基于二进制交叉和变异的粒子群算法及应用

粒子群算法在求解多峰问题时极易陷入局部最优解,提出了基于模拟二进制交叉和多项式变异的粒子群算法(SPDPSO)。在该算法中,为了更好地利用每个粒子的历史信息,引入了外部存档存储每个粒子的最优位置(pbest);同时,对外部存档中的pbest进行二进制交叉,而对新产生的全局最优粒子进行多项式变异。基准函数的测试结果显示,SPDPSO算法在求解多峰问题上有一定的优势。在实际应用中,以TSP为研究对象,结果显示SPDPSO算法获得了比其它算法更好的解。

一种基于正态分布交叉的ε-MOEA

实数编码的多目标进化算法常使用模拟二进制交叉(simulated binary crossover,称SBX)算子.通过对SBX以及进化策略中变异算子进行对比分析,并引入进化策略中的离散重组算子,提出了一种正态分布交叉(normal distribution crossover,称NDX)算子.首先在一维搜索空间实例中对NDX与SBX算子进行比较和分析,然后将NDX算子应用于Deb等人提出的稳态多目标进化算法ε-MOEA(ε-dominance based multiobjective evolutionary algorithm)中.采用NDX算子的ε-MOEA(记为ε-MOEA/NDX)算法在多目标优化标准测试集ZDT和DTLZ的10个函数上进行了实验比较.实验结果和分析表明,采用NDX的ε-MOEA所求得的Pareto最优解集质量明显优于经典算法ε-MOEA/SBX和NSGA-Ⅱ.

动量交叉粒子群算法

针对传统粒子群算法收敛速度慢、全局搜索能力差的缺点,提出了一种新的最优交叉动量粒子群算法。该算法通过在粒子群算法中引入一种新的二进制交叉策略来加快粒子群算法的收敛速度,通过设置新的惯性权重来改善新算法的全局搜索和局部搜索能力,并且在粒子搜索路径中引入变系数低通滤波器构成的动量算法来平滑粒子搜索路径。几个典型的测试函数仿真表明,新算法在收敛速度和搜索精度上均得到了明显改善。

基于改进NSGA-Ⅱ算法的汾河水库优化调度研究

为进一步提高NSGA-Ⅱ算法搜索效率,引进全局搜索能力更强、收敛速度更快的算术交叉算子改进原始算法中采用的模拟二进制交叉算子(SBX)。据此提出一种改进NSGA-Ⅱ算法,同时采用Generational Distance(G_(D))指标评价多目标Pareto解集的收敛状态,并将该方法应用于汾河水库供水及生态协同优化调度研究中以验证其有效性。对比不同算法运行产生的Pareto解集及水库运行各项指标表明,与传统算法相比,算法改进后达到收敛状态的迭代次数降低了100代且收敛时间缩短7.76%;较不优化条件下的各部门缺水率均有所降低,其中农业缺水率效果最为显著,降低13.20%~14.52%,总供水量增加0.268×10^(8)~0.303×10^(8)m^(3)。验证了改进算法及优化调度的有效性,为水库多目标优化调度提供了一种新思路。

考虑负荷优化的电动汽车光伏充电站储能容量配置

为实现电动汽车充电站中光伏电能的充分利用和减小负荷峰谷差,将光伏功率和电动汽车充电功率结合作为等效负荷功率,并以此配置储能。以等效负荷功率上下限为决策变量,充电站日净收益和峰谷差率为目标函数,建立储能优化配置模型。使用改进遗传交叉过程的NSGA-Ⅱ算法对目标函数进行优化,得到不同峰谷差率对应的充电站日净收益和储能容量,同时对比不同光伏出力和充电功率等级下储能容量配置的差异。结果表明,合理的光伏容量配置能够减小充电站对储能容量的需求,并且根据峰谷差率联合配置光伏和储能,能够实现充电站经济运行和负荷优化作用。