一种基于有限K近邻的强度帕累托进化算法

在航天器控制计算机的软硬件协同设计过程中,需要解决多目标优化问题。当前的强度帕累托进化算法在求解高维多目标优化问题时具有优势,但是在环境选择阶段的计算时间复杂度仍然较大。文章针对这一问题,提出了一种改进算法。新的算法采用有限K近邻方法,减少了原算法中K近邻策略的比较次数,使时间复杂度由O(M3)下降为O(max(l,log M)M2)。试验结果表明文中算法的计算速度更快,并且具有更优的收敛性和分布多样性特征。

混合分解和强度帕累托多目标进化算法

在多目标进化优化中,使用分解策略的基于分解的多目标进化算法(MOEA/D)时间复杂度低,使用强度帕累托进化算法-2(SPEA2)能得到分布均匀的解集。结合这两种策略,提出一种新的多目标进化算法用于求解具有复杂、不连续的帕累托前沿的多目标优化问题(MOP)。首先,利用分解策略快速逼近帕累托前沿;然后,利用强度帕累托策略使解集均匀分布在帕累托前沿,利用解集重置分解策略中的权重向量集,使其适配于特定的帕累托前沿;最后,利用分解策略进一步逼近帕累托前沿。使用的反向世代距离(IGD)作为度量标准,将新算法与MOEA/D、SPEA2和paλ-MOEA/D在12个基准问题上进行性能对比。实验结果表明该算法性能在7个基准问题上最优,在5个基准问题上接近于最优,且无论MOP的帕累托前沿是简单或复杂、连续或不连续的,该算法均能生成分布均匀的解集。

基于帕累托最优的配电网多目标规划

提出了一种能够反映配电网结构合理程度的可靠性指标——网络风险指数,并建立了以配电网投资费用、网络损耗和网络风险指数为目标函数,综合考虑经济性和可靠性的配电网规划模型。设计了一种基于节点关联矩阵的网络修复算法,能够对随机生成的网络中的孤岛、孤链和闭环进行检测和修复,使网络满足配电网辐射状要求。对强度帕累托进化算法进行了改进,给出了新的适应度函数,以提高算法的搜索速度和搜索能力,并利用逼近理想解排序法(TOPSIS)对帕累托前沿中的个体进行排序,筛选出最优方案。最后,对一个54节点配电网进行规划,结果表明网络风险指数与配电网的停电损失具有极强的线性相关性,其可以作为表征配电网可靠性的指标;与传统强度帕累托进化算法相比,所提改进算法具有较强的搜索能力和较快的搜索速度。

基于帕累托最优的电力CPS多目标防御策略研究

针对低频率高损失的电力CPS蓄意攻击事件,基于博弈论思想及理性人假设,建立了两阶段多目标模型,并通过求解帕累托最优,为电网防御人员制定防御方案提供了参考。第1阶段以直流潮流建模,基于线性规划遍历求解经调度人员合理应对后的所有攻击方案的最小攻击损失。第2阶段基于强度帕累托进化算法SPEA求解多目标模型,得到利用最少的“人财物”等防御资源实现最佳防御效果的帕累托前沿,并给出了整个博弈过程的纳什均衡。最终通过修改的IEEE14节点系统验证了该方法的有效性。

基于两阶段邻域搜索的污水处理过程智能优化控制

为了更好地平衡污水处理过程中出水水质与能耗的关系,本文提出一种基于两阶段邻域搜索的污水处理过程智能优化控制方法.首先,建立以能耗和出水水质为优化目标的多目标优化模型;其次,提出一种基于两阶段邻域搜索的SPEA2(2-NS-SPEA2)对所建立的模型进行优化,通过对外部档案集中稀疏解的周围进行两阶段邻域搜索,并利用替代策略对外部档案集进行更新,提高算法的优化性能,获得质量更高的硝态氮浓度和溶解氧浓度的优化设定值;最后,利用PID控制器跟踪控制所确定的优化设定值,以保证优化方法的准确实施.污水处理过程运行优化控制实验表明:所提方法能够在保证出水水质满足排放标准的前提下,有效地净化水质、降低污水处理过程中产生的能耗.

