演化约束优化及演化动态优化求解算法研究

发布时间：2017-12-09 16:39

  本文关键词：演化约束优化及演化动态优化求解算法研究

  更多相关文章： 演化算法 动态约束优化 定位和跟踪可行区域 梯度修复 族群

【摘要】：最优化问题在实际问题中广泛存在。本文主要关注最优化问题的约束处理方法、时间关联特征以及动态处理机制,并且研究了两个实际的优化问题,即短期水火电调度问题和动态最优潮流问题。本文采用演化算法作为基本的求解算法。演化算法是基于种群的生物启发式随机搜索算法,由于适合于解决不连续、多峰、不可差分等复杂问题,全局搜索能力较强,并且具有较好的自适应性,近年来被广泛研究。本文的创新之处如下:针对约束优化问题,提出基于族群的修复策略用于选择有代表性的不可行个体进行梯度修复,而不是随机选择个体修复。梯度修复方法虽然是一种有效的约束处理方法,然而,如果对所有不可行解都进行梯度修复,会消耗大量的计算量。因此,已有的文献中都是随机的选择一部分解进行修复的。然而,随机修复可能会使得位置相邻的个体同时被修复,从而导致冗余修复;并且,在种群已定位到某个可行区域的情况下,可能仍会选择该区域附近的不可行个体进行修复,从而会浪费计算量。本文提出基于族群的选择方法。基本思想是通过聚类算法将种群划分为若干族群;对于每一族群,根据该族群内可行个体的比例决定待修复个体的数目。该方法可以显著地减少冗余修复,并且增加修复后个体的多样性,从而减少了陷入局部最优的概率。实验结果表明,在大多数情况下,提出的算法要比原算法的结果更好;同时,用于梯度修复的评估次数显著少于原算法。针对动态时间关联优化问题,研究了预测器不可靠时如何提升预测方法的性能。动态时间关联优化指的是具有时间关联特征的动态优化问题。时间关联指的是当前所做的决策会影响问题未来的状态。尽管时间关联特征在实际问题中很常见,但是,在演化优化领域得到的关注还比较少。目前,在演化优化领域,预测策略是主要的求解算法。但是,目前的预测策略没有考虑预测不准的情况。因此,本文提出了基于逆序数衡量预测准确度的方法,并且设计了一种基于预测精度的随机排序机制用于选择个体。另外,我们提出了一种动态时间关联优化标准测试集。改进的算法与典型的预测方法和标准的遗传算法进行比较。实验结果表明,提出的算法非常具有竞争力。针对具有多个不相连可行区域的动态约束优化问题,我们提出从多峰优化的角度设计并行地定位和跟踪多个可行区域的方法。根据该思想,我们设计并集成了三种定位和跟踪可行区域的策略,以分别处理三种可能的约束动态。并且,算法集成了我们提出的自适应的局部搜索策略(不需要设置参数)和基于族群的侦测机制。另外,我们设计了两种动态约束标准测试集,包括修改的G24(即G24v和G24w)和移动可行区域测试集(Moving Feasible Regions Benchmark,简称MFRB)。修改的G24可以控制可行区域的大小。而MFRB则高度可配置,可以用于模拟各种类型的约束动态,并且,MFRB的全局最佳值和可行区域半径可以精确计算。在G24,G24v,G24w和MFRB上的实验结果表明,提出的算法显著好于已有的代表性方法,并且,我们的算法具有较好地定位多个不相连可行区域的性能,包括可行区域特别小的情况。针对实际的短期水火电调度问题,我们通过考虑负载和线损的不确定性,首次形式化了不确定的单目标短期水火电调度优化问题。为了解决该问题,我们给出了一个特殊的编码机制以处理两种特殊类型的约束。并且,我们提出了一个混合的粒子群优化算法,该算法结合了lbest PSO的探索能力以及gbest PSO和梯度方法的开采能力。实验结果表明,对于所测试的所有问题,我们提出的算法要好于lbest PSO,gbestPSO,以及两种基于梯度的方法(即内点法和序列二次规划方法)。针对动态最优潮流问题,我们关注负载和发电量都可能发生变化的双侧随机问题。已有的大多数文献主要只关注负载会变化的单侧随机问题。但是随着新能源(如风能)在整个电力结构中比例的逐渐增大,越来越需要考虑新能源发电的波动性和随机性。因此,需要考虑发电量和负载都可能变化的双侧随机问题。虽然已有一些文献关注双侧随机问题,但据我们所知,还没有文献使用演化算法求解该问题。本文提出了一种基于族群的差分进化算法,该算法有两个版本。第一个版本使用基于最近更好邻居聚类方法划分族群,该方法的聚类参数不敏感。第二个版本使用了一种改进的聚类方法,该方法比基于最近更好邻居的聚类时间复杂度更低。实验结果表明,提出的方法要好于被比较的算法。
【学位授予单位】：中国科学技术大学
【学位级别】：博士
【学位授予年份】：2017
【分类号】：TP18

