,包括医学影像识别、自动驾驶、安全监控等。但图像分类也存在一些问题,如小样本问题、类别不平衡及对抗攻击等。近年来,随着深度学习的迅速发展,卷积神经网络(CNN)在图像分类任务中取得了显著的效果。设计了一种启发式算法,引入多目标乌鸦搜索算法,解决多目标优化问题,通过实验,与其他先进算法进行比较,验证了优化后的DenseNet在图像分类任务上性能有所提升,可优化卷积神经网络模型在图像分类中的应用。

基于智能优化算法的FACTS设备多目标优化配置

综合考虑可用输电能力和柔性交流输电设备投资费用,建立了用于FACTS设备选址和定容的多目标优化模型。提出了一种基于变焦佳点集和种群熵的改进多目标引力搜索优化算法(improved multi-objective gravitational search algorithm,IMOGSA)。利用该算法对FACTS设备的位置及容量组合进行优化,得到包含对应组合的可用输电能力和投资费用信息的Pareto解集,并采用模糊满意度方法对所得Pareto解集进行分析,选出兼容性最好的解。在IEEE-14节点系统中对所提出的方法进行了验证,并和多目标引力搜索算法、多目标粒子群算法进行对比,结果表明改进多目标引力搜索优化算法优于后2种算法,是FACTS设备选址定容的首选。

基于多目标混沌云布谷鸟算法的HAPF优化研究

大量非线性电力电子设备的使用给人们的生产生活带来了极大的谐波危害,目前治理谐波的主要手段是投入滤波器。而混合有源滤波器(HAPF)结合了无源滤波器和有源滤波器的特点,是很有前瞻性的滤波系统。HAPF参数优化的算法大多存在收敛精度不高,易陷入局部最优等缺陷。因此,利用混沌云模型多目标布谷鸟搜索算法优化HAPF参数,具有十分重要的工程意义。通过Matlab/Simulink仿真结果对比可知,该算法同粒子群算法(PSO)及原始多目标布谷鸟算法(MOCS)相比,有良好的补偿及效果,成本也有所降低。

考虑运输时间的混合流水车间绿色生产调度

针对运输时间对混合流水车间绿色生产调度的影响这一问题,以最大完工时间、生产能耗及生产成本为优化目标,提出一种改进的多目标麻雀搜索算法(Improved Multi-Objective Sparrow Search Algorithm,IMOSSA)进行求解,参考非支配排序将种群适应度值进行划分、引入正余弦策略提高解集质量、加入多项式变异算子和Levy飞行,提高解集的收敛速度和全局搜索能力,避免陷入局部最优。而后设计16种测试算例,将IMOSSA与其他多目标优化算法进行对比,验证了IMOSSA求解的优越性。最后,以某实际生产车间为例,将其生产调度划分为4种模式,证明算法求解的实用性。

含分布式电源及电动汽车充电站的配电网多目标规划研究

电动汽车充电站的定容选址问题对配电网络和交通网络都会产生影响,所以在分布式电源规划时应同时考虑。文章建立了路径选择模型与交通满意度评价模型,并研究了分布式电源的时序特性与互补性。考虑分布式电源同时为配电网负荷和充电站供电,建立了总成本最小、网络损耗最小和交通满意度最高的电动汽车充电站与分布式电源定容选址模型。并采用新的多目标自由搜索算法对上述模型进行求解,得到Pareto解集。最后以IEEE33节点配电网为例进行仿真计算,并采用交互式模糊决策对结果进行分析。结果表明,上述方法能得到合理的分布式电源与电动汽车充电站接入位置及其容量配置方案,所提模型和算法是可行且有效的。

利用多目标禁忌搜索算法进行土地整理自动分区

提出了一种多目标禁忌搜索算法来实现土地整理备选区片的自动划分,阐述了其流程和关键问题。以武汉市江夏区高产农田整理分区为例进行实证研究,验证了模型的有效性。