Pareto强度值演化算法求解约束优化问题

提出了一种求解约束函数优化问题的方法.它不使用传统的惩罚函数,也不区分可行解和不可行解.新的演化算法将约束优化问题转换成两个目标优化问题,其中一个为原问题的目标函数,另一个为违反约束条件的程度函数.利用多目标优化问题中的Pareto优于关系,定义个体Pareto强度值指标以便对个体进行排序选优,根据Pareto强度值排序和最小代数代沟模型设计出新的实数编码遗传算法.对常见测试函数的数值实验证实了新方法的有效性、通用性和稳健性,其性能优于现有的一些演化算法.特别是对于一些既有等式约束又有不等式约束的复杂非线性规划问题,该算法获得了更高精度的解.

基于Pareto强度进化算法的供水库群多目标优化调度

提出用Pareto强度进化算法解决供水库群的多目标优化调度问题,算法利用种群的进化过程模拟寻找非劣解集的过程,将供水库群多目标优化调度问题的解当作进化种群中的个体,按照解的Pareto强度值与密度进行适应度计算,利用种群中个体的进化操作获得非劣解,最终整个种群进化为非劣解集。实例分析结果表明,算法能实现多峰搜索,最终非劣解集的分布均匀,且收敛速度快,为解决供水库群多目标优化调度问题提供了一种有效的方法。

水库优化调度的Pareto强度值SCE-UA算法

提出求解水库优化调度问题的Pareto强度值SCE-UA算法,该方法将水库优化调度的约束优化问题转换成两个目标函数的无约束优化问题,一个为原问题的目标函数,另一个为违反约束条件的程度函数;对上述两个目标函数组成的向量个体,利用Pareto优于关系和个体Pareto强度值概念,实现个体的优劣比较和群体的优劣排序,在此基础上使用SCE-UA算法求解。这种算法不需要人工处理罚函数,具有较强的通用性、稳定性及更好的搜索性能。

Pareto强度指标遗传算法求解地下水模拟-优化模型

针对地下水模拟-优化模型约束优化的特点,本文结合最小代数代沟模型和Pareto强度指标概念,引入一种求解地下水模拟-优化模型的新型实数编码遗传算法,该算法将罚函数法求解约束优化问题的目标函数和违反约束条件的程度函数的权组合方式改为向量组合形式,从而将约束优化问题转化为两目标优化问题进行求解。通过经典地下水算例与其他优化方法的比较分析表明了新算法的可靠性、通用性和稳健性。

基于Pareto强度值演化的FPRs知识表示参数优化

提出一种新的参数优化模型和求解算法,引入模糊熵来指导模糊产生式规则(FPRs)的参数优化,给出基于极大模糊熵定理的参数优化模型,提出求解该模型的Pareto强度值的演化算法。实验结果表明,该方法能够有效优化参数,一定程度上避免过度拟合,提高了FPRs的知识表示能力。

Pareto强度值实数编码多目标贝叶斯优化算法

提出了一种采用基于决策树的贝叶斯网络表示各变量之间条件相关性的分布估计算法：Pareto强度值实数编码多目标贝叶斯优化算法（PSRCMBOA）。通过构建这样的网络模型,继而对模型进行抽样以产生新个体。再对生成的新个体进行变异操作,以增加种群的多样性,提高算法的搜索能力。这种生成新个体的方法结合基于强度值的适应度计算方式以及截断选择机制,可以获得很好地逼近多目标问题的Pareto前沿,且分布均匀的非劣解集。对于约束多目标优化问题,算法采用带约束支配关系判别个体的优劣。文中用3个较难的测试问题验证该算法的性能,并将其应用于Clipper飞船返回舱的气动布局多目标优化设计。PSRCMBOA对3个测试问题找到了很贴近Pareto前沿的非劣解集。对于Clipper飞船返回舱,算法获得了分布较宽且均匀的非劣解集。分析发现,为获得高升阻比,返回舱球头半径应选择在0.155-0.165 m之间、前锥半锥角应选择在20°左右、头锥底到返回舱底部的距离可选择在3.6-4.4 m之间、柱段长可在1.2-1.5 m之间。优化结果表明,该算法能够获得高质量的非劣解集,是一种有效的多目标优化算法,能够用于对复杂的工程问题进行优化设计。

