采用模糊自修正粒子群算法的碳排放权交易冷热电多目标调度

随着碳排放配额和交易机制的推进,CO2排放不再只是以固定形式作为环境惩罚成本来考虑,其排放权也可用于买卖交易,其交易价格由市场主导。为了综合考虑碳排放对冷热电联供系统的影响,引入碳排放权交易成本函数,建立考虑碳交易成本、燃料成本、环境成本的冷热电联供系统低碳调度多目标优化模型。提出一种模糊自修正粒子群算法求解此优化问题,通过利用模糊推理机制建立粒子适应度值隶属度函数,使得每次寻优过程中粒子可以充分根据自身当前适应度隶属度函数值来修正惯性权重的取值,进一步改善早熟的缺陷,增强全局搜索能力。算例分析结果表明,在保证系统负荷需求的前提下,考虑碳排放权交易成本后可有效控制CO2排放总量和获取额外的收益,进而降低联供系统的综合运行成本。

电力系统环保经济负荷分配的模糊自修正粒子群算法

针对标准粒子群算法易陷入局部最优、收敛过早的缺陷,提出了一种模糊自修正粒子群算法。通过利用模糊推理机制建立了粒子适应度值隶属度函数,在每次寻优过程中,使得各粒子根据自身当前适应度隶属度函数值来修正惯性权重的取值,而不是把惯性权重作为全局变量,对同一代粒子使用相同的惯性权重;这充分考虑了各粒子自身的性能,可以进一步改善早熟的缺陷,增强全局搜索能力,从而可以获取更好的目标值。将该算法用于求解电力系统经济负荷分配问题,兼顾考虑了燃料成本和环境成本;在求解此问题时,为了更精确地处理功率平衡约束,根据寻优过程中等式约束偏差量的大小不断调整罚系数取值,并以此建立相应的罚函数。算例结果表明,模糊自修正粒子群算法对比标准粒子群算法有较强的全局搜索能力,有更可靠的优化计算结果,进而体现了该方法的有效性和优越性。

基于改进蚁群算法的微电网多目标模糊优化运行

针对微网运行中存在光伏、风电等间歇性分布式电源的情况,建立基于机会约束规划的微电网系统动态经济调度模型,模型具有混合整数规划的结构。同时建立综合考虑微网运行的总成本以及污染气体总排放量的多目标优化运行模型,将减少运行成本、减少污染气体的排放量作为子目标函数,利用模糊处理构造各个目标的隶属度函数,接着采用最大满意度指标法将多目标问题转化为单目标的非线性问题。在求解单目标模型时采用改进蚁群算法,仿真结果验证了所提模型和算法的有效性。

一种优化模糊神经网络的多目标微粒群算法

模糊神经网络优化是一个多目标优化问题·通过对模糊神经网络和微粒群算法的深入分析,提出了一种多目标微粒群算法·在算法中将网络的精确性和复杂性分别作为目标进行优化,再用一种启发性分量加权均值法来选取个体极值和全局极值·算法能够引导粒子较快地向非劣最优解区域移动并最终获得多个非劣最优解,为模糊神经网络的精确性和复杂性的折中寻优问题提供了一种解决方法·茶味觉信号识别的仿真实验验证了该算法的有效性·

基于模糊多目标粒子群算法的热电联供型微网环境经济调度

热电联供型微网具有安全可靠、节能环保的优点。兼顾经济和环保目标,提出了计及制热收益的热电联供型微网环境经济调度模型。针对微网中存在的可再生能源出力随机波动及负荷预测误差等问题,采用基于机会约束规划的模糊多目标混合粒子群算法求解模型,引入模糊全局最优解和同步粒子局部搜索以提高寻优效率。对一个含储能装置的热电联供型微网系统,分别给出了其并网运行方式下经济最优和环保最优的调度策略及多目标Pareto最优解集,算例表明本调度模型能兼顾微网运行的经济性和环保性。

一类模糊多目标双矩阵对策的粒子群优化算法

针对一类具有模糊目标的多目标双矩阵对策给出了基于粒子群优化的求解算法。讨论了当模糊目标的隶属函数是线性函数时纳什均衡解的判定定理;构造的粒子群优化算法,通过随机初始点以及迭代粒子的归一化,保证粒子群始终保持在对策的可行策略空间内,避免了在随机搜索中产生无效的粒子,提高了用粒子群优化算法求解纳什均衡解的计算性能。给出的一个数值算例验证了该算法的有效性。

