基于改进小生境遗传算法的Pareto多目标配电网重构

配电网重构是一个多目标、多约束的复杂非线性组合优化问题,若采用传统的遗传算法处理此类问题,由于其易于陷入局部最优解和随着配电网规模的扩大搜索效率低的问题,难以得到理想结果。建立了Pareto多目标重构数学模型并提出一种改进小生境遗传算法来处理配电网重构问题。算法主要有以下几种特点:设置个体之间的距离判别标准L为动态函数,保持了种群的多样性;采用最优保存策略,提高了算法的收敛速度;交叉、变异采用自适应规则,避免了算法陷入局部最优的情况。另外,Pareto多目标数学模型的引入也使算法更具实际工程意义,采用国外一个实际的配电网络对算法进行了验证。理论分析和算例表明,该算法具有高收敛性、快实时性和强全局稳定性的优点。

用基于小生镜技术的改进遗传算法解决TSP问题

针对TSP搜索空间随城市数的增加而计算难度增大的问题,引入了基于小生镜的改进遗传算法,丈中介绍了这种算法的步骤和实验结果．与传统的简单遗传算法(SGA)相比,既可以避免陷入局部最优解,又可以提高搜索速率．

基于小生境遗传算法的多目标药物提取条件优化分析应用

目的研究小生境遗传算法在均匀试验设计多目标药物提取条件优化中的应用。方法对微萃取五味子的均匀试验数据建立以浸膏得率、五味子醇甲、五味子总木脂素的子目标模型,采用遗传算法分别对其进行单目标优化,NPGA对其进行多目标优化,搜索最优提取条件,比较搜索结果;利用课题组成员英国Glasgow大学软件工程师陈益编写的Matlab2009a外挂SGALAB工具箱beta5008完成遗传算法寻优。结果单目标遗传算法优化可以得到各目标最大时的最优提取条件,NPGA进行三目标优化时,对各子目标进行了折衷处理使各子目标尽可能获得最大的解,在主要目标上达到了单目标最大函数值的76%以上,确定的最优提取条件的效果高于均匀试验中的任何一个方案。结论 NPGA搜索的Pareto非劣解是合理的,达到了较好的效果,为均匀试验设计最优条件选择提供了合理的方法,可推广到正交试验设计、析因试验设计的最优条件选择。

多目标优化设计中的Pareto遗传算法

遗传算法的随机性和隐含并行性,使它能同时搜索到多个局部最优解并获得最优解集。为了发挥遗传算法群体搜索的优势,提高多目标优化设计效率和灵活性,在自适应遗传算法的基础上引入群体排序技术、小生境技术和Pareto解集过滤器,建立了一种适用于多目标优化设计的Pareto遗传算法。以Pareto前沿面的形式给出优化设计的Pareto最优解集,供设计者按设计意愿选择最优的设计结果。采用Pareto遗传算法进行跨声速翼型的多目标优化设计,设计结果表明,Pareto遗传算法是十分有效的,完全可以用来进行多目标优化设计。

小生境遗传算法效果评价及程序测试

目的评价小生境遗传算法(niched pareto genetic algorithm,NPGA)进行多目标优化的效果,测试其程序的可靠性。方法应用两目标简单测试函数、复杂测试函数、三目标测试函数对NPGA进行模拟测试,利用课题组成员英国Glasgow大学软件工程师陈益编写的Matlab2009a外挂SGALAB工具箱beta5008完成遗传算法寻优。结果 NPGA得到的两目标简单测试函数Pareto非劣解集的95%可信区间包含交叉点值,前沿呈一条光滑的曲线分布;两目标复杂测试函数Pareto非劣解前沿呈带状分布;三目标测试函数的Pareto非劣解前沿呈非线性、非对称的曲面分布。NPGA可得到测试函数的Pareto非劣解集,供决策者合理选择。结论 NPGA多目标优化可以给出合理的Pareto非劣解集,效果理想、程序可靠,可用于在实际问题的分析。

基于Pareto遗传算法的切削用量优化

针对计算机辅助工艺规划中的切削用量决策问题,提出了一种基于Pareto遗传算法的切削用量优化算法。首先,以切削速度和进给量为优化变量,以切削效率和刀具耐用度为优化目标,通过对约束条件的分析,建立多目标优化模型。其次,改进选择算子,设置非劣解集以保存进化过程中用竞争法构造产生的Pareto最优解,从而保证算法的搜索方向;建立基于小生境技术的排挤机制以提高种群的多样性。然后,采用混合交叉算子和步长变异算子进行基因重组,经过若干次迭代,得到一个均匀分布于Pareto前沿的优化解集。最后,通过实例验证了该算法的可行性和有效性。