【相似文献】

中国期刊全文数据库 前10条

1 马安光;;棋子问题的算法分析——2003年第11期题解[J];程序员;2004年01期

2 冯舜玺;;新书推荐:《算法分析导论》[J];计算机教育;2006年05期

3 张力,慕晓冬;计算机算法分析浅谈[J];武警工程学院学报;2002年04期

4 马安光;;飞弹问题的算法分析——2003年第10期题解[J];程序员;2003年12期

5 苏运霖;;《算法分析导论》评介[J];计算机教育;2006年07期

6 朱力强;;培养学生创新思维与能力的算法分析案例[J];计算机与信息技术;2007年11期

7 汪菊琴;;几种常见特殊方阵的算法分析与实现[J];无锡职业技术学院学报;2009年05期

8 李涵;;“算法分析与设计”课程教学改革和实践[J];中国电力教育;2010年16期

9 刘宁;管涛;;浅析案例教学法在算法分析与设计课程中的应用[J];科技风;2011年07期

10 胡峰;王国胤;;“算法分析与设计”教学模式探索[J];当代教育理论与实践;2011年12期

中国重要会议论文全文数据库 前10条

1 俞洋;田亚菲;;一种新的变步长LMS算法及其仿真[A];通信理论与信号处理新进展——2005年通信理论与信号处理年会论文集[C];2005年

2 周颢;刘振华;赵保华;;构造型的D~2FA生成算法[A];中国通信学会通信软件技术委员会2009年学术会议论文集[C];2009年

3 赖桃桃;冯少荣;张东站;;一种基于划分和密度的快速聚类算法[A];第二十五届中国数据库学术会议论文集（一）[C];2008年

4 刘远新;邓飞其;罗艳辉;舒添慧;;ERP柔性平台下物流运输配送系统算法分析[A];第二十六届中国控制会议论文集[C];2007年

5 王树西;白硕;姜吉发;;模式合一的“减首去尾”算法[A];第二届全国学生计算语言学研讨会论文集[C];2004年

6 王万青;张晓辉;;改进的A~*算法的高效实现[A];2009全国测绘科技信息交流会暨首届测绘博客征文颁奖论文集[C];2009年

7 孙焕良;邱菲;刘俊岭;朱叶丽;;IncSNN——一种基于密度的增量聚类算法[A];第二十三届中国数据库学术会议论文集（研究报告篇）[C];2006年

8 韩建民;岑婷婷;于娟;;实现敏感属性l-多样性的l-MDAV算法[A];第二十七届中国控制会议论文集[C];2008年

9 张悦;尤枫;赵瑞莲;;利用蚁群算法实现基于程序结构的主变元分析[A];第五届中国测试学术会议论文集[C];2008年

10 王旭东;刘渝;邓振淼;;正弦波频率估计的修正Rife算法及其FPGA实现[A];全国第十届信号与信息处理、第四届DSP应用技术联合学术会议论文集[C];2006年

中国重要报纸全文数据库 前1条

1 科文;VIXD算法分析Web异常[N];中国计算机报;2008年

中国博士学位论文全文数据库 前10条

1 魏哲学;样本断点距离问题的算法与复杂性研究[D];山东大学;2015年

2 刘春明;基于增强学习和车辆动力学的高速公路自主驾驶研究[D];国防科学技术大学;2014年

3 张敏霞;生物地理学优化算法及其在应急交通规划中的应用研究[D];浙江工业大学;2015年

4 李红;流程挖掘算法研究[D];云南大学;2015年

5 卜晨阳;演化约束优化及演化动态优化求解算法研究[D];中国科学技术大学;2017年

6 刘新旺;多核学习算法研究[D];国防科学技术大学;2013年

7 于滨;城市公交系统模型与算法研究[D];大连理工大学;2006年

8 曾国强;改进的极值优化算法及其在组合优化问题中的应用研究[D];浙江大学;2011年

9 肖永豪;蜂群算法及在图像处理中的应用研究[D];华南理工大学;2011年

10 陈耿;面向中观审计的规则发现算法研究[D];东南大学;2005年

中国硕士学位论文全文数据库 前10条

1 黄厦;基于改进蚁群算法的柔性作业车间调度问题研究[D];昆明理工大学;2015年

2 李平;基于Hadoop的信息爬取与舆情检测算法研究[D];昆明理工大学;2015年

3 赵官宝;基于位表的关联规则挖掘算法研究[D];昆明理工大学;2015年

4 殷文华;移动容迟网络中基于社会感知的多播分发算法研究[D];内蒙古大学;2015年

5 徐翔燕;人工鱼群优化算法及其应用研究[D];西南交通大学;2015年

6 李德福;基于小世界模型的启发式寻路算法研究[D];华中师范大学;2015年

7 郑海彬;一种面向MAPREDUCE的DATASHUFFLE的优化方法[D];苏州大学;2015年

8 赵晓寒;轮换步长PSO算法及SMVSC参数优化[D];沈阳理工大学;2015年

9 安丰洋;基于无线网络的广播算法研究[D];曲阜师范大学;2015年

10 李智明;基于改进FastICA算法的混合语音盲分离[D];上海交通大学;2015年

，

本文编号：1271118