考虑DG及负荷时序波动性的配电网无功多目标优化

风电、光伏等分布式电源出力具有明显的时序特性,构建风力、光伏发电出力概率模型,应用蒙特卡洛方法生成风光荷时序数据。以24时段有功网损最小、平均电压偏差最小、有载调压变压器调压操作次数和电容器投切次数最少为目标构建配电网无功多目标优化模型,采用帕累托进化算法求解,并利用IEEE-33配电系统进行算例分析,得到风电光伏出力策略、变压器调压策略和电容器投切策略,验证了所提模型和算法的科学合理性。

基于多目标优化的低压台区三相不平衡治理

针对低压用户用电负荷随机性大、不确定性强导致台区三相不平衡治理的难题,提出了一种基于强度帕累托进化算法的低压台区三相不平衡治理方法。在低压用户连接台区变压器相序识别的基础上,以某段时间内台区变压器加权平均三相不平衡度最小、调整相序用户数量最少为目标,采用强度帕累托进化算法搜寻调整用户相序组合的帕累托最优解集。采用优劣解距离法(TOPSIS)选取加权平均三相不平衡度、调整相序用户数量二者整体最优方案。以某供电公司三相不平衡较严重的台区为例,通过仿真计算表明,该方法不仅可以降低台区三相不平衡危害,而且调整用户相序的成本相对较低。

非齐次半马尔科夫充放电策略辅助用户随机出行的多目标动态电力调度

针对大规模电动汽车接入电网的不确定行为,考虑其对用户经济性和电网安全性的影响,构建非齐次半马尔科夫(nonhomogeneous semi-markov process,NHSMP)充放电策略辅助用户随机出行的多目标动态调度模型。基于电动汽车出行的时空耦合,并网充放电策略考虑了与地点相关的电价引导、充放电方式以及充放电门槛因子等因素。提出一种针对高维复杂运算问题的基于转移密度估计策略的强度帕累托进化算法(strength Pareto evolutionary algorithms2-shift-based density estimation,SPEA2-SDE),在算法中加入初值选择及链式调整等策略进行改进。采用区域电网进行仿真计算,分析不同场景、充放电决策因素、电动汽车规模及风电规模对调度研究的影响,验证了所提模型及算法的合理性和有效性。

基于多目标进化算法的异步电动机现场效率测算

介绍了一种基于多目标进化算法（MOEAs）的异步电动机现场实时效率测定方法。通过对多目标算法进行优化、比较，提出使用非支配排序遗传算法Ⅱ（NSGA—Ⅱ）和强度帕累托进化算法2（SPEA2）的低侵入式方法用于异步电动机效率估算，仅需电动机运行时通过传感器检测其实时转子速度和定子电阻，而无需拆下电动机或单独做一些实验项目来获取所需参数。通过5．5kW电动机的实践表明，该方法在估算异步电动机效率方面是有效的，尤其在常规的负载范围内，用该方法的估算值与实际试验值的误差小于3％；相互比较后发现，NSGA—Ⅱ方法的估计结果略优于SPEA2方法的结果。

考虑电动汽车接入的智能配电网投资规划模型

大规模电动汽车接入电网给配电网带来新的挑战,包括影响电网安全可靠性水平、弥补电量缺口、提供容量备用服务等。考虑了智能配电网建设环境下,电动汽车接入对配电网投资规划的影响,以规划期总投资费用最小化、电动汽车二氧化碳排放量最小化为目标,建立多目标智能配电网投资规划模型,并利用改进SPEA算法求解模型,最后以改进IEEE 37节点系统为例,验证了模型的有效性。

含柔性多状态开关的配电网多目标随机运行优化方法

柔性多状态开关(flexible multi-state switch,FMSS)是一种具有潮流互济和电压支撑功能的新型电力电子装置。为了合理地发挥柔性多状态开关的潜力,在运行优化时可以考虑多个目标函数。提出含柔性多状态开关的配电网多目标随机运行优化模型,该模型以柔性多状态开关出力、常规开关的通断状态和动作时间作为优化变量,包含网络重构和柔性多状态开关调控2个子问题,可以采用双层规划模型的基本思想求解;通过场景树模拟分布式电源(distributed generation,DG)的出力情况,划分重构时段并以此为基础优化进行网络重构的时间,采用强度帕累托进化算法计算网络重构和柔性多状态开关出力的帕累托最优解集,并通过隶属度函数选择最终的运行方案;通过改进的IEEE-33节点配电网算例,验证了方法的有效性。结果表明,运行优化方法能够改善配电网的多个运行指标,并且在不同的分布式电源渗透率下均取得良好效果。