基于正交设计的多目标粒子群算法

为了提升粒子群算法求解多目标问题的能力,通过分析初始种群的方法对算法的影响,提出一种基于正交设计的多目标粒子群算法(ODMOPSO)。在算法运行过程中,通过正交设计来产生初始种群,使得种群均匀分布在可行区域,进而使得算法能够在整个可行解空间上进行均匀搜索;同时,引入广义学习策略提升粒子向Pareto前沿飞行的概率。在基准函数的测试中,结果显示ODMOPSO算法获得了质量更高的解。

基于模糊的多目标粒子群优化算法及应用

粒子群优化算法的思想来源于人工生命和进化计算理论,由于其容易理解、易于实现,在很多领域得到了应用。由于传统的粒子群优化算法无法对多目标优化问题进行求解,因此文中利用模糊理论中的隶属度函数和给定的最优解评估选取原则,提出了一种适合求解约束型多目标优化问题的模糊粒子群算法(FPSO)。模糊粒子群算法很好地解决了汽车零部件可靠性稳健优化设计的求解问题,仿真结果证明,该算法可行而有效,同时也拓展了粒子群算法的应用领域。

电梯群控系统多目标模糊控制算法的设计

本文提出了一种多目标的模糊控制算法 ,介绍了算法的设计思想、结构以及实现 ,并给出了算法的验证。验证的结果表明 ,该算法能实现迅速有效的派梯。

基于序优化和模糊蚁群算法的多目标配电网重构

针对蚁群算法求解配电网重构问题时搜索时间过长、易陷入局部最优解等问题,提出了一种基于序优化理论和模糊控制理论改进的蚁群算法应用于配电网重构。通过加入模糊规则,结合序优化思想,在信息素更新环节提出了分阶段按序更新策略,扩大解空间的探索;将Prim算法应用于搜索环节,直接得到辐射型可行解,大大减少了构造解的时间;结合模糊理论提出了多目标的目标函数,有利于得出高质量的解。选取IEEE33节点配电系统作为算例验证了算法的有效性和优越性。

基于动态模糊混沌粒子群算法的含电动汽车微电网多目标优化调度研究

提出一种基于动态模糊混沌粒子群算法的微电网多目标优化调度方法.利用动态目标函数与模糊理论解决多目标主观权值的缺陷,建立以运行维护成本、环境污染物成本为目标的微电网多目标调度模型.微电网多目标优化调度属于多变量、强非线性优化问题,针对传统粒子群算法求解时容易陷入局部最优等问题,在粒子初始化时,引入一种结合Chebyshev映射和Logistic映射的组合混沌映射,在粒子更新过程中,引入Logistic映射,从而增加粒子寻优的遍历性,加强算法全局优化能力.针对惯性权重在粒子群更新过程中的取值问题,采用迭代次数梯度改变惯性权重的策略.仿真结果证明了算法具有更高的收敛效率和更好的收敛效果.

一种基于模糊学习子群的多目标粒子群算法

为提高多目标粒子群算法的局部搜索能力,提出了一种模糊学习子群多目标粒子群算法(FLSMOP-SO)。在搜索过程中,每个粒子模糊自适应学习生成不确定的p个粒子形成一个子群而不是只产生一个新粒子,然后在其中选择模糊满意解作为其下一代新粒子。对四个典型测试函数的实验结果表明,新算法比NSGAⅡ和MOPSO两种经典多目标优化算法有显著的优越性。

基于模糊群决策和多目标遗传算法的维修间隔确定方法

对于舰船装备周转性器材而言,如果维修间隔期过长,安全性和工作能力就会降低;如果经常维修,则会造成大量浪费。因此,设定恰当的修理间隔优化资源十分必要。首先,分析了影响舰船周转性器材维修资源优化的因素,依据维修理论和多目标决策方法,建立了装备器材维修时间资源优化模型;然后,为确保两种预防性维修模式下的满意度最大,采取模糊群决策和多目标遗传算法对满意度求解;最后,结合舰载机襟翼系统故障数据实例进行了仿真,验证了该算法的有效性。

船舶平面分段流水线多目标模糊调度的改进粒子群算法

针对船舶平面分段建造过程中广泛存在的不确定性问题,考虑在平面分段流水线调度中引入更贴近实际的模糊调度。以模糊数表示加工时间和交货期,以最小化最大完工时间、最大化平均满意度为调度目标,建立平面分段流水线多目标模糊调度问题的数学模型,设计了求解该问题的改进多目标粒子群算法。提出一种按反Logistic曲线规律动态变化的惯性权重,从而在一定程度上平衡算法的全局和局部搜索能力;嵌入由3种邻域结构随机排列构造的变邻域搜索算子以增强算法的局部改良性搜索能力;采用一种基于拥挤距离的非支配解动态维护策略以提高解的分布性。结合实例数据,通过对算法进行比较,证实了各项改进措施的有效性,以及所设计算法求解平面分段流水线多目标模糊调度问题的优越性。

