一种求解旅行商问题的热力学演化算法

在综合国内外演化计算研究现状的基础上,基于热力学中的自由能极小化原理,设计了一个全新的热力学演化算法,并通过对于流动旅行商问题求解的数值实验,测试了热力学演化算法的优良性能,实验结果表明了热力学演化算法求出的解比一般演化算法求出的解更加接近于全局最优。

一种求解Shubert函数优化问题的演化算法

综合国内外演化计算研究现状,基于热力学中的自由能极小化原理,设计了一个全新的热力学演化算法,并通过对于Shubert函数优化问题求解的数值试验,测试了热力学演化算法的优良性能,实验结果表明了热力学演化算法求出的解比一般演化算法求出的解更加接近于全局最优。

求解六峰值驼背函数优化问题的热力学演化算法

作为计算智能关键技术的演化计算,因其在对复杂和非线性问题的求解中表现出良好的适应性、并行性、鲁棒性等众多优点,受到众多领域专家学者的广泛关注。在综合国内外演化计算研究现状的基础上,基于热力学中的自由能极小化原理,设计了一个全新的热力学演化算法,并通过对于六峰值驼背函数优化问题求解的数值试验,测试了热力学演化算法的优良性能,试验结果表明了热力学演化算法求出的解比一般演化算法求出的解更加接近于全局最优。

基于BF行为的多目标分布估计算法优化配置SFCL

电力环网中超导故障限流器(SFCL)的优化配置需兼顾局部最优与全局最优之间的矛盾,研究满足收敛性和多样性要求的SFCL优化配置方法。针对现有方法遇到的局部与全局优化、单目标与多目标优化之间的矛盾,综合考虑电力环网内各条线路和全网对优化配置的要求,定义线路灵敏度系数指标,建立基于该指标的SFCL优化配置模型,详细研究了该模型的多目标分布估计算法的具体配置过程,提出一种基于细菌觅食行为的多目标分布估计算法(MEDA-BF)的SFCL优化配置方法。运用评价算法优化性能的收敛性和多样性指标进行算法性能的评估,所提方法的两个指标的均值和方差均小于现有方法,具有更快、更稳定的收敛性。对IEEE-30节点系统进行仿真,并与现有方法进行对比分析,所提方法使SFCL优化配置的目标函数更快速稳定地收敛到最配置目标,在实际配置SFCL方面优于现有方法。

基于自适应支配和参考向量的高维多目标优化算法

现有的改进支配方法提高了解集逼近Pareto前沿的能力,但平衡种群收敛性和多样性的能力仍然不足。针对此问题,提出了一种基于自适应支配和参考向量的高维多目标优化算法(An adaptive dominance and reference vector based evolutionary algorithm for many-objective optimization,ADRVEA)。首先提出自适应支配(Adaptive dominance,AD)来设计小生境机制;然后通过参考向量划分目标空间来提高种群多样性;最后构建适应度表达式来实现精英选择。实验证明所提出的ADRVEA不仅性能良好,而且有效平衡了种群的收敛性和多样性。

一种基于PBI指标支配的多目标优化算法

利用支配和指标度量结合的方式提出一种新的支配关系,通过该支配关系构造出新的多目标优化算法MOEA-PBI,该算法对多目标优化问题进行有效优化,从而得出一组可供选择的折中解。新算法与其他三种代表性的多目标进化算法一同在3,5和8目标的DTLZ基准测试问题上进行测试,结果表明MOEA-PBI算法具有较为优秀的收敛性和多样性。因此得出结论,MOEA-PBI算法是一种可以选择的多目标进化算法。