混合多约束处理技术的并行约束差分进化算法

针对约束差分进化算法中单一约束处理技术无法适合所有优化问题的情况,提出了一种混合多种约束处理技术的并行约束差分进化算法。该算法将种群分成多个子种群,各子种群采用不同的约束处理技术并行地独立进化,在适应值评价时进行种群间的通信交流。通过混合4种约束处理技术,使得算法对于所有测试函数都能成功地寻找到最优解,而且运算时间是串行算法的1/4。实验结果表明:与相应的串行算法及采用单一约束处理技术的算法比较,所提算法具有更高的求解精度、更少的计算时间和更快的收敛速度。

求解约束优化问题的改进自适应μ约束处理技术

针对当前的约束处理技术存在易陷入局部最优解、难以满足等式约束和多控制参数的问题,在μ约束处理技术的基础上,以梯度下降法和多目标拥挤距离为理论依据,设计反映种群约束违反度分布信息的ω参数,它可以自适应地调节约束违反度阈值μ的松弛进而有效地解决约束问题.此外,改进了μ阈值比较准则以提高种群的多样性.经对CEC2017的标准约束优化问题(Constraint optimization problems,COP)进行求解,并与其他先进算法相比较,结果表明,改进的μ约束处理技术能够高效地处理含等式约束的COP.

基于双阶段搜索的约束进化多任务优化算法

高效地平衡算法的多样性、收敛性和可行性是求解约束多目标优化问题(CMOP)的关键;然而,复杂约束的出现给该类问题的求解带来了更大的挑战。因此,提出一种基于双阶段搜索的约束进化多任务优化算法(TEMA),通过完成两个协同进化的任务实现多样性、收敛性和可行性之间的平衡。首先,进化过程由探索和利用两个阶段组成,分别致力于加强算法在目标空间的广泛探索能力和高效搜索能力;其次,设计一种动态约束处理策略以平衡种群中可行解的比例,从而增强算法在可行区域的探索能力;再次,提出一种回退搜索策略,利用无约束Pareto前沿所包含的信息指导算法向约束Pareto前沿快速收敛;最后,在两个基准测试集中的23个问题上进行对比实验。实验结果表明,TEMA分别在14个和13个测试问题上取得最优反世代距离(IGD)值和超体积(HV)值,体现出明显优势。

求解复杂约束优化问题的集成多策略差分进化算法

工程和科学领域中的优化问题常常具有大量的约束限制,称为约束优化问题.这类问题要求算法有能力在可行域中寻找问题的最优解.本文针对约束优化问题提出一种集成多策略的差分进化算法(Differential Evolution with Ensemble Multi-Strategies,EMSDE).首先,提出一种用于约束优化的参数自适应策略,利用归一化罚函数作为权重引导参数自适应地生成.其次,结合约束和动态罚函数法设计一种新的约束处理技术.最后,采用CEC2017约束优化基准函数来测试EMSDE和7种经典的约束优化算法.实验结果表明,相比7种经典的算法,EMSDE算法具有很强的竞争力.

基于多目标进化的超限超重货物运输专列路径优化方法

针对超限超重货物运输专列路径优化问题,引入限界改造和桥梁加固要素,以铁路运能损失、运输时间和运输费用的最小化为优化目标,构建铁路超限超重货物运输专列路径优化模型;考虑专列同时运送多件超限超重货物的特点,设计货物综合投影算法,并以Pareto支配关系框架下的NSGA-Ⅱ多目标进化算法为基础,结合基于移动不可行解的自适应惩罚函数的约束处理技术及超限超重货物运输专列开行特征,提出一种基于多目标进化的铁路超限超重货物运输专列路径优化算法。实例分析结果表明:该方法能高效合理地处理路径优化任务中的多个目标;与常用的3种约束多目标算法相比,设计的优化算法能使计算耗时降低0.24%~29.94%、超体积指标值提高4.25%~13.11%,并得到一组收敛性和多样性更好的相对最优方案。该方法克服了传统专列路径优化中单纯依靠经验或从备选方案中择优的弊端,可为铁路超限超重货物运输专列路径决策提供技术支持。

约束优化进化算法

约束优化问题是科学和工程应用领域经常会遇到的一类数学规划问题.近年来,约束优化问题求解已成为进化计算研究的一个重要方向.从约束优化进化算法=约束处理技术+进化算法的研究框架出发,从约束处理技术和进化算法两个基本方面对约束优化进化算法的研究及进展进行了综述.此外,对约束优化进化算法中的一些重要问题进行了探讨.最后进行了各种算法的比较性总结,深入分析了目前约束优化进化算法中亟待解决的问题,并指出了值得进一步研究的方向.

