基于遗传算法的电力工程多目标优化研究

发布时间：2017-07-20 06:08

  本文关键词：基于遗传算法的电力工程多目标优化研究

  更多相关文章： 电力工程 多目标优化 遗传算法 NSGA-Ⅱ

【摘要】：电力工程与一般的工程项目相比,对使用时的安全性和稳定性要求更高。工期、成本和质量三大目标的均衡实现是确保电力工程项目高效、高质完成的必要条件。为了保证工程项目的顺利实施和完成,就必须优化各个目标之间的利益关系,使整体目标达到最优状态。传统的多目标优化方法在实际的工程优化过程中局限性很大,而遗传算法具有简单易操作、通用以及适于并行处理等优点,而且在求解多目标优化问题上有较好的收敛性和可操作性本文主要研究遗传算法在电力工程多目标优化问题中的应用。首先研究了适用于多目标优化问题的通用数学模型,对传统多目标优化方法进行了详细分析。其次对模式定理和积木块假设的含义和涉及的定理进行了研究,分析了遗传算法的主要构成要素和运算步骤。研究了具有代表性的几种多目标遗传算法的原理和特点,包括向量评估算法(VEGA)、多目标遗传算法(MOGA)和非支配排序遗传算法(NSGA)。对非支配排序遗传算法的改进算法NSGA-Ⅱ进行了详细研究。最后,建立了三维的工期-成本-质量的多口标优化模型,选取了一个工程模型进行算法验证,得到了一系列Pareto最优解,选取了其中10个最优解样本进行了分析。结果表明,本文研究的多目标优化算法能够有效求解分析电力工程多目标优化问题。
【关键词】：电力工程 多目标优化 遗传算法 NSGA-Ⅱ
【学位授予单位】：华北电力大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TM7;TP18
【目录】：

• 摘要5-6
• Abstract6-9
• 第1章 绪论9-15
• 1.1 电力工程多目标优化研究的背景及意义9-10
• 1.2 国内外相关研究现状10-14
• 1.2.1 多目标优化研究现状10-12
• 1.2.2 遗传算法研究现状12-14
• 1.3 论文的主要研究内容14-15
• 第2章 多目标优化理论综述15-21
• 2.1 多目标优化问题的数学模型15-16
• 2.2 多目标优化问题的最优解16-18
• 2.3 传统多目标优化问题求解方法18-20
• 2.3.1 加权和法18-19
• 2.3.2 目标规划法19-20
• 2.3.3 ε-约束法20
• 2.4 本章小结20-21
• 第3章 遗传算法基本理论和实现方法21-33
• 3.1 遗传算法的理论基础21-24
• 3.1.1 模式定理22-24
• 3.1.2 积木块假设24
• 3.2 遗传算法的实现24-28
• 3.2.1 遗传算法的概念24-26
• 3.2.2 遗传算法的运算流程26-27
• 3.2.3 遗传算法的特点27-28
• 3.3 多目标遗传算法概述28
• 3.4 常用的多目标遗传算法28-31
• 3.4.1 向量评估算法(VEGA)28-29
• 3.4.2 多目标遗传算法(MOGA)29-30
• 3.4.3 非支配排序遗传算法(NSGA)30-31
• 3.5 小结31-33
• 第4章 电力工程工期-成本-质量多目标优化研究33-50
• 4.1 NSGA-Ⅱ算法原理33-36
• 4.1.1 NSGA-Ⅱ运算流程33-35
• 4.1.2 NSGA-Ⅱ关键算子35-36
• 4.2 工期-成本-质量的相关知识36-40
• 4.2.1 工期的概念36-37
• 4.2.2 成本的概念37
• 4.2.3 质量的概念37-38
• 4.2.4 工期-成本-质量的关系38-40
• 4.3 工期-成本-质量三维优化模型的建立40-41
• 4.3.1 工程质量的量化方法40-41
• 4.3.2 模型的方程和变量41
• 4.4 模型的算法实现41-44
• 4.4.1 染色体结构41-42
• 4.4.2 适应度计算42
• 4.4.3 遗传操作42-43
• 4.4.4 操作流程43-44
• 4.5 模型的应用和算例分析44-49
• 4.6 小结49-50
• 第5章 总结与展望50-52
• 5.1 总结50-51
• 5.2 展望51-52
• 参考文献52-56
• 致谢56-57
• 作者简介57

【共引文献】

中国期刊全文数据库 前10条

1 华文立;胡学刚;;平衡决策树分类精度与规则简易性研究[J];安徽电子信息职业技术学院学报;2006年04期

2 吴金华;戴淼;尹剑;;基于遗传神经网络的陕西省土地利用结构模型研究[J];安徽农业科学;2008年36期

3 曹素兵;朱婵;;RNA二级结构遗传预测算法中的选择操作研究[J];安徽农业科学;2011年14期

4 郑克;王喜成;;基于服务最大化的果蔬品配送中心选址问题[J];安徽农业科学;2011年14期

5 叶长芳;雷继呈;高卫斌;;自适应遗传算法在智能组卷中的应用[J];信息安全与技术;2011年07期

6 张志华;王莉;;网络环境下广告资源优化决策模型[J];鞍山科技大学学报;2006年05期

7 曾凌峰;;基于遗传算法的自动组卷策略与实现[J];辽宁科技大学学报;2010年03期

8 宫照煊;王莉;;基于正交设计的免疫克隆遗传算法[J];辽宁科技大学学报;2010年05期

9 于含迪;;非结构化数据分类整合在贵州项目网中的设计与实现[J];安顺学院学报;2010年03期

10 杨波;郑颖人;唐晓松;李安洪;;人工智能在双排全长式抗滑桩设计中的应用[J];地下空间与工程学报;2010年02期

中国重要会议论文全文数据库 前10条

1 李枚毅;游维;蔡自兴;;多样度和适应度引导的遗传算法操作概率计算研究[A];第二十六届中国控制会议论文集[C];2007年

2 张志华;王莉;刘洪;;最大化网络广告收入的投放决策[A];第二十六届中国控制会议论文集[C];2007年

3 许秀英;甘龙辉;陶冶;黄操军;;基于遗传神经网络的土壤含水率预测[A];中国农业工程学会2011年学术年会论文集[C];2011年

4 赵金帅;;基于遗传算法和L滤波的混合噪声滤波算法[A];第三届全国压电和声波理论及器件技术研讨会论文集[C];2008年

5 胡海洋;绪梅;;基于FPGA的遗传算法在核爆监测中的应用[A];第十四届全国核电子学与核探测技术学术年会论文集（下册）[C];2008年

6 舒辉;文劲宇;曹一家;罗春风;王大光;宋福海;;基于改进遗传算法的发电机励磁系统参数辨识[A];湖北省电工技术学会2004年学术年会论文集[C];2004年

7 胡海洋;绪梅;;基于FPGA的遗传算法在核爆监测中的应用[A];第十四届全国核电子学与核探测技术学术年会论文集（2）[C];2008年

8 刘维东;陈德春;王志平;;基本遗传算法在围海规划中的应用研究[A];第十二届中国海岸工程学术讨论会论文集[C];2005年

9 郑日荣;毛宗源;谭洪舟;;基于欧氏距离和精英交叉的免疫算法参数研究[A];第二十四届中国控制会议论文集（下册）[C];2005年

10 李高峰;刘翠兰;王伟;;基于遗传算法的粉煤灰高性能混凝土配合比优化设计[A];全国高强与高性能混凝土及其应用专题研讨会论文集[C];2005年

，

本文编号：566535