基于新型拥挤度距离的多目标麻雀搜索算法

现实中的多目标问题日益复杂,解决这类问题需要高效的优化算法。基于麻雀搜索算法,提出多目标麻雀搜索算法(Multi-objective Sparrow Search Algorithm,MSSA),对多目标优化问题进行求解。依据外部存档收敛性动态调整麻雀种群比例因子,以达到全局探索能力和局部开发能力的最佳平衡,确保收敛性;对麻雀种群进行非支配排序;对麻雀种群的发现者引入多项式变异因子,增强算法跳出局部最优的能力;设计一种新型拥挤度距离计算策略,利用外部存档解的拥挤度大小剔除相似个体的方法对种群进行裁剪,使个体不超过存档上限的同时维持种群的多样性。分别使用多目标函数和盘式制动器设计测试算法性能。MSSA与MOPSO、MOGWO、NSGA-II和SPEA2在多目标测试函数上进行对比实验,结果表明MSSA算法在收敛性和均匀性两项指标上有显著的优势。盘式制动器仿真结果表明,MSSA可以快速地找到问题的非支配解,证明了该方法的有效性。

基于平均距离聚类的NSGA-Ⅱ

拥挤度距离是一种用于度量解集多样性的指标.然而,在许多情况下,该指标无法有效区分多样性较优个体.其原因为拥挤度距离主要利用每个位置的局部信息.为解决该问题,基于整个种群全局位置信息,本文设计了基于平均距离聚类的多样性度量指标,并进一步提出了基于平均距离聚类的NSGA-Ⅱ.该算法利用平均距离将种群划分为若干个大致均匀分布的小种群,然后分别在各小种群内执行选择、交叉和变异等操作.实验结果表明,本文所提算法可以有效地保持种群多样性.

改进NSGA-Ⅱ算法在水库流量控制系统中的应用

针对NSGA-Ⅱ采用的拥挤度距离策略在区分个体时存在无法有效识别有希望个体缺陷的问题,分析了产生拥挤度距离缺陷的原因,提出以目标函数和为标准的评价机制。基于该机制,进一步提出了改进NSGA-Ⅱ算法。采用DTLZ测试集和多个对比算法测试改进NSGA-Ⅱ算法的性能,并将改进NSGA-Ⅱ应用于水库流量控制系统优化问题。研究结果表明:改进NSGA-Ⅱ在综合性能方面超过大多数对比算法,在实际工程优化中也表现出出色的性能,具有实用性。

基于改进教与学算法的配网多目标无功优化

配电网无功优化问题一直受到广泛关注,目前研究主要集中在单目标问题,或者将多目标问题通过权重法或惩罚函数转化为单目标。针对配电网无功优化优化问题,以网损最小和电压偏差最小为多目标函数,采用一种新颖的无需设置控制参数的教与学算法,基于Pareto最优解与拥挤度距离改进算法,应用非支配关系来构造非支配解集,降低多目标问题计算复杂度。并根据拥挤度距离排序提高解集的分布性,引入存储精英解集机制丰富非支配解集,并基于拥挤度距离的排序和裁剪求取最优解集,得到改进的多目标教与学算法。通过对IEEE-33节点系统进行仿真分析比较,结果验证了本文算法在多目标无功优化问题中的可行性和有效性。

改进的快速非支配排序遗传算法Ⅱ及其在投资组合中的应用

快速非支配排序遗传算法Ⅱ (NSGA-Ⅱ)是经典的多目标优化器,然而,其采用的拥挤度策略存在着无法有效区分较为拥挤个体的缺陷。为了弥补此不足重新设计了拥挤度评价机制。新拥挤度评价机制不仅可以弥补上述缺陷,而且可以进一步增强算法的整体性能。在ZDT测试集和投资组合优化上的分析结果说明了改进的NSGA-Ⅱ综合较优表现。