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。

一种自适应调整权重向量的多目标进化算法

基于分解的多目标进化算法(multi-objective evolutionary algorithm based on decomposition,MOEA/D)作为一种重要的多目标优化方法,已经成功地应用于解决各种多目标优化问题。然而,MOEA/D算法在解决具有高维目标和复杂帕累托前沿(Pareto frontier,PF)的问题时,容易陷入局部最优并难以获得可行解。本文提出一种改进的MOEA/D算法,包括3个优化策略:首先,使用拉丁超立方抽样方法代替随机方法初始化种群,得到分布均匀的初始种群,同时对权重向量关联解的策略进行优化;其次,提出一种稀疏度函数,用于计算种群中个体的稀疏度并维护外部种群;最后,提出了自适应调整权向量的方法,用于引导种群收敛到帕累托前沿,并且有效平衡种群的多样性和收敛性。将提出算法和4种对比算法在DTLZ和WFG系列问题以及多目标旅行商问题(multi-objective travel salesman problem,MOTSP)上进行对比实验,实验结果表明本文提出自适应调整权重向量的多目标进化(MOEA/D with cosine similarity adaptive weight adjustment,MOEA/D-CSAW)算法在处理具有复杂帕累托前沿和高维多目标的问题时,算法的综合性能要优于对比算法。

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。

计及输电阻塞的帕累托最优多目标电网规划

在解除管制环境下,要求输电扩展规划有效缓解输电网络阻塞,文中分别以年阻塞盈余、线路投资费用和系统缺电成本为规划目标,基于帕累托(Pareto)多目标最优建立综合考虑阻塞问题、经济性和可靠性的多目标电网规划模型,并通过一种改进的强度帕累托进化算法(strength Pareto evolutionary algorithm,SPEA),实现对模型的求解。建立一种基于多维空间欧氏距离的排序方法,实现帕累托最优解集范围内的优化决策。18节点系统算例表明通过改进SPEA可以有效形成分布均匀的帕累托解集,并且所提多目标规划方法能够缓解和控制规划网络的输电阻塞。

基于多种群改进差分进化算法的环境/经济电力调度优化

应用多种群改进差分进化算法求解环境/经济电力调度(Environmental/Economic Dispatch,EED)这一多目标优化问题。将多种群策略引入差分进化算法,有助于保持群体多样性,有效避免经典差分进化算法的早熟收敛问题。采用自适应变异因子及交叉因子,使算法在搜索初期保持全局搜索能力,在搜索后期增强局部搜索能力,加快收敛速度。将该算法应用到IEEE 30节点-6机组系统的环境/经济调度优化,仿真计算结果以及与其他算法的对比分析验证了该算法的有效性。

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。

采用多目标改进差分进化算法的环境经济发电调度

针对差分进化算法在迭代过程中可能出现的早熟收敛问题,在算法中加入早熟判定系数和混沌优化,提出了改进差分进化算法;将改进差分进化算法扩展到多目标规划领域,形成了多目标改进差分进化算法,并应用于多目标环境经济发电调度。根据模糊集方法从帕累托前沿中选择最优折衷解。以6机系统为例进行仿真计算,结果验证了本文所提多目标改进差分进化算法在解决环境经济发电调度中的可行性和有效性。

自适应选择进化算法的多目标无功优化方法

基于帕累托最优概念的多目标进化算法在电力系统无功优化领域已有广泛应用,但目前通过某种单一算法求解的方式由于进化算子的唯一性,难以保证进化过程不同寻优阶段的普适性和鲁棒性,因此提出一种基于多种进化算法自适应选择的多目标无功优化方法。通过分析已有多目标进化算法的特征,考虑协调性与互补性,建立包含4类算法的备选池;在进化过程不同阶段根据寻优性能自适应地确定备选算法的使用比例,从而综合多种算法的性能优势,提高整体寻优效率。以IEEE 30节点标准系统的多目标无功优化为算例,从帕累托前沿、外部解及C指标等方面与已有单一算法的优化结果进行比较,表明所提新方法在整个进化过程中都显示出了更优的收敛特性。

多目标进化算法求解无功优化问题的比较与评估

多目标进化算法在电力系统无功优化领域已有广泛应用,目前研究主要集中于引入某种单一算法求解该问题,难以全面客观地分析算法的寻优性能。因此选取当前典型的多目标进化算法,从整体角度对它们在无功优化问题中的应用展开比较研究。与传统设定偏好参数、将多目标问题转化为单目标问题的方法不同,直接采用计及系统网损与电压偏移的多目标模型。以IEEE 30节点标准系统的多目标无功优化为算例,从非支配解集质量和多样性、帕累托前沿分布广阔性和均匀性及收敛速度等角度,比较算法的寻优性能,分析其优势或不足。在评估各种算法计算性能的基础上提出了进一步研究的展望。相关结论对多目标进化算法在无功优化问题中的应用和改进具有一定的参考价值。

多目标进化算法求解无功优化问题的对比分析

对经典的多目标进化算法(multi-objective evolutionary algorithms,MOEAs)在电力系统无功优化中的应用展开比较研究。与传统设定偏好参数、将多目标问题转化为单目标问题的方法不同,直接采用计及系统网损与电压偏移的多目标模型。提出无功优化多目标进化算法统一框架,采用一致的编码策略、约束处理方法。以IEEE30节点标准系统的多目标无功优化为算例,从帕累托前沿、外部解及C指标等方面,比较各种算法的性能特点,并按照其优劣将算法分为5个性能等级。参考算法的性能等级,详细分析每种算法的优缺点。相关结论对MOEAs在无功优化及电力系统其他优化问题中的应用和改进,都具有一定的参考价值。