应用粒子群算法优化模糊规则的自适应多目标控制策略

为了改善一款插电式混合动力汽车(PHEV)的燃油经济性和排放性能,本文利用等效燃油消耗最小方法(ECMS)建立以油电转换等效因子为核心的多目标控制策略.首先,在建立PHEV模型和多目标优化价值函数的基础上,构建了模糊比例积分等效因子优化模型.随后,利用粒子群优化(PSO)算法通过对隶属度函数值及控制规则进行优化以得到更为准确的比例和积分系数,进而获得更为精确的等效因子用以合理分配动力部件的能量,从而建立了基于PSO-fuzzy的PHEV等效因子自适应多目标优化控制策略.最后以福州市实际行驶工况数据对所提出的控制策略进行仿真研究,结果表明在该策略控制下PHEV的燃油经济性和排放性均得到了明显改善.其中,基于PSOfuzzy的控制策略与基于一般模糊控制的策略相比,等效油耗降低了9.0%,HC排放量降低了2.7%,CO排放量降低了2.9%,NO_(x)的排放量降低了7.8%.

基于模糊控制的多目标电梯群控调度算法研究

针对电梯群控系统的多目标性进行模糊设计,根据电梯系统内不同的交通模式和不同的客流信息进行模糊定义,结合设计好的最优综合评价函数进行推理计算,得出最合理的派梯方案。该控制算法克服了系统不确定性、信息不完备性、非线性、扰动性等问题,使电梯群控系统的多目标性得到有效的优化,为电梯群更好地满足乘客的乘梯需求提供了解决方案,提高了电梯群的工作效率。

一种基于自适应模糊支配的高维多目标粒子群算法

高维多目标优化问题由于具有巨大的目标空间使得一些经典的多目标优化算法面临挑战.提出一种基于自适应模糊支配的高维多目标粒子群算法MAPSOAF,该算法定义了一种自适应的模糊支配关系,通过对模糊支配的阈值自适应变化若干步长,在加强个体间支配能力的同时实现对种群选择压力的精细化控制,以改善算法的收敛性;其次,通过从外部档案集中选取扰动粒子,并在粒子速度更新公式中新增一扰动项以克服粒子群早熟收敛并改善个体分布的均匀性;另外,算法利用简化的Harmonic归一化距离评估个体的密度,在改善种群分布性的同时降低算法的计算代价.该算法与另外五种高性能的多目标进化算法在标准测试函数集DTLZ{1, 2, 4, 5}上进行对比实验,结果表明该算法在收敛性和多样性方面总体上具有较显著的性能优势.

基于粒子群算法的多目标模糊物元优化研究

针对产品设计优化过程中多目标性、模糊性、不确定性等特性,提出基于粒子群算法的多目标模糊物元求解策论。建立了多目标模糊物元优化模型,定义了物元的各个权重,根据某种优化准则,将多目标优化问题转化成了单目标问题的优化。运用粒子群算法作为求解策略,并提出新的改进方法,给出模糊物元多目标优化设计问题的改进自适应粒子群算法(MAPSO)求解过程,并将它与其他方法进行比较,结果显示该算法具有较高的执行效率。

求解VRPTW问题的多目标模糊偏好蚁群算法

通过分析多目标的、有时间窗的车辆路径问题,对各个目标进行多属性模糊评判,结合相关专家的综合意见以及决策者自身对专家意见的偏好,将决策者对目标属性的离散意见转换为对各目标的综合意见;通过定义一种模糊综合排序指标来确定决策者对各目标的偏好权重,依据目标权重和各目标函数的规范化处理值,构建评价有时间窗的车辆路径问题的多目标模糊综合适应度函数;采用最大—最小蚂蚁系统算法对该问题进行求解;最后通过一个算例来说明该算法的有效性。

运用MATLAB实现基于遗传算法自修正的模糊控制理论的仿真

将遗传算法引入模糊控制的理论研究中,利用遗传算法对模糊控制输入隶属度函数进行在线自调整,并运用MATLAB语言实现对一个典型三阶系统的仿真,结果显示了该方法的有效性和实用性。