基于参考点的时变参数不可测对象PID控制器优化设计

针对参数时变,且含有多个目标函数的PID控制器设计,提出了一种基于参考点的时变参数不可测动态多目标优化遗传算法.该算法在常规动态多目标优化遗传算法基础上,加入了参考点及局部搜索和种群更新机制,以实现对不同环境及环境不可测情况下PID控制器参数的优化,用典型测试函数将该算法与DNSGA2-A算法进行比较,验证了算法的有效性.在PID控制器设计部分,首先建立PID控制器时变动态多目标优化模型,将多目标PID控制器设计问题转化为动态多目标优化问题;然后建立参考点,定义基于参考点占优帕累托支配关系,通过局部搜索和种群更新机制对种群进行处理,优化PID参数;最后将该方法应用于柴油机优化问题实例,将误差和方差作为优化目标,对PID控制器的3个参数进行优化,验证了方法的有效性.     

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 algorithms Ⅱ,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.     

超多目标进化优化研究现状及发展趋势研究

超多目标优化问题指同时优化多于3个目标的优化问题,它目前是智能计算领域的热门研究问题之一.在简要介绍超多目标优化问题的概念之后,着重对十多年来提出的超多目标进化算法进行分类介绍,包括基于帕累托支配关系的算法、基于改进支配关系的算法、基于目标分解的算法和基于性能指标的算法.然后,通过实验对比8个具有代表性的超多目标进化算法,并分析不同算法的性能差异.最后,对超多目标进化优化的未来发展提出一些看法.     

抽水蓄能机组导叶关闭策略优化方法研究

为了解决水电站大波动过渡过程运行安全问题,综合考虑蜗壳水击压力极值和转速上升极值两个目标,建立了抽水蓄能机组导叶关闭策略多目标优化模型,提出了基于改进多目标引力搜索算法(IMOGSA)的抽水蓄能机组导叶关闭策略优化方法.利用该方法得到包含蜗壳水击压力极值和转速上升峰值的帕累托非劣解集,采用模糊满意度评价法在帕累托非劣解集中选出兼容性最好的解,并与多目标粒子群算法进行对比,结果表明利用IMOGSA优选的导叶关闭策略能有效提高对抽水蓄能机组水泵断电工况的控制水平.     

求解多目标暂态电压紧急控制的强化学习方法

暂态电压崩溃事故严重威胁电网安全,迫切需要采取相应紧急控制.以发电机端电压参考值调节量和容抗器无功投切量为控制变量,利用轨迹灵敏度搭建多目标暂态电压安全紧急控制模型,分两阶段最小化关键负荷节点电压偏差、控制代价和发电机无功出力比例的方差.采用简化强化学习方法求解该模型,重设解空间状态函数并调整动作幅度,引进状态敏感度解决探索和应用的矛盾.将可行域划分为若干小区域,单独评判它们存在最优解的可能,缩小搜索范围.通过优化搜索策略进一步提高帕累托前沿质量,并依据实际运行状况拟定目标函数权重并确定折中解.在某省级电网进行时域仿真,结果表明,所提出方法能将暂态电压纠正到安全状态,且在求解效率和帕累托前沿质量方面比法线边界交叉法优越.     

一种基于帕累托最优的机场智能驱鸟决策模型

为防范鸟击事件的发生,提出一种就近分配与帕累托优化相结合的驱鸟器任务分配方法,研究了驱鸟器的最优驱鸟路径。首先将空中的鸟类目标点通过就近分配全部分配到驱鸟器的任务集中,得到一个每一步都是最优策略的局部最优分配结果,然后将每个驱鸟器任务集中的目标分别通过各任务集之间的帕累托优化与一个任务集之内的帕累托优化进行任务分配。结果表明:通过此方法能够得到一个基于帕累托优化的最优驱鸟路径,为驱鸟器提供了较为智能的分配算法。首次提出针对鸟群的驱鸟设备任务分配以及路径规划,在现有的鸟击防范工作基础上提供了较为智能的分配算法。     

一种能量和频谱效率兼顾的多波束卫星系统功率分配策略

在多波束卫星移动通信系统框架下,提出一种兼顾能量效率(energy efficiency,EE)和频谱效率(spectral efficiency,SE)的波束间功率分配新算法.假设星-地链路满足阴影莱斯衰落统计特性,首先基于系统总功率及传输速率约束建立最大化EE和SE的双目标优化问题模型.接下来分析指出EE-SE满足拟凹性质,借助该结论及拉格朗日对偶法可求解获得该优化问题的帕累托(Pareto)最优解集.最后,该算法通过对EE-SE帕累托最优前沿(Pareto front)进行标量化分析选择折中的最佳解.进一步分析指出多波束卫星系统中波束仰角、静态电路功率和点波束数目等系统参数对该算法的性能影响.仿真实验结果表明该算法的有效性,并检验了分析结论的正确性.     