多目标进化算法中基于动态聚集距离的分布性保持策略

提出了基于动态聚集距离(DCD)的分布性保持策略,利用个体在不同维目标上聚集距离的差异程度来定义DCD,并在种群维护中动态地计算DCD。与目前经典算法NSGA-Ⅱ和ε-MOEA进行比较,实验结果表明DCD能在较大程度上提高分布性,并得到较好的收敛性。

基于改进MOEA/D算法的WSN覆盖优化方法

为了优化无线传感器网络(WSN)的覆盖方法,针对MOEA/D中缺少对本代优质个体的保存和最优解集中个体极少的两个问题,提出了粒子群优化的基于分解的多目标进化算法(MOEA/D-PSO)。通过保留种群本代优质个体,改进本地优化解集在进化过程中的搜索方向和搜索进度,弥补了MOEA/D的不足。仿真实验证明,相对于MOEA/D和非支配排序遗传算法(NSGA-Ⅱ),MOEA/D-PSO所得非支配解更接近Pareto最优曲面,解集分布的均匀性和多样性表现更佳,WSN的覆盖范围更广,能量消耗更少。

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。

基于改进多目标粒子群优化算法的配电网削峰填谷优化

电力系统削峰填谷优化作为负荷管理的重要手段,而储能系统在削峰填谷的功能显得尤为突出,以负荷峰谷差为目标的单目标优化已经无法全面评价储能系统在削峰填谷上的优势,为更好地体现储能系统在负荷管理上的优势,考虑以经济效益为调度目标的多目标优化问题(multi-objective optimization problem,MOP)显得尤为重要。基于此以负荷峰谷标准差和分时电价构建了配电网削峰填谷的多目标优化模型进行研究。提出基于拥挤距离排序的改进多目标粒子群优化(multi-objective particle swarm optimization,MOPSO)算法,为改善算法陷入局部最优提出了变异机制的二次寻优,通过设置一定容量的外部档案存储非支配的帕累托(Pareto)最优解,最终获得Pareto最优前沿面。最后通过采用模糊隶属度法求解折中最优解,算例分析验证了本文所提模型的实用性和改进算法的有效性。

基于改进萤火虫算法的冷热电联供系统多目标优化调度

冷热电联供系统应用和优化具有重要的意义。所提出的新型冷热电联供系统优化模型考虑了能源利用、环境保护和成本等限制因素。在该模型基础上提出了一种改进萤火虫算法,采用了多群组搜索、无用的内部种群删除和改变步长因子等方法,这能提高搜索速度、寻找最优解。同时提出基于规范法线约束的改进萤火虫算法的双目标帕累托前沿优化算法,该方法通过规范法线约束法转化为两类单目标问题,然后通过改进的萤火虫算法进行单目标搜索。仿真算例采用标准IEEE39节点系统验证了所提算法在解决多目标冷热电联供系统优化问题时的优越性。

基于多目标多任务进化算法的含可再生能源混合发电系统优化调度

可再生能源发电的快速发展为电力系统的安全和经济运行带来了新的挑战。在此背景下,构建了能够计及火电阀点效应非线性,风电、光伏发电系统出力不确定性和水电一次能源浪费的多目标优化调度模型。假设风速服从Weibull分布、光照服从Beta分布的前提下,含可再生能源混合发电系统优化模型综合考虑了能源利用、环境保护、成本以及损耗等限制因素。在此基础上,创新的引入了多目标多任务进化算法,同时优化多个任务的多个目标,并行处理多个发电系统的优化调度问题,从而大幅提高了搜索速度。仿真算例采用标准IEEE30节点和IEEE118节点系统,验证了该算法在解决多目标多任务多电源发电系统优化问题时的优越性。

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。

改进贪心算法求解扩展简化折扣{0-1}背包问题

扩展简化折扣{0-1}背包问题(ESD{0-1}KP)是折扣{0-1}背包问题(D{0-1}KP)的拓展.ESD{0-1}KP增加了D{0-1}KP中单个项集中的物品数量,导致其求解难度增加,并且现有贪心策略算子(GSOR)算法效果不理想.基于ESD{0-1}KP模型,在每个项集中增加一个价值为0,质量为0的虚拟物品,同时对ESD{0-1}KP模型中的约束进行松弛,从理论上证明了ESD{0-1}KP与多选择背包问题(MCKP)等价.结合改进帕累托算法(IPA),提出新的贪心策略算子(NGSOR).NGSOR首先将同一项集多个物品的选择情况通过在项集内增加物品来表示,按从价值密度从高到低顺序选择物品,若被选择物品的价值比物品所在项集已选择物品的价值更大,则对该项集进行迭代.仿真实验结果表明:NGSOR相比于GSOR,求解精度平均提升24.56%,求解速度平均提升44.95%.

基于改进差分进化的车用驱动电机智能设计

研究了一种基于有限元、差分进化算法与帕累托算法的智能自动优化方法,可以改进内置永磁电机用于车用驱动系统时传统优化算法在多变量、多目标优化方面存在的所需评估模型众多,优化时间长,在优化目标指标范围内优化结果单一等不足,并针对一台内嵌式永磁同步电机进行了仿真优化及对比。结果表明,该算法可以给出接近,甚至优于人工优化的一系列符合优化目标指标范围的结果,可以直观地选取优化结果中的最适最优电机参数组合,同时优化时间只有人工优化的十分之一,大幅提升了电机研发与设计的效率与质量。