基于多阶段搜索的约束多目标进化算法

现有约束多目标进化算法的约束处理策略无法有效解决具有大型不可行区域的问题,导致种群停滞在不可行区域的边缘;此外,约束条件下的不连续问题对算法的全局搜索能力以及多样性的维持提出了更高的要求。针对上述问题,提出了一种基于多阶段搜索的约束多目标进化算法(CMOEA-MSS),在该算法的3个阶段采用不同的搜索策略。为使种群快速穿越大型不可行区域并逼近Pareto前沿,所提算法在第一阶段不考虑约束条件,利用一种收敛性指标引导种群搜索;在第二阶段采用一组均匀分布的权重向量来维持种群的多样性,并提出一种改进的epsilon约束处理策略,以保留不可行区域中的高质量解;在第三阶段采用约束优先原则,将搜索偏好集中在可行区域以保证最终解集的可行性。CMOEA-MSS与NSGA-Ⅱ+ARSBX(Nondominated Sorting Genetic Algorithm Ⅱ using Adaptive Rotation-based Simulated Binary crossover)等算法在MW和DASCMOP测试集上对比的结果表明:在MW测试集上,CMOEA-MSS在7个测试问题上获得了最好的IGD(Inverted Generational Distance)值,在5个测试问题上获得了最好的HV(HyperVolume)值;在DASCMOP测试集上,CMOEA-MSS在3个测试问题上获得了最好的IGD值,在2个测试问题上取得了次好的IGD值,在5个测试问题上获得了最好的HV值。可见,CMOEA-MSS在处理不连续以及具有多模态性质的约束多目标问题时具有明显优势。

修正免疫克隆约束多目标优化算法

针对约束多目标优化问题,提出修正免疫克隆约束多目标优化算法.该算法通过引进一个约束处理策略,用一个修正算法对个体的目标函数值进行修正,并对修正后的目标函数值采用免疫克隆算法进行优化,用一个精英种群对可行非支配解进行存储.该算法在优化过程中,既保留了非支配可行解,也充分利用了约束偏离值小的非可行解,同时引进整体克隆策略来提高解分布的多样性.通过对约束多目标问题的各项性能指标的测试以及和对比算法的比较可以看出:该算法在处理约束多目标优化测试问题时,所得解的多样性得到了一定的提高.同时,解的收敛性和均匀性也得到了一定的改进.

基于滑模观测器的交流异步电机预设性能位置跟踪控制

针对存在匹配/非匹配扰动的交流异步电机位置跟踪控制问题,提出一种基于滑模观测器(sliding mode observer,SMO)的预设性能控制方法。首先,设计一种基于改进指数趋近律的SMO,削弱了常规滑模观测器存在的抖振现象,实现了对电机转子磁链准确的观测估计;其次,将模糊自适应方法与约束处理策略相结合,分别完成交流异步电机位置和磁链预设性能控制器的设计,保证了系统预先设定的瞬态和稳态性能,实现了对系统给定值有效的跟踪控制;再次,采用改进的粒子群优化(improved particle swarm optimization,IPSO)算法对控制器参数进行优化设计,有效地提高了系统的收敛速度和稳态精度。理论分析表明,系统的位置跟踪误差和磁链跟踪误差不会超过预定的边界,且闭环系统的所有状态都是有界的。最后,通过仿真和模拟实验对比研究,验证了该文所提方法的有效性和可行性。