多目标差分进化算法的改进及混合动力汽车优化
发布时间：2021-04-30 11:20
多目标优化问题是一类常见而复杂的问题,多目标智能优化算法在实际工程应用和科学研究中广泛应用。本文主要研究多目标差分进化算法,针对算法的参数、变异方式和精英存档的维护做出改进,并应用于多目标混合动力汽车的优化。本文主要内容如下:（1）考虑到常规差分进化算法面对复杂优化问题时,容易陷入局部收敛的缺点,本文结合定向变异策略,并采用动态更新种群的方法,提出定向动态差分进化算法。通过经典单目标benchmark测试函数验证了新算法的可行性。结合DE/rand/1变异方式寻优能力弱,但种群多样性好,而DE/best/1变异方式寻优能力强,但易使算法陷入局部最优的特点,采用根据迭代次数按概率选择变异方式的算法,加强算法寻优能力。通过单目标测试函数验证了其可行性。（2）结合Pareto概念和外部精英存档策略,形成多目标定向动态差分进化算法（MOSADDE）,在约束处理上根据近似不可行解策略对约束边界解进行探索。通过多目标测试函数进行试验,与NSGA-ⅡⅡ算法和SPEA2算法进行对比,实验结果验证了算法的寻优能力。（3）为了进一步提高算法在多目标优化问题上的搜索能力和精英解集的散布性,针对控制参数的调整...
【文章来源】：大连海事大学辽宁省 211工程院校
【文章页数】：69 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 论文研究背景及意义
1.2 多目标优化的基本概念
1.3 多目标优化算法的发展史
1.4 混合动力汽车的研究概况
1.4.1 仿真软件概述
1.4.2 控制策略概述
1.5 本论文的主要研究内容
2 结合定向变异的自适应动态差分进化算法
2.1 常规差分进化算法
2.1.1 变异操作
2.1.2 交叉操作
2.1.3 选择操作及动态差分进化算法
2.2 改进的动态差分进化算法
2.2.1 定向变异算子
2.2.2 按概率选择变异方式的变异算子
2.2.3 控制参数F和CR自适应策略
2.3 实验结果
2.3.1 测试函数
2.3.2 SAMDDE与其它几种算法的比较
3 具有参数自学习能力的多目标动态差分进化算法
3.1 引言
3.2 具有自学习能力的参数自适应策略
3.3 精英存档和多样性保持
3.3.1 外部精英存档
3.3.2 基于拥挤熵的多样性测量
3.4 约束处理
3.5 性能指标
3.5.1 世代距离
3.5.2 散布性
3.6 实验结果
3.6.1 测试问题组
3.6.2 结果及分析
4 基于归一化最近邻域距离的多目标自适应动态差分进化算法
4.1 引言
4.2 基于柯西分布和正态分布的参数自适应策略
4.3 归一化最近邻域距离
4.4 MOSADDE-Ⅱ算法
4.4.1 变异算子中best个体的选择
4.4.2 融合距离及算法流程图
4.4.3 算法计算复杂度
4.5 实验结果
5 MOSADDE-Ⅱ算法在并联混合动力汽车优化中的应用
5.1 引言
5.2 HEV优化设计参数
5.2.1 HEV动力总成部件参数
5.2.2 EACS参数
5.3 PHEV多目标优化模型
5.3.1 优化目标
5.3.2 约束条件
5.3.3 问题数学模型
5.3.4 基于模糊理论的最优折中解提取
5.4 优化结果及其分析
5.4.1 车辆配置
5.4.2 循环工况
5.4.3 优化流程
5.4.4 仿真结果及分析
6 总结与展望
参考文献
致谢
作者简历及攻读硕士学位期间的科研成果
【参考文献】：
期刊论文
[1]基于自适应差分进化策略的多目标进化算法[J]. 陶勇,沈济南. 控制工程. 2018(11)
[2]基于云计算平台的差分进化算法改进研究[J]. 孙洁,连畅. 现代电子技术. 2018(17)