基于遗传算法的Pareto多目标配电网重构

配电网重构一般采用对单一目标优化,而配电网重构却是一个多目标优化问题。因此,在此提出了基于小生境思想的遗传算法,以配电网的经济性、安全性和供电可靠性为目标,并采用Pareto寻优方式,得出Pareto最优解集,实现了和以往不同的另一种寻优方式,即先寻优后决策。在寻优过程中,通过小生境环境和交叉率和变异率的自适应机制,提高了遗传算法的全局收敛能力和收敛速度,并通过算例验证了方法的有效性。

基于协同进化遗传算法的多议题谈判

以协同进化遗传算法模拟自动谈判是目前智能计算和多Agent系统等领域研究的新课题。针对现有文献仅模拟单议题谈判的情况,该文提出基于协同进化遗传算法和适应度共享小生境技术的多议题谈判模拟算法,以轮流出价谈判协议为例进行仿真实验。实验结果表明,该算法能在策略种群中形成局部小生境,生成近似Pareto最优的策略集。

改进的多目标规划遗传算法

本文讨论了 [1]中多目标规划遗传算法存在的缺陷 ,并提出了相应改进策略 .这些策略包括 :引进精粹策略 ,杂交限制 ,终止条件 ,个体表示改进等方面 .利用这些策略使算法能克服终止准则和小生境聚集的缺陷 ,使得算法能更快的收敛到 Pareto最优解集同时又有好有分布的

基于小生境的配电网多目标分布式电源规划

针对分布式电源接入位置及其配置容量的优化问题,建立了含最小化投资成本、最小化配电网网损、最大化静态电压稳定性3个目标的多目标优化配置模型。在此基础上,应用基于目标序列排序矩阵评价个体适应度及小生境技术的多目标遗传算法,求解得到分布式电源接入位置及其配置容量的Pareto最优解集,实现多目标优化。最后,以IEEE37节点配电网为例进行仿真计算,结果表明,该方法能得到合理的分布式电源接入位置及其容量配置方案,验证了所建模型及求解算法的可行性和有效性。

基于改进NPGA算法的多目标优化云任务调度算法

随着云计算的不断发展,传统的单目标优化下的任务调度已经不能满足用户的服务质量要求。论文选取运行时间、费用和负载均衡建立多目标优化的云任务调度模型,提出一种改进的多目标小生境Pareto遗传算法(NPGA),采用相似任务序列交叉操作加快进化,再采用位移变异避免算法过早收敛。此外,通过自适应选取比较集合规模和小生境半径提高算法的收敛速度。仿真结果表明,改进后的NPGA算法在云调度中保持Pareto最优解的多样性和分布性更优。

小生境遗传算法多目标优化金莲花的醇提工艺

目的:采用小生境遗传算法两目标优化金莲花的醇提工艺。方法:以乙醇体积分数、提取时间、提取次数、乙醇用量为考察因素,以出膏率和总黄酮含量为评价指标,采用正交试验并结合小生境遗传算法两目标优选金莲花的醇提工艺。结果:最优的醇提工艺为乙醇体积分数为70.47%,提取时间为1.2 h,提取次数为3次,乙醇用量为生药量的11.46倍。在此条件下,金莲花醇提的出膏率、总黄酮质量分数分别为39.86%和11.49%。结论:所选工艺合理、可行,可用于金莲花的提取,表明小生境遗传算法可用于选择药材的提取条件。

基于小生境遗传算法的混合动力汽车参数优化

作为典型的多目标优化问题,混合动力汽车参数优化必须处理燃油经济性和排放之间的非线性和相互冲突关系。以一辆实例样车的动力系统和逻辑门限值控制策略为例,采用小生境遗传算法,将其做离线参数优化。仿真结果表明,该方法可以找到多组Pareto最优解,在满足车辆特定性能的前提下,显著地改善车辆燃油经济性和排放。

蚂蚁算法和小生境遗传算法的融合

蚂蚁算法是一种新型的模拟进化算法,也是一种随机型智能搜索算法.较为系统的总结了算法的基本理论,分析了其基本算法解决TSP问题的模型,针对蚂蚁算法易出现停滞的缺点,把小生境遗传算法和蚂蚁算法融合,仿真比较实验结果表明优于基本蚂蚁算法.