一种基于条件信息熵的多目标代价敏感属性约简算法的研究

代价敏感学习是数据挖掘和机器学习领域的重要课题.已有的研究方法多数针对单目标进行优化,并不适用于多目标代价敏感问题的解决.因此通过分析基于粗糙集领域的单目标代价敏感属性约简问题,定义了多目标代价敏感属性约简问题,并设计了一种简单高效的算法.在4个UCI数据集上的实验结果表明,该算法能获得令人满意的帕累托最优解集,以辅助用户进行方案的选择.     

基于改进多目标粒子群优化算法的配电网削峰填谷优化

电力系统削峰填谷优化作为负荷管理的重要手段,而储能系统在削峰填谷的功能显得尤为突出,以负荷峰谷差为目标的单目标优化已经无法全面评价储能系统在削峰填谷上的优势,为更好地体现储能系统在负荷管理上的优势,考虑以经济效益为调度目标的多目标优化问题(multi-objective optimization problem,MOP)显得尤为重要。基于此以负荷峰谷标准差和分时电价构建了配电网削峰填谷的多目标优化模型进行研究。提出基于拥挤距离排序的改进多目标粒子群优化(multi-objective particle swarm optimization,MOPSO)算法,为改善算法陷入局部最优提出了变异机制的二次寻优,通过设置一定容量的外部档案存储非支配的帕累托(Pareto)最优解,最终获得Pareto最优前沿面。最后通过采用模糊隶属度法求解折中最优解,算例分析验证了本文所提模型的实用性和改进算法的有效性。     

基于BPNN/NSGA-Ⅱ的居住建筑节能改造多目标优化

为进一步推进居住建筑节能改造的发展，提出一种基于耦合BP神经网络和非支配排序遗传算法（NSGA-Ⅱ）的多阶段多目标优化框架，以提高节能效益并使经济效益最大化，并将该方法应用于西安某高层住宅能耗与经济性优化研究之中.在优化过程中利用BP神经网络预测建筑性能，将其作为响应面近似模型集成到多目标优化过程中能减少总仿真时间.同时分析算法参数对帕累托优化结果的影响，得到了可持续、成本最优、低投资的节能改造方案，为寒冷地区居住建筑节能改造多目标优化研究提供了一定的理论参考.     

基于改进NSGA-Ⅱ的船舶避碰决策辅助算法

针对避碰决策问题对算法时效性和轨迹分布性的要求,改进一种基于多目标优化算法的NSGA-Ⅱ(non-domi-nated sorting in genetic algorithm Ⅱ).采用按需分层策略和考虑父代支配信息的算数交叉算子策略,降低了算法的时间复杂度,加快了收敛速度;提出动态分布适应度策略,控制了帕累托集在目标空间的分布.在此基础上,分别建立决策方案的安全性和经济性目标函数以及驾驶员对决策安全性的偏好函数,通过改进NSGA-Ⅱ对避碰决策方案寻优.试验结果表明,改进NSGA-Ⅱ的收敛速度和分布性有所提升,证明了改进算法的有效性和优越性;在构建的四种船舶会遇场景下,算法均能寻得多个兼顾安全性和经济性的避碰决策方案,为驾驶员避碰决策提供参考.     

消减换道行为影响的换道轨迹规划

构建了一种能够消减换道行为影响的换道轨迹规划,将帕累托最优理念引入至自主换道行为中,通过IDM（intelligent driver model）模型构建周边车辆的优化目标。采用5次多项式模型构建换道车辆的优化目标,引入多目标优化算法求解该多目标问题,从而获得换道车辆与周边车辆的帕累托最优前沿。实验表明相比于现有算法所提算法能够显著降低换道区域内所有车辆的总损失,提高区域内交通流运行状态及安全。     

基于改进BCC算法的配电网综合运行优化

研究了配电网综合运行优化问题.将配电网无功优化与配电网络重构联络开关两者相结合,建立了配电网多目标综合优化数学模型.提出了基于改进的细菌群体趋药性算法的配电网综合优化计算新方法,针对算法易于陷入局部最优解的缺点,新算法在基本的细菌群体趋药性算法的基础上引入了动态调整策略、自适应变异算子和混沌搜索机制,改善了细菌寻优速度和寻优效率.利用改进的细菌群体趋药性算法对IEEE33系统进行综合优化,结果表明改进算法可以有效地降低系统有功网损,提高各节点电压,同时也验证了改进算法的可行性和有效性.     

