基于变时段设计改进多目标差分进化算法的风/光/火/储日前优化调度

在高比例新能源馈入的新型电力系统中,新能源出力的不确定性导致火电难以满足调度计划的精度需求,风/光/火/储系统的经济调度求解算法面临严峻挑战。为此,提出一种基于变时段设计的多目标差分进化算法。首先按各时段负荷特征构建风/光/火/储系统的变时段日前调度规则。进而以系统运行经济成本与污染排放量为目标,基于多目标差分进化算法求解变时段系统日前调度模型的Pareto解集。最后,用IEEE 39节点系统进行测试。结果表明在风、光、储与火电的约束条件均符合校验的情形下,相较于其他算法,该方法使计算结果更加优化,火电机组出力跟踪调度计划效果显著提高,验证了所提方法的有效性。

面向高维多目标优化的双阶段双种群进化算法

随着目标维度的上升,高维多目标优化问题的帕累托前沿越来越复杂,传统的基于分解的高维多目标进化算法难以挑选出多样性和收敛性良好的种群。针对以上问题提出了一种面向高维多目标优化的双阶段双种群进化算法。该算法将进化过程划分为两个阶段,在第一阶段判断帕累托前沿的形状是否规则,而在第二阶段则根据帕累前沿的形状选择是否对权重向量进行调整,以保证种群在规则及不规则帕累托前沿上都能获得良好的多样性。为了对权重向量进行调整且不影响算法的收敛性,该算法使用了两个种群进行进化,一个主种群正常进化,另一个辅种群作为权重向量。为了在不规则的帕累托前沿上获得一组适应种群分布的权重向量,引入了自然界中能量平衡的概念收集了多样性良好的辅种群作为权重向量。将提出的算法与其他算法在3-10目标的测试问题上进行比较。实验结果表明,提出的算法在大多数测试问题上性能优于比较的算法。

基于量子微分进化算法的分布式电源多目标优化规划

为了克服再生能源的间歇性、随机性导致的分布式电源优化结果不够准确,提出了一种基于概率特性的电源-负荷综合模型,将分布式电源的随机出力问题转化成确定性问题。考虑分布式电源对配网的影响,建立了包含建设运行费用、网络损耗、可靠性费用和环境因素的多目标优化模型。提出采用量子微分进化算法对分布式电源接入配网进行优化配置,该算法采用量子的概率表达特性和叠加态特性,潜在地提高了算法的寻优效率,同时采用变异和交叉操作,保持了良好的种群多样性。通过对算例的分析,表明所提出的模型和算法合理、可行。

求解PMU多目标优化配置问题的非劣排序微分进化算法

为实现电网完全可观测,同时保证PMU(同步相量测量单元)的安装数目尽量少,且系统的N-1量测可靠性尽量高,笔者提出了一种混合算法,对电网中PMU进行多目标优化配置.在此算法中,通过将Pareto非劣排序操作与微分进化算法有机融合,并对个体的排挤机制和变异策略进行改进以克服进化早熟和搜索不均匀的问题,设计出了一种新的非劣排序微分进化算法对模型进行求解,并采用模糊集理论提取出最优折中解.最后以IEEE39母线系统为例进行了PMU多目标优化配置,结果表明该方法可简单快速地实现全局多目标寻优,找到更多更合理的PMU优化配置方案,能得到准确而完整的Pareto最优前沿.

