基于混沌多目标遗传算法的分布式电源规划

针对多目标遗传算法(multi-objective genetic algorithm,MGA)在解决分布式电源(distributed generation,DG)优化问题上存在的不足,加入混沌变量、虚拟适应度、精英保留策略等方法进行多目标改进,提出一种改进混沌多目标遗传算法(improved chaotic optimization multi-objective genetic algorithm,ICMGA),并依据种群进化状态自适应调整搜索精度,提高了算法搜索效率和收敛速度。结果表明:与NSGA_II算法相比,ICMGA算法不但寻优能力更强,收敛速度快,还具有良好的经济性。能够为分布式电源优化问题提供优良的解决方案。

基于物理规划的履带起重机变幅系统多目标优化

履带起重机变幅系统具备足够的承载能力实现臂架俯仰,是整机的重要组成部分.通过分析变幅系统构件受力特点,建立了变幅系统力学和多目标优化模型.采用物理规划方法,基于构件极限荷载定义偏好函数,建立了综合优化评价函数.设计多目标混沌遗传算法求解问题,根据Pareto支配概念和精英策略保留较优解,并采用混沌局部搜索避免了过早收敛.算例分析表明,提出的方法可以优化构件间的几何关系且减小构件受力,对履带起重机总体参数设计具有指导意义.