面向EED问题的多目标演化算法的设计与研究

发布时间：2020-08-22 19:12

【摘要】：环境经济调度(EED,Environmental Economic Dispatch)因其能兼顾环境保护和经济效益,而受到了广泛关注。EED问题是一个非线性非凸的多目标优化问题。早期利用约束条件法或者权系数法等技术将多目标转化为单目标问题进行求解的方法很难在多目标间得到权衡。近年来,随着演化算法在解决多目标问题时的优异表现,EED问题的研究逐渐转向利用演化算法获得更优的调度方案。为此,本文设计了两种学习策略,并将其与多目标算法相结合提出了三种多目标算法来解决EED问题,以提高Pareto前沿的均匀性、多样性和收敛性。主要研究工作如下:1.根据外部归档集分布特点,提出两种特定的学习策略以提高Pareto前沿的均匀性和多样性。一种是根据解的稀疏程度选择领导者的更新领导者策略,该策略是根据本文设计的个体间的最大距离md来选择较稀疏的解作为领导者;另一种是探测领导者周围稀疏方向进行扰动的领导者漫步策略,该策略中设计了一个稀疏方向l的概念,用来指导领导者向自身周围稀疏的方向搜索。2.两种策略与基于学习的回溯搜索算法(LBSA)相结合,提出了一种多目标学习回溯搜索算法(MOLBSA)。在LBSA中改进了变异算子,由原来的历史种群(oldP)控制搜索方向替换成由领导者和oldP共同指导变异。将MOLBSA应用到IEEE30-bus 6机组的测试系统上得到的实验结果与其他算法比较,实验结果验证了MOLBSA的优越性能。3.两种策略与集体决策优化算法(CDOA)相结合,提出了一种多目标集体决策优化算法(MOCDOA)。在MOCDOA中设计了一个几何中心更新策略,使算法向当前Pareto前沿的两个端点搜索的概率增大从而增加Pareto前沿的多样性。MOCDOA在IEEE30-bus 6机组上进行实验,结果表明与其他算法相比MOCDOA具有更良好的性能。4.两种策略与本文提出的一种新的灰色预测优化算法(GPEA)相结合,提出了一种多目标灰色预测优化算法(MOGPEA)。GPEA是利用连续的三代种群(称为信息进化链)组成时间序列,并通过GM(1,1)来预测产生下一代。将MOGPEA应用到IEEE30-bus 6机组的测试系统上,结果与其他算法比较验证了MOGPEA在均匀性、多样性和收敛性各方面的优越性。为进一步验证两个策略与算法结合的性能,将MOLBSA、MOCDOA和MOGPEA得到的结果进行比较。结果表明MOGPEA在均匀性和收敛性方面优于其他两种多目标算法,MOCDOA在多样性反面优于其他两种多目标算法,并且三种多目标算法都有潜力解决电力系统的其他多目标优化问题。
【学位授予单位】：长江大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TM73;X322;TP301.6
【图文】：

(可行解集)：对于 x X，如果 x满足所有约束，则 x是称为可行解集，记fX ，其中fX X。 (Pareto 支配关系): 假设1 2,fx x X是上述多目标问题的且仅当， i {1,2, , m}，使1 2( ) ( )i if x f x，且 j {)，记作1 2x x。并且称1x 是 非支配的，2x 是被支配的 (Pareto 最优解): 假设*fx X是上述多目标问题的可, 使得*x x, 则*x 为一个 Pareto 最优解。 (Pareto 最优解集): Pareto 最优解构成 Pareto 最优解集配解集(Non-dominated Set)。定义如下： * * *,fP x x X x x (Pareto 前沿): Pareto 最优解集*P 中所有最优解对应的areto 前沿 (Pareto Front, PF)，记作* * * * * *1 2{ ( ) ( ( ), ( ), , ( )| }mPF F x f x f x f x x P

第 1 章 绪论 提出了最大距离和稀疏方向的概念； 提出了更新领导者策略和领导者漫步策略，并将两种策略与其他MOEAs结 提出了多目标学习回溯搜索算法(MOLBSA)； 提出了多目标集体决策优化算法(MOCDOA)； 提出了一种新的启发式算法，灰色预测优化算法(GPEA)； 提出了多目标灰色预测优化算法(MOGPEA)。1.6 章节安排本文内容共分为 7 个章节，论文的组织结构如图 1-2 所示，具体的安排如

图 2-1 三个多目标算法流程图Fig.2-1 The flow chart of three multi-objective algorithm算法 2-1 三个多目标算法整体框架伪代码1. P 初始化种群2. Ar Non_dominated( P)Whilemaxt Tdo3. XL Leader_updating( Ar)if rand 0.5then4. T Lea der_ wandering( XL)else5. T Mutation_Crossover( P)6. newP Selection( P , T)7. Ar Non_dominated( newP Ar)if | Ar | Nathen8. Circular_crowed_sorting( Ar)9. t t 1