[3]改进的排序变异多目标差分进化算法[J]. 刘宝,董明刚,敬超. 计算机应用. 2018(08)
[4]基于双种群的多目标差分进化算法[J]. 陈志刚,郑建国. 信息技术与信息化. 2017(12)
[5]约束尺度和算子自适应变化的差分进化算法[J]. 徐东方,郭战伟,侯春娟. 数学的实践与认识. 2017(16)
[6]约束优化进化算法综述[J]. 李智勇,黄滔,陈少淼,李仁发. 软件学报. 2017(06)
[7]基于SPEA2和NSGA-Ⅱ算法的并行多目标优化算法[J]. 刘福英,王晓升. 信息通信. 2016(11)
[8]混合动力汽车模糊控制策略优化[J]. 李军,朱亚洲,纪雷,徐杨蛟. 汽车工程. 2016(01)
[9]基于云差分进化算法的约束多目标优化实现[J]. 毕晓君,刘国安. 哈尔滨工程大学学报. 2012(08)
[10]正交设计的E占优策略求解高维多目标优化问题研究[J]. 郭思涵,龚小胜. 计算机科学. 2012(02)
博士论文
[1]粒子群优化算法及差分进行算法研究[D]. 张庆科.山东大学 2017
[2]差分进化算法的改进及在约束优化中的应用[D]. 閤大海.武汉大学 2017
[3]并联混合动力汽车能量控制策略仿真研究[D]. 张毅.重庆大学 2014
[4]多目标动态差分进化算法及其应用研究[D]. 吴亮红.湖南大学 2011
[5]混合动力汽车动力总成参数匹配方法与控制策略的研究[D]. 郑维.哈尔滨工业大学 2010
硕士论文
[1]差分进化算法的改进研究[D]. 朱琳.西北师范大学 2018
[2]求解单目标和多目标优化问题的进化算法研究[D]. 刘璐.暨南大学 2017
[3]基于目标优化的差分进化算法研究[D]. 王苗苗.燕山大学 2017
[4]基于定向和个体差异进化策略的群智能算法研究及其应用[D]. 郭旺平.华侨大学 2016
[5]基于差分进化算法的多目标优化问题的研究[D]. 侍倩.东华大学 2016
[6]基于路况信息的混合动力汽车全局优化能量管理策略[D]. 连凤霞.山东大学 2013
[7]基于瞬时优化的CVT重度混合动力汽车能量管理策略研究[D]. 巩慧.重庆大学 2013
[8]基于NSGA-Ⅱ和免疫算法的多目标优化与分类[D]. 胡朝旭.西安电子科技大学 2012
[9]并联式混合动力电动汽车控制策略研究[D]. 徐金云.武汉理工大学 2011
[10]遗传算法研究及遗传算法工具箱开发[D]. 刘昊旸.天津大学 2005
本文编号：3169431
【文章来源】：大连海事大学辽宁省 211工程院校
【文章页数】：69 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 论文研究背景及意义
1.2 多目标优化的基本概念
1.3 多目标优化算法的发展史
1.4 混合动力汽车的研究概况
1.4.1 仿真软件概述
1.4.2 控制策略概述
1.5 本论文的主要研究内容
2 结合定向变异的自适应动态差分进化算法
2.1 常规差分进化算法
2.1.1 变异操作
2.1.2 交叉操作
2.1.3 选择操作及动态差分进化算法
2.2 改进的动态差分进化算法
2.2.1 定向变异算子
2.2.2 按概率选择变异方式的变异算子
2.2.3 控制参数F和CR自适应策略
2.3 实验结果
2.3.1 测试函数
2.3.2 SAMDDE与其它几种算法的比较
3 具有参数自学习能力的多目标动态差分进化算法
3.1 引言
3.2 具有自学习能力的参数自适应策略
3.3 精英存档和多样性保持
3.3.1 外部精英存档
3.3.2 基于拥挤熵的多样性测量
3.4 约束处理
3.5 性能指标
3.5.1 世代距离
3.5.2 散布性
3.6 实验结果
3.6.1 测试问题组
3.6.2 结果及分析
4 基于归一化最近邻域距离的多目标自适应动态差分进化算法