基于多目标进化算法的反应堆辐射屏蔽优化方法研究

新型核能与核动力装置的发展对辐射屏蔽设计方法提出了更高要求。面对空间堆、船用堆等装置的小型化、轻量化设计需求,传统辐射屏蔽多目标优化方法存在优化目标少、优化参数单一、全局性差等缺陷,难以满足辐射屏蔽智能设计的需求。本文基于第三代非支配排序遗传算法和改进多目标人工蜂群算法开展面向反应堆屏蔽层重量、体积和特定区域辐射剂量等多目标约束条件下的辐射屏蔽优化方法研究,并对各算法的优化性能、优化方案进行对比分析。结果表明,本文方法相较于传统屏蔽智能设计方法展现了更好的优化性能,并在实际工程问题中体现了可靠性,可为辐射屏蔽设计优化提供新思路。

基于多目标进化算法的高速公路线路选线优化设计研究

随着经济社会的发展,我国交通网络建设布局不断完善。在高速公路规划建设中,面对复杂的线路布设条件及影响因素,如何选出最优的路线设计成为亟待解决的难题。研究了在考虑高速公路建设费用、生态损失费用和交通安全等因素的基础上,构建高速公路线路选线优化模型,通过左右拥挤度指标和动态拥挤度排序改进非支配排序遗传算法(Non-dominated Sorting Genetic AlgorithmⅡ,NSGA-Ⅱ),利用改进NSGA-Ⅱ算法对该模型进行求解。结果表明,改进NSGA-Ⅱ算法的世代距离值和空间评价值最低分别是0.0254和0.2312,具有较好的分布性和收敛性能。在对具体高速公路线路选线优化中,该方法所需建设费用最低接近3亿元,并且所得线路与地形的匹配度可达80%以上。说明研究提出的方法能够对高速公路线路进行有效优化,可以为同类高速公路选线优化提供参考。

基于微分进化算法的非对称弧齿锥齿轮约束多目标优化

根据齿轮啮合原理和现代摩擦学理论,建立了以弧齿锥齿轮传动齿面上瞬时接触线方向与相对滑动速度之间夹角的余切值最小、传动总体积最小和齿面诱导法曲率主值最小为目标函数的约束多目标优化设计数学模型。对当前的微分进化多目标优化算法进行了改进,给出了适用于工程领域的微分进化约束多目标优化算法。借助于改进的微分进化多目标优化算法,通过范例对弧齿锥齿轮传动进行两目标和三目标优化设计。分析了齿面上瞬时接触线方向与相对滑动速度之间的夹角及齿面诱导法曲率主值对齿面接触强度和胶合强度的影响。

微分进化多目标优化算法研究

对现有的微分进化多目标优化算法做了进一步的研究,揭示了其在机械工程领域中应用存在的问题。在此基础上,对现有的微分进化多目标优化算法进行了修正,给出了基于微分进化算法、适用于机械工程领域的约束多目标优化算法。与目前普遍采用的粒子群多目标优化算法进行了比较,并通过颇具典型意义的双圆弧齿轮传动约束多目标优化范例进行了验证。研究结果表明,该方法比粒子群多目标优化算法具有更好的非劣解的多样性和收敛性,快得多的收敛速度,且程序设计简单、易懂。为机械工程领域约束多目标优化设计提供了一种切实可行的设计算法。

面向约束多目标优化的进化计算与梯度下降联合优化算法

约束多目标进化算法(CMOEA)是一类专门为解决约束多目标优化问题而设计的元启发式算法。这类算法利用基于种群的黑盒随机搜索模式,可以在不同优化问题上达到目标与约束之间的有效平衡;然而它们未有效利用函数的梯度信息,在复杂问题上收敛过慢。但引入梯度信息不是一个简单的过程,同时计算所有目标和约束的梯度会消耗大量的计算资源,且目标和约束之间的矛盾会使梯度方向难以确定。为此,提出一种进化计算和梯度下降(GD)的联合优化算法——基于梯度辅助的多阶段约束多目标进化算法(CMOEA-MSG)。该算法包括两个阶段:在第一阶段,算法通过构建辅助问题并有选择性地计算目标或约束的梯度更新解,使种群快速收敛至可行区域;在第二阶段,算法采用约束优先原则求解原问题,保证种群的可行性和多样性。与现有同类算法在LIR-CMOP、MW和DASCMOP三个测试集上的对比结果表明,CMOEA-MSG可以更有效地解决约束多目标优化问题。

