带精英策略的快速非支配排序遗传算法在多目标无功优化中的应用

带精英策略的快速非支配排序遗传算法(NSGA-Ⅱ)是一种新型的多目标遗传算法,该算法求得的Pareto最优解分布均匀,收敛性和鲁棒性好。本文分析了当前多目标无功优化算法存在的缺陷,提出将NSGA-Ⅱ应用于多目标无功优化,该算法一次运行可以获得多个Pareto最优解,决策者可根据系统的实际要求选择最终的满意解,为各目标函数之间的权衡分析提供了有效的工具。算例结果表明NSGA-Ⅱ算法具有良好的优化效果,是一种求解多目标无功优化问题的新思路。

多目标炼钢—连铸生产调度的改进带精英策略的快速非支配排序遗传算法

针对炼钢连铸调度的特殊工艺要求,在考虑炉机匹配原则和多重精炼的情况下,建立了以炉机匹配度、炉次间等待时间、浇次的开浇提前/拖期时间为评价指标的多目标约束满足优化模型,并针对其多目标特征,提出一种基于自适应网格法的择优策略来改进带精英策略的快速非支配排序遗传算法,有效克服了使用传统Pareto支配法择优策略在解决离散问题时容易丢失有用信息的缺陷。基于多种规模的实际生产数据进行仿真实验,结果表明所提算法在收敛性、最优解集多样性和计算效率方面优于传统带精英策略的快速非支配排序遗传算法。

精英策略的改进非支配遗传算法

在研究NSGA-Ⅱ算法的基础上,提出了一种新的精英策略.它既可以使种群中优良个体保持到下一代,又可以维护种群的多样性,避免算法陷入局部最优解.此外,对NSGA-Ⅱ算法的交叉算子和变异算子进行了重新选择,交叉算子采用模拟二进制交叉算子,变异算子采用非均匀变异算子.将它们引入INSGA-Ⅱ算法中,在优化前期可以进行大范围搜索,而后期可以集中搜索某个重点区域,从而可以提高解的精确性.通过经典函数测试,并将INSGA-Ⅱ算法与NSGA-Ⅱ算法的结果进行比较.结果表明,基于精英策略的改进算法INSGA-Ⅱ不仅取得了较好的结果,而且分布性也得到了有效的提高.

惩罚策略辅助的快速非支配排序遗传算法Ⅱ研究

快速非支配排序遗传算法Ⅱ(NSGA-Ⅱ)是一种典型的多目标优化算法。然而,其采用的锦标赛选择策略存在着重复选择较优个体的缺陷,由此导致产生的后代分布性较差以及算法整体性能下降。为解决锦标赛选择策略的缺陷,提出惩罚策略辅助的锦标赛选择策略。具体而言,在通过惩罚策略辅助的锦标赛选择策略选择交叉个体时,在下一轮中每个被选择个体的优先级自动降低,以此降低较优个体被选中的概率。将基于惩罚策略辅助的锦标赛选择策略融入NSGA-Ⅱ算法,提出了惩罚策略辅助的快速非支配排序遗传算法Ⅱ。在ZDT和DTLZ测试集上与多个算法进行对比,结果表明:所提策略有效地解决了原锦标赛选择策略的缺陷,说明了改进策略的有效性。

基于改进遗传算法的220 kV变电站限流调度策略研究

220 kV变电站运行方式较复杂,且变电站限流调度具有多目标约束,运用传统的遗传算法难以找到最优的限流调度策略。提出了基于改进遗传算法的220 kV变电站限流调度策略。分析220 kV变电站的四种限流调度措施对导纳矩阵的影响。结合分析结果,建立限流调度策略效果模型和经济成本模型,并将两者相结合搭建220 kV变电站限流调度多目标优化策略。采用混沌映射、非支配排序和自适应函数的改进遗传算法进行多目标优化策略求解,所获取的最优解即为最优限流调度策略。结合最优策略,实现220 kV变电站限流调度。仿真试验结果表明,所提策略的限流调度效果更理想、电能损耗量更少。该策略对于变电站限流调度具有参考价值。

基于快速非支配排序遗传算法的船舶电力系统多目标故障重构

为避免已有船舶电力系统故障重构方法中将多目标优化问题通过加权转化为单目标优化问题进行求解而产生的问题,以失电负荷最少、开关操作代价最小为目标函数,利用带精英策略的快速非支配排序遗传算法实现故障重构多目标、多约束问题求解,该算法求得的Pareto最优解分布均匀,得到的最优重构方案集具有稳定性和多样性。得到故障重构方案集后,对系统运行的安全性、可靠性、高效运行性等指标进行归一化处理,得到综合辅助评价函数作为各故障重构方案辅助评价指标。算例测试结果表明,该方法能避免单目标优化算法对权值的过分依赖等缺点,能够兼顾多个指标,得出的最优故障重构方案更加符合实际。