4.1 引言
4.2 基于柯西分布和正态分布的参数自适应策略
4.3 归一化最近邻域距离
4.4 MOSADDE-Ⅱ算法
4.4.1 变异算子中best个体的选择
4.4.2 融合距离及算法流程图
4.4.3 算法计算复杂度
4.5 实验结果
5 MOSADDE-Ⅱ算法在并联混合动力汽车优化中的应用
5.1 引言
5.2 HEV优化设计参数
5.2.1 HEV动力总成部件参数
5.2.2 EACS参数
5.3 PHEV多目标优化模型
5.3.1 优化目标
5.3.2 约束条件
5.3.3 问题数学模型
5.3.4 基于模糊理论的最优折中解提取
5.4 优化结果及其分析
5.4.1 车辆配置
5.4.2 循环工况
5.4.3 优化流程
5.4.4 仿真结果及分析
6 总结与展望
参考文献
致谢
作者简历及攻读硕士学位期间的科研成果
【参考文献】：
期刊论文
[1]基于自适应差分进化策略的多目标进化算法[J]. 陶勇,沈济南. 控制工程. 2018(11)
[2]基于云计算平台的差分进化算法改进研究[J]. 孙洁,连畅. 现代电子技术. 2018(17)
[3]改进的排序变异多目标差分进化算法[J]. 刘宝,董明刚,敬超. 计算机应用. 2018(08)
[4]基于双种群的多目标差分进化算法[J]. 陈志刚,郑建国. 信息技术与信息化. 2017(12)
[5]约束尺度和算子自适应变化的差分进化算法[J]. 徐东方,郭战伟,侯春娟. 数学的实践与认识. 2017(16)
[6]约束优化进化算法综述[J]. 李智勇,黄滔,陈少淼,李仁发. 软件学报. 2017(06)
[7]基于SPEA2和NSGA-Ⅱ算法的并行多目标优化算法[J]. 刘福英,王晓升. 信息通信. 2016(11)
[8]混合动力汽车模糊控制策略优化[J]. 李军,朱亚洲,纪雷,徐杨蛟. 汽车工程. 2016(01)
[9]基于云差分进化算法的约束多目标优化实现[J]. 毕晓君,刘国安. 哈尔滨工程大学学报. 2012(08)
[10]正交设计的E占优策略求解高维多目标优化问题研究[J]. 郭思涵,龚小胜. 计算机科学. 2012(02)
博士论文
[1]粒子群优化算法及差分进行算法研究[D]. 张庆科.山东大学 2017
[2]差分进化算法的改进及在约束优化中的应用[D]. 閤大海.武汉大学 2017
[3]并联混合动力汽车能量控制策略仿真研究[D]. 张毅.重庆大学 2014
[4]多目标动态差分进化算法及其应用研究[D]. 吴亮红.湖南大学 2011
[5]混合动力汽车动力总成参数匹配方法与控制策略的研究[D]. 郑维.哈尔滨工业大学 2010
硕士论文
[1]差分进化算法的改进研究[D]. 朱琳.西北师范大学 2018
[2]求解单目标和多目标优化问题的进化算法研究[D]. 刘璐.暨南大学 2017
[3]基于目标优化的差分进化算法研究[D]. 王苗苗.燕山大学 2017
[4]基于定向和个体差异进化策略的群智能算法研究及其应用[D]. 郭旺平.华侨大学 2016
[5]基于差分进化算法的多目标优化问题的研究[D]. 侍倩.东华大学 2016
[6]基于路况信息的混合动力汽车全局优化能量管理策略[D]. 连凤霞.山东大学 2013
[7]基于瞬时优化的CVT重度混合动力汽车能量管理策略研究[D]. 巩慧.重庆大学 2013
[8]基于NSGA-Ⅱ和免疫算法的多目标优化与分类[D]. 胡朝旭.西安电子科技大学 2012
[9]并联式混合动力电动汽车控制策略研究[D]. 徐金云.武汉理工大学 2011
[10]遗传算法研究及遗传算法工具箱开发[D]. 刘昊旸.天津大学 2005
本文编号：3169431
本文链接：https://www.wllwen.com/kejilunwen/qiche/3169431.html
