基于改进目标进化算法的城市园林GIS数据均衡化技术研究

传统城市园林GIS数据均衡化处理技术忽略了对调整参数的全面寻优,导致部分数据仍存在不均衡问题。为此,提出基于改进目标进化算法的城市园林GIS数据均衡化技术。针对城市园林GIS数据,结合SMOTE算法与遗传算法,形成一种新的改进目标进化算法——GSA算法,对GIS数据完成二次采样,通过鸡群算法求解目标函数最优解,以此得到多个最优调整参数,使图像灰度分布更加均匀,实现城市园林GIS数据均衡化处理。实验结果表明,与传统技术相比,改进目标进化算法的GIS数据均衡化效果更好,证明该技术具有理想应用性能。

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。

多目标混合流水车间调度问题求解算法

针对多目标不相关并行机混合流水车间调度问题,建立以最小化最大完工时间、机器总能耗和机器加工成本为目标的多目标数学模型。提出一种改进的基于分解的多目标进化算法(Improved multi-objective evolution algorithm based on decomposition,IMOEAD),采用均匀设计表生成初始权重向量,提高种群多样性,利用正态分布交叉并设计了自适应高斯变异来提高算法的全局搜索能力和局部搜索能力,在权重向量邻域中选择个体产生新解,运用非支配等级和拥挤距离更新外部档案。以反世代距离、世代距离和非支配解个数为性能指标,通过大量案例仿真,与非支配排序遗传算法Ⅱ和基于分解的多目标进化算法进行对比,结果验证了该算法的有效性。

多目标动态环境经济调度模型及仿真研究

以风电为代表的新能源大规模并网,其出力的随机性和不确定性给电力系统的经济调度带来了严重影响。为此,首先建立了以发电机燃料费用与污染物排放量为目标的动态环境经济调度模型;其次提出改进分解多目标进化算法,可根据子问题距离中心问题的偏离程度动态调整邻域,有效平衡算法的多样性和收敛性;最后以10机测试系统为例进行验证。结果表明,改进分解多目标进化算法得到的Pareto最优前沿更广,且分布较为均匀。风电并网提高了系统的经济性和安全性,建立的模型及其改进算法具有可行性及有效性。

带连续式批处理机的可重入混合流水车间调度

为了解决冷拔无缝钢管生产周期长、能源消耗高的问题,实现生产调度的智能化、绿色化,研究了带连续式批处理机的可重入混合流水车间调度问题。首先考虑批处理机缓冲区的影响,构建了调度优化模型;然后设计了改进的基于分解的多目标进化算法用于该问题,提出了基于工序的编码方案和均衡考虑完工时间与能耗的解码方案,根据多样性指标的高低设计了局部搜索和多样性增强策略,并通过对最优解局部搜索来提高解的多样性;最后,通过对不同算例的实验,验证了所提算法可以高效地求解带连续式批处理机的可重入混合流水车间调度问题。