基于改进SPEA2算法的给水管网多目标优化设计

针对给水管网多目标优化设计问题,将管网造价、节点富余水头总和以及节点富余水头方差设为目标函数,从经济性和可靠性两方面对给水管网进行优化。为了获取多样性和收敛性好的解,本文结合选择机制中支配和分解的思想,引入参考向量到强度帕累托进化算法(strength Pareto evolutionary algorithm 2,SPEA2)中,配合支配强度进行解的选择。通过双环管网和纽约管网两个管网案例,仿真结果表明了所提算法在解决管网多目标优化设计问题上的有效性,并最终应用于实际的管网工程建设中。

性能驱动的转向架构架结构设计方法

传统的轨道车辆转向架构架结构设计方法采用基于实例的"经验设计-性能验证"的反复迭代设计模式,耗时长,难以获得同时满足多个互斥性能指标的最优解。提出一种性能驱动的构架结构设计方法,通过输入构架的多个性能指标,直接获得一组优化的构架结构设计参数,避免了对设计经验的过度依赖和反复迭代。首先基于专家知识获得构架结构的设计空间,采用拉丁超立方抽样方法生成设计样本,并利用有限元仿真数据构建构架性能指标计算的Kriging代理模型,再采用强度帕累托进化算法(SPEA2)建立构架性能指标-结构参数映射模型。然后基于该模型输入构架的性能指标集,便可获得多组可行的构架结构设计参数,再应用集合理论对可行解进行优选,即可获得一组满足所有性能指标要求的优化解。最后,以某型转向架构架为实例,验证了该方法的可行性。该方法为构架的结构设计提供了一种新的解决思路,也可推广应用于相关领域产品的结构设计。

多目标优化的SWIPT-MEC任务分级卸载架构与优化算法

为了解决单用户模式的MEC卸载策略未能有效地权衡移动设备在计算过程中的能耗与时耗之间关系的问题,针对无线携能通信网络(SWIPT),构建一种单用户单核服务器的多任务分级卸载架构与多目标数学模型,在卸载操作过程中,根据计算任务所需的时延和能耗,为任务选择合适的卸载方式,解决某时段内任务密集场景下的任务卸载问题,提升设备整体执行效率。然后,提出一种基于多目标优化改进的强度帕累托进化算法(SPEA2)的任务分级卸载架构与优化算法,最大限度地权衡MEC卸载的低能耗与低时耗。仿真实验验证了多目标MEC任务分级卸载求解策略可有效降低设备的能量消耗率和时间消耗率。

基于SPEA Ⅱ的双资源多目标车间调度模型

针对复杂制造业环境下实际作业车间受多种资源约束的问题,考虑工人综合素质及实际参与操作设备的人员数等因素所存在的差异性对工作效率的影响,建立了一种包含机器设备和操作工人2种约束资源的多目标车间调度模型,然后以完工时间最短、加工成本最低以及总拖期最小为目标,采用改进的强度帕累托进化算法(strength Pareto evolutionary algorithmⅡ,SPEAⅡ)求解该模型.仿真结果验证了该模型的正确性以及该文算法的可行性和有效性.

一种支持产品平台设计的多准则模块划分方法（英文）

目的:研究多准则约束下的产品模块划分方法,为企业建立稳健的模块化产品平台奠定基础。方法:采用改进的多目标进化算法对建立的多准则模块划分数学模型求解,并采用模糊集合评价机制进行最优解的寻取,得到基于多准则模块划分方法的产品模块划分结果。结论:通过改进的多目标进化算法求解多准则模块划分模型,能够得到有效支持产品平台设计的产品模块划分方案。通过与已有优化方法的比较验证了本文提出的多准则模块划分方法的优越性。