用于解决多目标0／1背包问题的免疫系统Pareto强度算法

将人工免疫系统的机理与Pareto强度算法相结合，提出一种用于解决多目标0／1背包问题的免疫系统Pareto强度算法（ISSPA）．ISSPA结合克隆选择操作和注射疫苗操作，并通过免疫特异性度量保持种群的良好多样性和算法的全局搜索能力．与其他多目标进化算法的对比实验证明，ISSPA搜索得到的Pareto解的支配能力和在空间分布的均匀性上较其他几种多目标进化算法有明显的优势．

基于强度Pareto的自适应多目标差分进化算法

为提高传统多目标进化算法的搜索能力,分别对适应度分配和环境选择操作进行改进,同时利用自适应变异算子对参数进行设置,建立一种基于强度Pareto的自适应多目标差分进化算法(MODE).选择4个典型的多目标测试函数,对改进的算法进行实验仿真测试,并分别利用多目标粒子群算法(MOPSO)、非支配排序算法(NSGA-Ⅱ)和真实值进行对比,实验结果说明改进后算法具有良好的分布性与收敛性.

基于强度Pareto进化的注塑机注射性能多目标优化

为实现大型注塑机注射性能的优化设计,构建了注射压力、注射速率和注射功率优化模型,应用多目标进化算法,系统分析了影响注射性能的各方面因素。改进强度Pareto进化算法,引入模糊C均值聚类,加快外部种群的聚类过程。采用约束Pareto支配和浮点数、二进制混合染色体编码策略,一次运行就能求得分布均匀的Pa-reto最优解集,并使用基于集合理论的方法选择一个最优解。试验分析表明:结合了强度Pareto进化算法与模糊C均值聚类方法的混合算法在提高注射综合性能的同时,能够获得比线性加权法分布性更好的Pareto前沿;且与强度Pareto进化算法相比,显著缩短了运算时间,具有较高的效率与鲁棒性。

基于强度Pareto进化算法的最优潮流

为更好地解决电力系统最优潮流问题,分析了当前多目标优化算法存在的缺陷,将强度Pareto进化算法(SPEA)应用于最优潮流中。SPEA是一种新型的多目标进化算法,具有收敛速度快,参数设置少,全局搜索能力强,所求的Pareto最优解分布均匀等优点。通过对IEEE30节点测试系统运用SPEA和混沌粒子群方法(CPSO)的计算结果对比,表明SPEA应用于最优潮流,为各目标函数之间的权衡分析提供了有效工具,是一种求解最优潮流问题的有效方法。

利用强度Pareto进化算法的多目标无功优化

为更好地解决电力系统多目标无功优化问题,分析了当前多目标无功优化算法存在的缺陷,首次将强度Pareto进化算法(SPEA2)应用于多目标无功优化,为真正意义上的多目标无功优化提供了依据。SPEA2是一种新型的多目标进化算法,参数设置少,收敛速度快,寻优能力强,求得的Pareto最优解分布均匀。IEEE30节点测试系统的算例结果表明所提出的算法在多目标无功优化中具有良好的效果,为各目标之间的权衡分析提供了有效工具,是一种求解多目标无功优化问题的有效方法。

基于强度Pareto进化算法的双足机器人步态规划

为了获得良好的双足机器人步行模式,提出了以步行过程中机器人的稳定性、移动性和能耗为目标的步态规划多目标优化方法.该方法基于倒立摆模型产生基本步态,并使用罚函数法和改进的强度Pareto进化算法(SPEA2)在可行域中求得基于基本步态的Pareto解集,从而找出最优解.最后在Matlab6.5仿真环境下进行步态仿真,并将产生的步态应用于SCUT-I型仿人机器人,实现了平均步行速度为0.26m/s的稳定行走.

含多电解槽的新能源制氢能量管理优化

新能源制氢系统是提升风能、太阳能等新能源消纳的有效途径。目前国内外关于电解槽能量管理的研究以单电解槽为主。单电解槽能量管理未考虑电解槽非线性的工作特性,难以兼顾多个电解槽制氢效率,影响系统经济性。文中针对含有多电解槽的新能源制氢系统的能量管理问题进行了研究,以新能源消纳率、经济收益、制氢率为目标,考虑单个电解槽运行特性以及生产约束条件,建立包含风电、光伏、蓄电池、多电解槽的能量管理优化模型,并采用强度Pareto进化算法2(strength Pareto evolutionary algorithm 2,SPEA2)求解多目标优化问题。仿真研究表明,文中所提能量管理策略能够实现新能源发电的100%消纳,单位制氢收益可提升5.15%。因此,对多电解槽制氢系统进行有效的能量管理有助于提高制氢效率,可有效克服单电解槽运行及能量管理的不足。

