一种增强多样性的改进型NSGAⅡ算法

传统NSGAⅡ算法通过计算个体的拥挤距离保持群体分布性。为改善算法中存在的不足,使得新算法在测试问题集上表现更好,本研究对算法的多样性进行改进。受PBI效用函数的启发,抽取其中的d₂距离作为选择机制并与传统NSGAⅡ算法结合,提出一种计算d₂距离的改进型NSGAⅡ算法（d₂_NSGAⅡ）,用于改善传统算法的收敛性与多样性。通过实验对比发现,相比NSGAⅡ以及其他一些算法,新算法在一些测试函数的高维多目标优化问题上有明显的优势。因此,d₂_NSGAⅡ是一种较好的解决高维多目标优化问题的新算法。     

一种带差分进化策略的多分布进化算法

结合分布估计算法的强全局收敛能力和差分进化算法的快速收敛性能,提出了一种带差分进化策略的多分布进化算法（multi-distribution evolutionary algorithm with differential evolution,MDEA_DE）。为了进一步提高算法的全局收敛性能,MDEA_DE采用了基于分布种群的多分布进化机制,并通过三种高斯分布模型生成具有较好多样性的高质量解种群。同时,利用搜索空间调整策略来提高高斯分布模型的精度,并执行解空间中的改进差分进化搜索以获得增强的局部开发能力。对基准测试函数的数值试验结果表明,MDEA_DE能够在全局探索和局部开发之间取得较好的平衡,能快速收敛到复杂优化问题的全局最优解。     

大规模多目标进化优化算法研究进展

现实中存在许多大规模多目标优化问题（Large-scale Multi-objective Optimization Problem,LSMOP）,它们对传统的多目标进化算法（Multi-objective Evolutionary Algorithm,MOEA）提出了挑战,有关LSMOP的研究已成为多目标优化领域的研究热点之一。本文系统分析了近年来提出的各种大规模多目标进化优化算法（Large-scale Multi-objective Optimization Evolutionary Algorithm,LSMOEA）,根据这些算法的主要思想和技术特点将它们粗略地分成4种类型,即基于协同进化（Cooperative Coevolution,CC）、基于决策变量分析、基于问题重构以及其他方法,并对今后LSMOP的研究方向提出建议,以期将LSMOP的研究引向深入。     

LSMOEA/2s:一种基于变量两阶段分组的多目标进化算法

大规模多目标优化问题(Large-Scale Multi-objective Optimization Problem, LSMOP)固有的性质给多目标进化算法(Multi-Objective Evolutionary Algorithm, MOEA)带来挑战。目前大多数大规模多目标进化算法(Large-Scale Multi-Objective Evolutionary Algorithm, LSMOEA)需要耗费较多的计算资源对大规模决策变量进行分组,使得用于优化问题解的计算资源相对不足,影响了算法效率和解题性能。基于此,本研究提出一种基于变量两阶段分组的多目标进化算法(Large-Scale Multi-Objective Evolutionary Algorithm adopting two-stage variable grouping, LSMOEA/2s)。新算法首先利用基于变量组的相关性检测方法快速识别独立变量,然后利用高频次随机分组方法将非独立变量划分成若干子组,最后利用MOEA/D算法优化所有的独立变量和非独立变量子组。将所提算法与当前4种代表性算法(MOEA/D、...     

面向服务的电力行业信息系统应用集成研究

针对国内电力信息系统间缺乏有效的信息共享机制,不能满足市场对电力行业的要求,提出建立一个一体化的企业级信息集成平台,实现各种业务应用的信息共享与集成.研究了基于SOA架构的应用集成技术,支持在数据层、服务/消息层、流程层、门户层以及管理和安全2个侧面进行全方位、立体化的信息集成.实践结果表明:所采用的技术是基于最新的服务应用集成标准和较为成熟的技术体系,能够满足电力行业的集成需求.     

基于遗传算法的极值问题求解

遗传算法是一种颇具生命力的算法，用遗传算法的思想来求解一函数取得最大值时的解，并给出了用遗传算法解此问题的详细过程。最后，对实验的结果进行了分析，并给出改进该算法性能的一些建议。     

MOEA/ICD:一种基于适应度指标ICD的高维多目标进化算法

已有的基于参考点(参考向量)或标量化效用函数的多目标进化算法(Multi-Objective Evolutionary Algorithm, MOEA)在求解高维多目标优化问题(Many-objective Optimization Problems, MaOPs)时存在不足。基于此,本文提出一种动态度量解个体收敛性与多样性综合性能的适应度指标(Fitness indicator considering convergence and diversity of individual adaptively,I_CD),该指标随进化过程的推进而自适应地调整种群个体的收敛性和多样性所占比例,即初期I_CD强调收敛性而后期侧重多样性,以平衡高维多目标种群的收敛性和多样性,并获得高质量的解集。进一步地,将I_CD嵌入NSGA-Ⅱ算法框架,设计一种基于I_CD的高维多目标进化算法(Many-Objective Evolutionary Algorithm Based on I_CD, MOEA/I<...