基于多目标进化算法的侦察星座优化方法研究

为进一步解决侦察星座优化问题,加强天基侦察体系的建设,对当前侦察星座优化方法进行研究与综述。侦察星座的设计与优化具有多参数、多目标、非线性、不连续等特点,是一种典型的多目标优化问题。多目标进化算法是一类以种群为基础的、根据预定启发式规则在决策空间内进行概率搜索的生物智能算法,无需问题满足连续性、可微性等条件,能够在有限的搜索次数内得到一组靠近Pareto前沿的解集,能够有效解决多目标优化问题,可用于侦察星座的优化。论述了侦察星座优化模型的构建、多目标进化算法的分类及优缺点,并对多目标进化算法在侦察星座优化中的应用进行了分析,给出了基于多目标进化算法的侦察星座优化的发展方向。

基于投影面的多目标优化问题目标分解进化算法

针对求解多目标优化问题存在解规模较大的问题,研究了如何得到决策条件下所需要的解,而不是多目标问题的全部解.现有多目标算法研究主要集中在解的分布性和收敛性上,很少考虑解数量方面的相关问题.根据决策需求并利用基于投影面的多目标优化算法对多目标优化问题的目标空间进行目标分解,设置不同目标函数构成投影面和自由维,建立满足用户决策条件的目标空间.在目标空间中对构成投影面的目标函数进行目标范围限定,利用空间距离获取投影面适应度,并在自由维上采用基于分解策略的多目标进化算法MOEA/D中的聚合函数作为适应度函数.通过相关的实验测试与分析,证明了基于投影面的多目标优化问题目标分解进化算法(MOEA/DP)能够有效解决确定目标域的多目标优化问题.

基于微分进化算法的销齿传动多目标优化设计

为缩短销齿传动的设计周期,降低产品成本,依据弹性流体动力润滑理论和齿轮啮合原理建立销齿传动的冷胶合强度条件。以齿间最小油膜厚度最大(倒数最小)和销齿传动中心距最小作为设计的追求目标,摈弃传统的多目标优化设计方法,利用修正的微分进化多目标优化算法对范例进行分析计算。优化过程及结果表明,修正的微分进化多目标优化算法能够有效地提高产品的综合经济技术指标。

多目标优化微分进化改进算法的实现

针对基本微分进化算法不适合求解多目标优化这一问题,对基本算法进行了改进。具体采用的方法是对选择步骤进行修正,当且仅当满足一定条件时,新产生的个体才取代原个体。同时,引入动态调整机制控制算法参数,使算法摆脱后期易于陷入局部极值点的束缚,以提高该算法求解多目标问题的效率和寻优能力。算法分析和仿真结果表明,改进算法在实现求解多目标优化问题上具有较好的效果和求解效率。

基于微分进化算法的列车吸能方管结构耐撞性多目标优化设计

采用正交试验设计方法及碰撞计算程序,得出了均匀分散并整齐可比的试验数据点。提出了利用无约束微分进化算法来构建不同的回归模型,并结合方差分析技术选出最优模型的方法,解决了传统单目标优化设计只能对其中一个目标进行优化和传统响应面法利用最小二乘得出回归模型过程中因矩阵奇异而导致拟合精度达不到要求的问题。采用动态调整控制参数策略对标准微分进化算法进行了改进,提高了该算法求解多目标问题的效率和寻优能力。利用约束条件下的改进微分进化算法快速有效的求出最优解,最终优化解的各个目标函数值均得到改善。数值算例表明:该方法具有较高的精度和工程应用价值。