约束优化进化算法综述

约束优化进化算法主要研究如何利用进化计算方法求解约束优化问题,是进化计算领城的一个重要研究课题.约束优化问题求解存在约束区域离散、等式约束、非线性约束等挑战,其问题的本质是,如何处理可行解与不可行解的关系才能使得算法更高效.首先介绍了约束优化问题的定义;然后,系统地分析了目前存在的约束优化方法;同时,基于约束处理机制,将这些方法分为罚函数法、可行性法则、随机排序法、?-约束处理法、多目标优化法、混合法等6类,并从约束处理方法的角度对约束优化进化算法的最新研究进展进行综述;最后,指出约束优化进化算法需进一步研究的方向与关键问题.

一种新的基于正交实验设计的约束优化进化算法

提出了一种新的基于正交实验设计的约束优化进化算法.新算法的主要特点是:在搜索机制方面,利用正交实验设计方法安排多个父代个体的交叉操作,提出了一种新的多父体正交交叉算子,新的交叉算子能够有效利用多个父代个体所携带的信息产生新的具有代表性的子代个体.此外,利用单形交叉算子对父代种群进行并行搜索,以协调算法的勘探和开采能力.在约束处理技术上,新算法引入了一个衡量个体优、劣的新比较准则.通过13个标准的测试函数验证了算法的通用性和有效性.

约束优化问题的免疫混沌算法

结合免疫算法极强的全局搜索能力以及混沌优化方法适合局部搜索的特点,提出了一种新的免疫混沌算法.从一组可行解出发,采用免疫算法通过克隆选择、克隆扩增、高频变异和审查形成记忆细胞,并将其作为全局近似最优解,然后采用混沌优化方法按照混沌运动规律在近似最优解的邻域内进行局部搜索并审查,从而获得全局精确最优解.审查过程包含了对约束条件的处理,即对新产生的候选解进行审查,保留满足约束条件的可行解.利用该算法对几个经典约束优化问题进行了仿真测试,与以往方法相比获得了更优的结果,表明该算法是一种解决约束优化问题的有效方法.

进化算法在工程应用中的若干实用技术

总结了进化算法理论研究中具有重要应用前景的若干实用技术 ,其中包括编码技术、自调整技术、约束限制处理技术和多目标优化技术。文中总结了这 4类技术的最新进展 ,希望能为从事进化算法应用研究的电力工作者开拓一些新思路 ,为设计和开发具有更高性能、适用于电力系统运行与控制的进化算法提供参考。

基于自适应ε截断策略的约束多目标优化算法

为提高约束多目标优化问题所求解集的分布性和收敛性,该文提出基于自适应ε截断策略的约束多目标优化算法。首先,自适应ε截断选择策略能够保留Parεto最优解和约束违反度及目标函数值均较优的不可行解,不仅提高了种群多样性,而且能够较好地兼顾多样性和收敛性;其次,为增强算法的局部开发能力,在变异操作和交叉操作之后进行指数变异;最后,改进的拥挤密度估计方式只选择一部分Parεto最优解和距离较近的个体参与计算,不仅更加准确地反映解集的分布性,而且降低了计算量。通过在标准测试问题(CTP系列)上与其他4种优秀算法的对比结果可以得出,该算法所求解集的分布性和收敛性均得到一定提高,而且相较于对比算法在求解性能上具备一定的优势。

求解约束优化的一个自适应杂交差分演化算法

结合基于可行性规则的约束处理技术,构造了一个求解约束优化问题的自适应杂交差分演化模拟退火算法。该算法以差分演化算法为基础,用模拟退火策略来增强种群的多样性,用一个基于可行性规则的约束处理技术来处理不等式约束,且自适应化关键控制参数,避开人为控制参数的困难。在标准测试集上的实验结果表明该算法的有效性,与同类算法的比较表明了该算法的优越性。