一种改进的非支配排序遗传算法INSGA

为克服非支配排序遗传算法 (NSGA)存在的计算复杂度高 ,未采用精英策略以及需要特别指定共享半径等缺点 ,介绍一种改进的算法INSGA ,克服了上述缺点 ,并通过实验验证 。

基于带精英策略遗传算法的舰艇编队目标分配

结合现代海战海军编队作战样式及作战武器的特点,建立了新的舰艇编队武器分配模型,将舰艇编队目标分配问题抽象化为多目标优化问题,该模型可以在保证我方重点目标得到保护的前提下,达到总体效果最优和总体耗损最小。采用带精英策略的快速非支配进化算法对舰艇编队目标分配问题进行求解。该算法求得的Pareto最优解分布均匀,收敛性和鲁棒性好。该算法一次运行可以获得多个Pareto最优解,决策者可以根据实际战场环境选择最终满意解,为各目标函数之间的均衡分析提供了有效的工具。最后,通过仿真及与其他算法的对比证明了模型及算法的有效性。

一种改进的非支配排序遗传算法

为克服非支配排序遗传算法计算复杂度高,未采用精英策略,需要特别指定共享半径的缺点,提出了一种改进的非支配排序遗传算法.通过实验验证,该算法在几个给定的函数优化时都能取得比较好的结果.

基于非支配排序的细菌趋药多目标优化算法

文章主要研究多目标优化问题,为了提高细菌趋药多目标优化算法的收敛速度和解的多样性及弥补逃离局部最小值的不足,提出了一种基于非支配排序的细菌群体趋药多目标优化算法。首先,采用快速非支配排序方法初始化所有细菌的位置;其次,利用细菌群体趋药算法对多目标函数进行优化;最后,采用精英保留策略,避免因算法的随机性而将原本位置较好的点抛弃的情况。实验结果表明,该算法不仅比BCMOA的收敛速度快而且保留了解的多样性。

基于遗传算法的汽车磁流变减振器多目标优化

为满足汽车半主动悬架系统的功能需求,宜设计具有大阻尼力调节范围、低能耗、响应迅速的磁流变减振器。本文中分别以磁流变减振器线圈耗能功率和响应时间为目标函数,以输出阻尼力和磁流变减振器阻尼通道处磁感应强度为约束条件,建立了磁流变减振器多目标优化模型,采用带精英策略的非支配排序遗传算法,获得了磁流变减振器多目标优化的最优Pareto解集。结果表明:多目标优化不仅能满足阻尼力可调范围的工程需求,且线圈功率损耗大大减小,响应时间明显缩短,为汽车磁流变减振器的结构优化提供了有效方法。。

基于改进遗传算法电动汽车变速器参数设计与优化

为增加纯电动车行驶里程,以某款只匹配主减速比的纯电动物流车为原型,改为两挡传动比配置,对传动比参数进行优化以提高电机工作效率。通过Cruise与Isight联合仿真,利用2种改进遗传算法优化得到2种不同方案。利用多岛遗传算法(MIGA)优化获得经济性最优方案1,利用带精英策略的非支配排序遗传算法(NSGA-Ⅱ)优化获得兼顾经济性和动力性的方案2,为电动汽车变速器设计与速比优化提供了参考。

NSGA-Ⅱ遗传算法在抑制电网谐波中的应用

多目标优化问题在科学和工程等领域是一个热点问题,同时也是研究的一个难点。第一代非支配排序遗传算法NSGA在多目标领域中显示出较大的优势,但是随着应用范围的不断拓宽,其缺点就不断地暴露出来。为了更好地解决多目标优化问题,在NSGA的基础上,研究人员提出了带精英策略的非支配排序遗传算法NSGA-Ⅱ。本文将NSGA-Ⅱ应用在滤除电网谐波的无源滤波器的设计中。经过对某铝厂电网谐波的分析,对初期投资成本和各次单谐波支路的滤波率进行约束。结果表明,该方法不但可以有效滤去大量的电网谐波,还能对初期投资成本进行很好地控制。

元胞遗传算法求解柔性作业车间调度问题

针对柔性作业车间调度问题的特点,采用基于工序和基于机器分配的两部分编码方式,在交叉变异时对两部分基因串分别进行操作。与其它优化算法的结果进行对比分析,利用该算法求解经典柔性作业车间调度问题具有有效性。