改进智能水滴算法求解多目标混流装配线平衡问题

针对第Ⅰ类混流装配线平衡问题，为了更大限度地提高装配线效率，设计一种基于改进智能水滴算法的多目标混流装配线模型.该模型通过在选择工位的同时考虑启发式因素与土壤值来提高装配效率，在处理产品切换引起的负荷变化的同时，能够很好地优化装配线的工位数、平滑指数和操作关联度.通过使用帕累托分层对传统的智能水滴算法进行修改，从而达到一个帕累托集以实现目标的优化.利用若干个装配线问题的标杆算例对提出的算法进行测试并进行指标分析，实验结果显示与其他算法相比，本研究算法计算出的结果更优，非支配解比例、解集分布性等指标更好.     

多目标萤火虫算法的电力系统无功优化方法

为解决传统单目标无功优化电压偏高的问题,采用建立多目标无功优化数学模型的方法,提出一种带精英保留策略和Pareto占优及拥挤距离排序的多目标萤火虫算法对建立的无功优化数学模型进行优化.研究结果表明:多目标萤火虫算法在优化过程中具有较强的寻优能力和全局收敛性,在减小电力系统有功网损的同时有效解决了电压偏高的问题,是一种求解多目标无功优化问题的有效方法.     

考虑人因的多目标拆卸线平衡问题建模及优化

针对实际拆卸线中依旧以人工拆卸为主、工人的体力和脑力负荷会极大影响拆卸效率、超负荷工作更会损害工人的身心健康问题,提出了考虑人因的多目标拆卸线平衡问题模型,通过以最小化工作站数目、空闲时间均衡指标和能量消耗指标为优化目标构建数学模型．基于问题特征,设计了改进天牛群算法,通过引入浓度探测操作、步长移动操作和变异操作增强算法的寻优及收敛性能,利用帕累托(Pareto)解集思想和拥挤距离机制筛选获得多个非劣解．将所提模型和算法应用于打印机拆卸实例中,用该算法和多种算法分别进行求解,通过结果对比验证了模型和算法的适用性及优越性,得出多个具有人性化、合理且高效的拆卸分配方案供决策者选择．     

基于多目标离散粒子群的产品服务系统方案配置规则提取

为有效辅助工程师将顾客需求转化为产品服务系统方案,针对其技术特征,提出一种离散粒子群优化算法(DPSO)与帕累托(Pareto)结合的配置规则提取方法.该方法包括建立产品服务系统配置规则模型及构造Pareto-DPSO算法模型.Pareto-DPSO算法基于Sobol序列的频率初始化方法及离散化粒子更新方式,将连续粒子映射到十进制离散空间;并利用Pareto进行多目标下粒子优劣性评价,以获取非支配的最优规则集.以汽车产品服务系统方案配置设计为例,经与常规多目标粒子群算法及DPSO算法对比,验证了该方法对于解决多维空间内产品服务配置规则挖掘的可行性及有效性.     

基于MOEA的PHEV控制策略与参数优化

针对并联混合动力汽车（PHEV）控制策略与传动系统参数优化问题,建立了以最小化燃油消耗与污染物排放量的多目标优化模型,研究基于多目标进化算法的PHEV控制策略与传动系统参数优化方法.采用ADVISOR仿真并将仿真所得的燃油消耗与污染物排放量作为候选方案的目标值,基于帕累托支配性原理判定候选方案的优劣,限定待优化变量的取值在PHEV生产精度要求范围内.实验结果显示：优化后的系统1×105m燃油消耗平均降低了22.32%,污染物CO,HC与NOx排放量平均降低了22.06%,7.98%和7%;电动机工作效率由0.18提高到0.52以上;系统总效率平均提升了22.99%.     

基于膝点驱动进化算法的工程施工多目标优化

在传统的工期-成本施工优化体系上引入安全水平和环境影响两大目标,构建施工工期-成本-安全-环境多目标优化模型,采用膝点驱动进化算法KnEA进行多目标寻优。首先,构建工期-成本-安全-环境目标函数,其中安全目标函数的构建采用网络系统理论,构建工期-安全、成本-安全函数,环境目标函数考虑项目对环境的直接影响和间接影响; 然后,以工期天数、直接成本为输入,进行KnEA模型的参数设置,选取典型工程项目施工工序组合构建施工多目标优化模型。最后,利用KnEA算法求解,得到使工期-成本-安全-环境综合最优的工序执行模式组合的帕累托最优解集,与典型优化算法对比,验证了knEA算法在工程施工多目标优化中的有效性,从而证明了本文能有效指导施工过程的优化管理。     

大型人群活动游客动态协调研究

针对大型人群活动中存在的游客长时间排队与拥挤现象,提出了基于multi-agent的应用于大型人群活动的多阶段动态协调方法,该方法在引入帕累托最优概念的基础上,研究了游客总体满意度下的择优选择机制,为游客实时动态的决定下一参观目标点及路线.对协调方法进行了计算机仿真检验,仿真结果表明所提出的方法在满足应用上的实时性要求...