基于NSGA-Ⅱ-PSO算法的微电网多目标优化运行模式

解决微网中新能源出力的随机性与波动性是微电网优化运行的前提和关键,为此,提出一种快速非支配排序遗传算法NSGA-Ⅱ(non-dominated sorting genetic algorithm)和基本粒子群优化算法PSO(particle swarm optimization)相结合的NSGA-Ⅱ-PSO算法,考虑将经济运行成本和环境污染成本作为优化的目标函数,建立常见发电单元以及蓄电池储能的多目标优化运行模型。通过Matlab仿真对比PSO、NSGA-Ⅱ和NSGA-Ⅱ-PSO算法的适应度收敛曲线,验证所提算法具有收敛速度快、全局和局部搜索能力强的优点,较单一的PSO算法和NSGA-Ⅱ算法具有更优的特点;结合经典微网系统进行算例仿真,通过对单目标与多目标的分析,结果表明该算法能有效降低经济成本和使环境效益达到最优;并且进一步验证所提算法的优越性。

基于NSGA-II的醋酸甲酯水解工艺经济优化控制

针对PTA生产系统中副产物醋酸甲酯水解工艺,研究基于最小经济成本的集成优化与厂级动态控制。首先根据醋酸甲酯水解工艺动力学机理模型,建立Aspen稳态模拟系统,采用灵敏度分析计算待优化变量的可行域,建立经济优化总成本目标函数;然后将模型计算和过程模拟相结合,利用NSGA-II算法寻找较优的反应精馏塔各操作参数,实现最小经济成本;最后依据最优的经济优化结构和操作参数,设计厂级动态控制系统,施加醋酸甲酯进料与流量扰动,其动态响应的结果验证了上述控制方案可以有效抑制扰动下的塔内各变量和产品成分变化,确保生产安全平稳运行。

基于NSGA-Ⅱ的多目标代码混淆模型研究

为解决工业工程中的代码混淆领域存在的多种代码评价指标冲突,以及如何相应确定最优代码混淆技术应用序列的问题,基于NSGA-Ⅱ遗传优化算法,建立一种面向多目标优化的代码混淆模型。提出了基于抽象语法树(AST)的树型基因编码,设计了适用于代码混淆的交叉、变异和选择操作。优化和选取多种可能发生冲突的软件复杂度组成广覆盖面指标集合作为NSGA-Ⅱ的目标函数。应用多种具有代表性的代码混淆技术,设计了多套不同目标种类和不同目标个数的实验方案对该模型进行了有效性验证。