基于有约束多目标进化算法的冷轧负荷分配分析

冷轧负荷分配问题可以抽象为一个有约束多目标优化问题。为解决此问题,提出了基于环境Pareto支配选择策略的有约束多目标进化算法。该算法更加客观地评价了两个不同解的优劣,利用优秀不可行解加速算法收敛。以等功率裕量、最小轧制能耗、最小综合打滑函数、末机架板形良好轧制力为优化目标,利用有约束多目标进化算法得到了4个目标函数之间的定量关系,使决策者不需要掌握复杂的轧制理论知识就可以直观地掌握轧制规律,并进一步说明了多目标策略在压下负荷分配中的必要性。

基于新约束集成的差分进化算法

提出基于新约束集成的差分进化算法用于求解带约束的优化问题.在产生新个体的阶段,算法采用3种不同的突变策略.利用不同的约束处理技术对新个体进行选择,并通过引入局部搜索,增强算法局部寻优能力,避免算法陷入局部最优.该算法在CEC 2017的28个基准函数上进行数值实验,并且与其他较为先进的算法进行比较,实验结果显示,新算法在求解精度上表现较好.

基于蝠鲼算法的散货货棚空间桁架轻量化设计

针对792根杆构成的散货货棚空间桁架结构,在保证承载力不变的前提下,采用蝠鲼觅食优化算法(manta ray foraging optimization,MRFO)对结构构件尺寸进行轻量化优化,并评估优化前后的结构用钢量进行评估.在搜索过程中,采用改进的Deb规则过滤冗余的结构分析,提高搜索效率.结果表明:采用MRFO算法和改进的Deb规则对散货货棚进行优化后,与原设计结构相比,材料节省了19.8%.

基于免疫算法的机组组合优化方法

机组组合是改善传统电力系统运行经济性和电力市场出清的重要手段。基于群体进化的智能优化算法在求解过程中存在计算效率低和易于早熟收敛等缺点。提出机组组合的免疫算法,利用免疫算法保持种群多样性的内在机制和免疫记忆特性改进既有的智能优化方法。新算法扩展了约束处理技术,能更好地对可行解空间搜索,采用一种由后向前、由前及后、双向迂回推进的精简程序改善个体可行解的局部最优性,同时利用优先级顺序法产生能较好反映问题先验知识的初始种群。典型算例证实新算法能获得更优的结果,具有更快的收敛速度,且在系统规模扩大时有大致线性的计算复杂性,是一种新的高效的机组组合智能优化算法。

非线性整数规划问题的改进粒子群优化算法

提出了一种求解非线性整数规划问题的改进粒子群优化算法.在这个算法里,对粒子群优化模型的速度方程和位置方程进行改进,加入了动态约束处理技术以提高选择最优点的能力;加入了粒子的邻域加速寻优策略以提高局部优化能力.数值结果表明所提出的算法计算精度高且稳定性好.

基于改进非支配排序遗传算法的配电网动态重构

针对分布式电源大规模接入配电网情况下配电网的动态重构问题,提出一种基于改进非支配排序遗传算法(non-dominated sorting genetic algorithmsⅡ,NSGA-Ⅱ)的配电网动态重构策略。首先,以系统运行成本和电压偏移最小为目标建立配电网动态重构模型。其次,结合参数自适应策略和基于可行解优越性的约束处理技术提出NSGA-Ⅱ改进算法对模型进行求解。再次,用超体积(hypervolume)指标选择最佳的帕累托解集,并通过模糊决策技术从帕累托解集中选择最佳方案。最后,以IEEE 33节点系统为例进行仿真。结果表明:该模型可以在降低系统运行成本的同时提高系统电能质量。

一种基于佳点集原理的约束优化进化算法

提出一种基于佳点集理论解决约束优化问题的进化算法.它将实分圆域中均匀分布的佳点映射到求解问题的搜索空间,使得所构造的个体能在搜索空间内分布比采用随机方式更加均匀,并引进预交叉机制来平衡佳点取点个数与算法搜索能力之间的矛盾.新算法的遗传算子基于佳点技术构造,精度不受空间维数的限制,有利于高维优化问题.对6个标准测试函数的数值实验结果验证了新算法的通用性、有效性和稳健性.

关于惩罚函数中惩罚系数的讨论

对惩罚函数法中的惩罚系数进行了系统分析和讨论.首先,针对Deb基于可行性规则对约束违反相同情况下的比较没有具体说明的现状,提出一种改进的Deb基于可行性规则.在此基础上,证明了惩罚系数过大或者过小均不会影响排序的结论,并给出了惩罚系数影响排序的上下边界.实例分析表明了所得结论的有效性,为基于惩罚系数的算法设计提供了依据.