基于改进庄家法则的多目标进化算法

非支配集的构造方法是多目标进化算法中最重要的问题。在用庄家法则构造非支配集时,若非支配个体较多,由于需要进行多轮比较,所以算法的计算复杂度较高。在庄家法则中引入一个副庄家,用以减少下一轮比较个体的个数,从而最终减少比较的轮数。数值实验表明:改进后的算法具有较高的运行效率。

基于庄家法则和信息熵的多目标进化算法

针对庄家算法的缺陷,提出了一种基于信息熵的庄家算法。其基本思想是:在使用庄家算法进行非支配解的选取前,先对群体的信息熵值进行计算。若熵值较低,即没有相对较好的分布度,则对群体进行遗传选择、交叉和变异操作,生成新的群体,直到熵值达到要求,再使用庄家法则进行计算。数值计算表明,这种新的算法既保持了庄家算法较高的收敛速度,又改善了群体的分布度,提高了种群的多样性,避免了过早收敛于局部最优解的现象。

基于一种新混合群算法(MOHO-SA)的结构主动控制多目标优化研究

基于粒子群(PSO)算法和差分进化(DE)算法提出了一种新的多目标混合群优化算法,对结构主动控制系统的作动器位置、数量与控制器参数进行同步优化.首先,分别采用PSO算法与DE算法进行对应种群的进化,使用庄家法则构造非支配解集,并引入边界点几何中心leader选择机制,同时利用模拟退火算法完成个体进化的二级局部搜索;以随机地震激励下反映结构振动控制效果和控制策略优劣的双指标作为优化目标函数.最后,针对ASCE 9层benchmark模型,采用本文提出的具有二级搜索功能的多目标混合群算法(MOHO-SA)对其主动控制系统进行优化设计,并分别与多目标差分进化算法(MODE)、多目标粒子群算法(MOPSO)、普通多目标混合群算法(MOHA)的优化结果进行对比分析,表明其Pareto解集具有更优的收敛曲线及分布性.