遗传算子作用机理分析及其改进

文中分析了遗传算子的作用机理 ,指出了随机性的标准遗传算法的不足之处 从遗传算法角度来看 ,虽然随机交叉方式增强了开辟新的、可能是有用的搜索空间的能力 ,但由于缺乏对可能的交叉效果 (子代质量 )方面的考虑 ,也会带来交叉的有效性以及优化效率不太理想等方面的问题 为此引入了基于交叉机制的小生境技术 对于提高交叉后子代的质量和拓广交叉后子代具有多样性有一定的意义 提出了共享函数和共享度的概念 所提出的共享函数的概念限制了群体内某一特殊“物种”的无控制的增长 。

基于INPGA的地下水污染治理多目标优化管理模型:Ⅰ——理论方法与算例验证

基于小生境技术的Pareto遗传算法(NPGA)是一种求解多目标问题的智能搜索方法,适用于优化多种非线性、不连续等复杂多目标问题。但该算法存在局部早熟收敛和收敛速度慢两个不足,在求解Pareto前沿上效果不佳。本文在NPGA的基础上,提出了改进NPGA方法(INPGA),通过Pareto解集过滤器、精英个体保留策略、邻域空间Mühlenbein变异等三项改进措施,提高了算法的求解能力。同时,应用个体适应值库操作和MPI(Message Passing Interface)并行计算技术来提高求解速度。最后将该方法应用于一个理想二维地下水污染修复问题的多目标优化求解,结果表明,该算法求解过程简单,计算时间短,优化得到的Pareto解集权衡曲线的跨度更为合理,具有很好的应用效果。

岩体随机不连续面产状数据划分方法研究

动态聚类算法从本质上讲是单目标组合优化算法,一般需要事先给定目标分类数和初始聚类中心,且初始聚类中心的选择对数据划分结果影响较大。为了解决该问题,提出将产状数据的划分问题转化为多目标优化问题,并采用小生境Pareto遗传算法进行求解。针对聚类问题的特殊性,采用基于链表的编码方案,并建议相应的遗传操作算子;通过引入小生境技术和Pareto支配集理论,仅通过一次求解可由Pareto支配集给出对应于不同目标组数的最优分组结果,而且不用事先给定目标组数以及初始聚类中心。最后,将算法应用于三峡船闸高边坡岩体实测不连续面产状数据的划分,得到较为符合实际的优势结构面分组。

基于INPGA的地下水污染治理多目标优化管理模型:Ⅱ——实例应用

简单算例研究表明改进的小生境Pareto遗传算法(INPGA)用于求解地下水系统的多目标优化管理模型时,求解过程简单,计算速度快,而且得到的Pareto解集跨度更为合理。本文以美国麻省军事保护区(MassachusettsMilitaryReservation,MMR)为实例,通过建立研究区复杂地下水污染治理的多目标优化管理模型,进一步对比NPGA和INPGA的求解结果,同时详细讨论和分析适应值库操作和MPI并行技术在实例中的应用效果。求解结果表明MPI并行技术在实例应用中能明显提高加速度和计算效率,而且同样能提供足够的选择方案供决策者权衡选择,由此证明基于INPGA的地下水污染治理多目标优化模型具有很好的应用前景。

基于GA的矢量水听器阵相位误差校正方法

针对矢量水听器阵的阵列流型和误差模型,研究当矢量水听器各通道存在相位误差时,应用music算法进行方位估计和应用遗传算法进行相位误差校正的问题。为校正误差,针对传统遗传算法在对方位和相位误差进行联合估计时可能存在早熟等缺点,提出了一种将自适应和小生境技术混合的遗传算法,用动态的自适应函数值分配传统遗传算法中固定的交叉、变异概率,得到最优解,用小生境技术可以得到全局最优解。最后通过计算机仿真,验证了算法的可行性和准确性。

一种新的动态多目标优化位置区域划分方法

文章基于移动通信网络系统中的位置区域划分问题,介绍了多目标进化算法,并提出了一种新的动态多目标优化位置区划分方法,从理论上分析该方法能有效避免传统算法中不能进行多目标的规划、不能进行全网优化等的不足。