求解约束优化问题的一种新的进化算法

分析了现有的约束优化进化算法的一些不足之处,提出了一种处理约束优化问题的新算法。新算法将多目标优化思想与全局搜索和局部搜索机制有机地结合起来:在全局搜索过程中,作为一种小生态遗传算法,排挤操作利用Pareto优劣关系比较个体并接受具有相似性的父代个体和子代个体中的优胜者;在局部搜索过程中,首先对局部群体中的个体赋予Pareto强度,然后根据Pareto强度选择个体。通过一个复杂高维多峰测试函数验证了新算法的有效性。

基于稀松密度的多目标优化演化算法

该算法定义和使用稀松密度来保持群体中个体的均匀分布,并将个体的Pareto强度和稀松密度合并到个体的适应值定义中,使得搜索向Pareto最优解集的方向进行并防止早熟;算法还采用多父体杂交策略,每代只产生一个新个体、淘汰一个最差个体,精英个体自动留存。算法复杂度小,占用存储空间少。通过对测试函数的实验,验证了算法的可行性和有效性。

柔性工作车间调度问题的多目标优化方法研究

针对各工件目标不同的多目标柔性作业车间调度问题,构建了以加工成本、加工质量及制造工期为目标函数的柔性作业车间调度多目标优化数学模型。针对传统的加权系数遗传算法不能很好地解决柔性作业车间调度多目标优化问题,提出采用改进的强度Pareto进化算法,对柔性作业车间调度问题进行多目标优化,从而得出柔性车间调度问题的Pareto综合最优解。最后,结合项目实施,以某大型空分装备企业的车间调度为例,证明了文中提出的方法能很好地解决柔性工作车间调度的多目标优化问题。

智能电网经济运行的多目标调度优化策略(英文)

探讨了新形势下电网监控调度和优化运行的问题。根据智能电网安全、经济、清洁的特点,以有功网损、污染气体排放量和系统电压稳定程度3个指标对电网的安全性、经济性和环保性进行量化评估,并将双馈感应发电机的模型加入到潮流计算的模型中,考虑了大容量风电并网对系统的影响,将上述指标作为优化目标,用强度Pareto进化算法对优化模型进行求解,并对上述3个优化目标进行寻优,很好地解决了智能电网中多方面的监测和多目标优化运行问题,为智能电网的监控运行提供了思路。

柔性作业车间分批调度多目标优化方法

为了解决柔性作业车间中小批量工件的分批调度多目标优化问题,构建以制造工期、拖期惩罚、加工成本、批次数量和机器总负荷为目标函数的柔性作业车间多目标调度模型.应用改进的强度Pareto进化算法(SPEA)求解.在该算法中,应用模糊c-均值聚类(FCM)加快外部种群的聚类过程,引入自适应的变异算子来增强解的多样性.采用约束Pareto支配和可变长度的编码策略,一次运行就能够求得Pareto最优解集.利用模糊集合理论得到Pareto解的优先选择序列,并从中选出一个最优解.该方法将工件分割成具有柔性数量的多个批次,使各批次的工艺路线选取及加工顺序得到优化.通过实例仿真对该方法的性能进行比较分析.将该方法应用于某机械公司车间调度中,验证了该方法的有效性和适应性.

基于伪并行SPEA2算法的含风电场多目标负荷调度

对传统意义下负荷调度模型进行修正,同时考虑系统的电压稳定程度最好、发电成本最小和污染排放量最少,提出了含风电场的多目标负荷调度模型,并将强度Pareto进化(SPEA2)算法和PGA算法相结合,用伪并行SPEA2算法用于最优求解.最后,通过算例分析计算了一含有风电场的系统不同穿透功率下的多目标负荷调度,验证了所提出算法的有效性和实用性.

负荷建模的多目标优化

改进了传统负荷参数辨识的目标函数,将现有负荷模型参数辨识的单目标优化问题转化成多目标优化问题,并在改进强度Pareto进化算法的基础上引入并行遗传算法的思想,进行多目标参数辨识,力求克服目前困扰负荷建模及其参数辨识中收敛速度慢、易发散等问题。解决了以前算法只能辨识出一组参数的问题,便于决策者根据不同侧重进行参数选取。高效、高精度的并行算法为网格平台下的负荷建模做了前期准备。最后,对上海地区的负荷进行实测建模,结果表明所述建模策略的可行性。