采用精英进化策略的JSP-DCPT混合求解算法

为解决加工时间离散可控作业车间调度问题,提出一种基于非支配排序遗传算法和禁忌搜索算法的混合算法。由于资源配置是工序优化的前提,该算法采用先求解控制方案再求解加工方案的分解策略;采用非支配排序遗传算法进行种群全局优化,采用禁忌算法对种群中引入的新个体进行局部优化;设计了一种扩展的基于优先列表的编码方式进行染色体编码,采用精英进化策略,在精英保留的基础上使精英个体参与遗传进化操作,加快获取最优解;消除非支配排序遗传算法非支配性排序时对种群个体的重复比较,降低了算法的时间复杂度。通过仿真实验,验证了该算法的可行性和有效性。

考虑能量效率和SOC均衡的电池储能电站双层功率分配策略

电化学储能电站在应用于调频、调压等功率波动性工况时,存在能量效率较低、荷电状态(state of charge,SOC)不均衡等问题。该文提出考虑能量效率和SOC均衡的电池储能电站双层功率分配策略,其主要包括单元优化层和子系统优化层:单元优化层通过充电/放电优先级分区计算实际运行单元数量及其编号,建立以储能单元能耗最小为目标的优化模型,并采用遗传算法求解最优解集;子系统优化层引入基于电化学阻抗的电池能耗模型,以储能子系统能耗最低和SOC均衡为目标建立多目标优化模型,并采用非支配快速排序遗传算法(non-dominated sorting genetic algorithms-II,NSGA-II)进行求解。通过某地区锂电池储能电站实际参数验证所提策略的有效性,结果表明,与SOC比例分配策略和单层功率分配策略相比,所提功率分配策略在降低电站能耗的同时能最大程度实现SOC均衡,保障电站双向调节能力,提高储能电站经济性。

考虑交通量增长的在役桥梁维修策略分析

为探究交通量增长对桥梁维修策略的影响,构建考虑交通量增长的多目标维修策略优化决策模型。先结合钢筋混凝土结构劣化已有研究成果,利用蒙特卡罗抽样得到结构抗力退化时变模型,分析规范车辆荷载作用下桥梁时变可靠度;再用可靠度指标表征桥梁性能状态,构建以桥梁失效概率和维修成本为优化目标的优化模型,采用非支配排序遗传算法(NSGA-Ⅱ)进行优化计算,利用理想点决策法得到最优维修策略;最后以某在役桥梁为例进行分析,验证模型的有效性和优越性。结果表明,车辆荷载的非平稳增长会明显降低桥梁可靠度指标;交通量增长会导致桥梁失效概率上升、维修成本增加;交通量越大的区域桥梁,交通量增长对维修策略的影响越显著。

一种改进的遗传多目标优化算法及其应用

为解决含多个目标和多约束的优化问题,文中结合非支配排序思想、精英保留策略、小生境技术,并对传统的小生境技术中基于个体适应度的淘汰技术进行改进,提出以一种向量模适应度函数作为淘汰准则,从而得到一种改进的Pareto遗传多目标优化算法。通过最小化两个多元目标函数,验证了该算法能够获得更加均匀分布的Pareto前沿,避免了局部收敛的问题。在此基础上,将改进多目标优化算法用于PID控制器参数整定,以锅炉过热汽温串级控制系统为例进行了仿真研究。结果表明,改进的遗传多目标优化算法可以获得多组对应不同性能指标的控制器参数,并在对象特性发生变化的情况下,仍能获得较好的控制效果。

NSGA-Ⅱ算法的改进策略研究

带精英策略的非支配排序遗传算法(NSGA-Ⅱ)在多目标优化领域具有广泛的应用,但该算法种群收敛分布不均匀,全局搜索能力较弱,算法运行速度较慢。针对这些局限性提出了改进的排序适应度策略、算术交叉算子策略、按需分层策略和设定阈值选择策略。在典型的测试函数集上的数值实验结果表明,根据这些策略改进的算法得到的非劣解集具有较好的分布性,同时收敛速度更快。

融合聚类和小生境搜索的多模态多目标优化算法

针对多模态多目标优化中种群多样性难以维持和所得等价Pareto最优解数量不足问题,提出一种融合聚类和小生境搜索的多模态多目标优化算法(multimodal multi-objective optimization algorithm with clustering and niching searching,CSSMPIO)。首先利用基于聚类的特殊拥挤距离非支配排序方法(clustering-based special crowding distance,CSCD)初始化种群;引入自适应物种形成策略生成稳定的小生境,在不同的小生境子空间并行搜索和保持等价Pareto最优解;采用特殊拥挤距离非支配排序策略实现个体选优、精英学习策略避免过早收敛。通过在14个多模态多目标函数上进行测试,并与7种新提出的多模态多目标优化算法进行对比实验以及Wilcoxon秩和检验发现,CSSMPIO的总体性能优于对比算法。最后将算法用于基于地图的测试问题,进一步证明了算法的有效性。