【相似文献】

相关期刊论文 前10条

1 李改灵;李立华;张丽杰;;基于修正的差异演化算法机械链传动优化设计[J];军事交通学院学报;2015年01期

2 李晓靖;;差异演化算法及其在机械设计中的应用[J];科技传播;2014年01期

3 郭超峰;李梅莲;;改进的差分演化算法及其在动态规则中的应用研究[J];河南大学学报(自然科学版);2013年01期

4 韩珂;杨俊鹏;;求解旅行商问题的分布式演化算法[J];华北水利水电学院学报;2013年04期

5 张欣;王志刚;夏慧明;;差异演化算法求解多维0—1背包问题[J];科学技术与工程;2012年06期

6 王志刚;夏慧明;;基于差异演化算法的化学方程式配平研究[J];哈尔滨商业大学学报(自然科学版);2012年04期

7 刘家骏;刘大瑾;;混合差异演化算法求解多维背包问题[J];计算机与数字工程;2011年01期

8 杨卿誉;王志刚;;差异演化算法求解二次分配问题[J];科学技术与工程;2011年34期

9 李瑞华;李霞;刘坤起;;敏捷制造中伙伴选择问题的多子差异演化算法[J];山西师范大学学报(自然科学版);2011年04期

10 王志刚;;基于差异演化算法的非线性方程组求解[J];计算机工程与应用;2010年04期

相关会议论文 前10条

1 曹莲英;侯琳;李文勇;;多目标演化算法在公交车辆发车间隔优化中的应用[A];2009年中国智能自动化会议论文集（第五分册）[东南大学学报（增刊）][C];2009年

2 冯珊;李锋;周凯波;;面向演化算法应用的智能体系统建模与仿真研究[A];西部开发与系统工程——中国系统工程学会第12届年会论文集[C];2002年

3 谢柏桥;戴光明;郑蔚;王剑文;;有指导的多目标演化算法在区域星座设计中的应用[A];中国宇航学会深空探测技术专业委员会第四届学术年会论文集[C];2007年

4 颜雪松;时晨;李晖;乔永强;;探测器电路优化设计的演化算法研究[A];中国宇航学会深空探测技术专业委员会第六届学术年会暨863计划“深空探测与空间实验技术”重大项目学术研讨会论文集[C];2009年

5 张文俊;谢晓锋;马君;;并行演化算法在半导体器件综合中的应用[A];2006年全国开放式分布与并行计算学术会议论文集（二）[C];2006年

6 李林;宋立荣;肖邦定;李根保;Hongqing Cao;Friedrich Recknagel;He Zhang;Grace Chan;;杂交演化算法用于滇池蓝藻水华的模拟与预警研究[A];中国藻类学会第八次会员代表大会暨第十六次学术讨论会论文摘要集[C];2011年

7 李亮;褚雪松;;基于混沌变异和局部探索方式多样性的演化算法在边坡稳定分析中的应用[A];第八次全国岩石力学与工程学术大会论文集[C];2004年

8 李彬;胡浩;李刚;;基于多目标演化算法的可靠度计算方法[A];中国力学大会-2015论文摘要集[C];2015年

9 陈伟;史小卫;;基于改进自适应演化算法的微波电路优化设计[A];2005'全国微波毫米波会议论文集（第一册）[C];2006年

10 李元香;谢曼;郑波尽;张进波;杨怡伟;;演化硬件设计的改进演化程序[A];Systems Engineering, Systems Science and Complexity Research--Proceeding of 11th Annual Conference of Systems Engineering Society of China[C];2000年

相关博士学位论文 前10条

1 刘会超;差分演化算法的演化模型分析与算法改进研究[D];武汉大学;2015年

2 喻飞;人机协同演化算法研究[D];武汉大学;2015年

3 洪文静;大规模多目标演化算法及其应用研究[D];中国科学技术大学;2018年

4 钱超;多目标演化学习理论与方法研究[D];南京大学;2015年

5 李红叶;基于平衡法则的多目标演化模型及应用研究[D];西安理工大学;2018年

6 岳雪芝;高维多目标动力学演化算法及在GPU上的实现[D];武汉大学;2013年

7 郭肇禄;猎物—捕食者模型启发的演化算法研究[D];武汉大学;2013年

8 周冲;基于参考点的高维多目标演化算法研究及其在卫星星座设计中的应用[D];中国地质大学;2018年

9 张晋媛;演化算法中基于分类的预选择策略研究[D];华东师范大学;2018年

10 汪祖柱;基于演化算法的多目标优化方法及其应用研究[D];安徽大学;2005年

相关硕士学位论文 前10条

1 徐新林;面向EED问题的多目标演化算法的设计与研究[D];长江大学;2019年

2 黄超民;基于演化算法的高效用项集挖掘算法研究[D];北方工业大学;2019年

3 卞超;非确定环境下演化算法理论分析的研究[D];中国科学技术大学;2019年

4 刘艳凤;演化算法停机条件研究[D];华东师范大学;2019年

5 杜望;基于局部搜索策略的差分演化算法研究及改进[D];江西理工大学;2018年

6 姜武;演化算法在连续搜索空间上的时间复杂度分析[D];中国科学技术大学;2018年

7 方荟;基于均值偏移的混合演化算法研究[D];华东师范大学;2018年

8 张咪;基于多目标自适应演化算法的网络业务流分类方法研究[D];南京邮电大学;2018年

9 李加加;基于演化算法的多级别多岗位护士排班问题研究[D];华中科技大学;2017年

10 廖雄鹰;差分演化算法的集成探索及其变异策略的改进与应用[D];武汉科技大学;2018年

本文编号：2801039