基于混合多目标进化算法的水库多目标优化调度研究

研究基于混合多目标进化算法(NSGA-II-SA),针对孔江水库的多目标优化调度问题展开探讨。首先,确定了最大化灌溉供水量、最大化发电效益和最小化弃水量等关键优化目标,并建立了相应的约束条件。然后,通过对NSGA-II-SA算法的优化参数进行设置,采用具体的数学描述构建了水库多目标优化模型。随后,将该模型应用于孔江水库的实际案例研究中,得到了一系列优化的调度方案,并与传统的单目标优化算法进行对比分析。结果表明,NSGA-II-SA算法在获取多目标优化调度方案方面具有显著优势,能够在考虑多个目标之间的平衡关系中找到更好的解决方案。

多目标优化的微分进化算法

将微分进化算法的应用范围从求解无约束单目标优化推广到求解一般情形的多目标优化。与传统优化算法及一般的进化算法相比,该算法特点在于直接将约束条件以及多目标性结合到进化算子中。算例表明,该算法是有效的。

领导者引导与支配解进化的多目标矮猫鼬算法

面对现实中日益复杂的多目标优化问题,需要发展新型多目标优化算法应对挑战。提出一种基于领导者引导与支配解动态缩减进化的多目标矮猫鼬优化算法(MODMO)。领导者引导机制通过引入动态权衡因子以调控侦察猫鼬探寻土丘的搜索半径,同时以非劣解集构建外部存档并根据非支配排序层级确定出领导者,进而引导侦察猫鼬向多目标前沿面推进以改善算法的收敛性;支配解动态缩减进化策略是为克服非劣解外部存档维护过程中的解冗余问题而构建,其以支配关系和拥挤距离动态筛选支配解并存入外部存档,以支配解信息融入种群进化实现多目标潜在前沿的挖掘并增强算法的多样性。在ZDT、DTLZ与WFG基准函数上,与5种代表性比较算法的实验结果表明MODMO算法在收敛性与多样性上均具有显著优势。

基于改进微分进化算法的微网多目标优化的研究

针对含多种微电源的微网模型,其中包括SO2、CO2和NOx的排放成本以及运行维护费用,利用改进微分进化算法搜寻最优解,并为达到更强的搜寻能力和收敛速度,在各个阶段使用不同的变异策略。仿真结果表明,该方法的确有利于微电网优化运行。

基于改进生物地理学算法的列车ATO多目标优化研究

高速列车运行过程优化是一个多目标、非线性优化问题.为研究列车自动驾驶系统(automatic train operation,ATO)多目标优化问题,以列车运行的准时性、停车精确性、舒适性、能耗性为控制目标,列车动力学模型为约束条件,同时考虑列车惰行过分相区,建立列车多目标优化模型,提出了一种改进的生物地理学(biogeography-based optimization,BBO)优化ATO速度曲线方法.为提高算法优化性能,使用更加倾向自然法则的双曲正切变体迁移模型;在变异过程中使用差分进化(differential evolutionary,DE)变异策略,提高种群多样性,同时加入柯西分布随机数帮助算法跳出局部最优;利用反向学习提高变异后个体的多样性,保证算法的全域搜索.同时通过基准测试函数验证该算法收敛速度和全局优化能力的优越性.以CRH3型高速列车和汉宜客运某线路进行仿真实验,结果表明,所提方法可以使列车追踪运行更加高效、舒适、安全和节能,其中舒适度提升了39.24%,能耗降低了3.5653%.

面向高维投资组合的多目标优化算法

针对高维投资组合优化问题,提出了一种基于非支配排序和混合搜索的多目标优化算法。考虑到现有进化算法在大规模问题处理上受限于其广泛的搜索空间,引入了基于分解的策略。该策略通过分析个体与参考点的距离,有效地将种群划分为三个子群体。为提升种群多样性并避免局部最优,算法结合了个体的位置特征,并采用了混合局部和全局搜索策略。此外,通过基于分解的双重环境选择机制,有效生成优质解。在包含100、500和1000个决策变量的LSMOP实验中,该算法展现出超越多个先进进化算法的性能。最后,应用该算法于包含交易成本的CVaR模型,并与其他三种多目标进化算法进行比较,进一步证实了其在实际应用中的优势。