共查询到18条相似文献,搜索用时 78 毫秒
1.
为研究分布式电源接入位置和容量对配电网安全稳定运行的影响,文中构建了静态电压稳定指标,设置了不同的方案进行仿真,仿真结果证明了DG容量和接入位置对配网有重要影响,同时有效验证了模型的有效性。然后,为减少DG的容量和位置不合理规划造成不利影响,文中建立了以综合成本、网损和电压稳定裕度为目标函数的模型,采用基于小生境的改进多目标粒子群优化算法对模型进行求解。通过算例仿真,求解多目标Pareto解。在实际决策过程中,规划人员可根据不同偏好或实际需求从Pareto最优解集中选择合适的最优解,实现DG的多目标最优选址定容,为分布式电源的经济可靠接入配电网提供重要的指导意义。 相似文献
2.
为更好地解决分布式电源选址定容问题,提出一种改进的多目标粒子群算法,并分别利用改进的多 目标粒子群算法和传统的多目标粒子群算法求解测试函数,来证明所提算法的有效性.之后,考虑经济、网损以及电压稳定性三因素建立了一个三目标的数学模型,并采用上述改进的多目标粒子群算法对模型求解.利用模糊满意度评价决策方法从得出的多目标Pa... 相似文献
3.
4.
本文介绍了粒子群优化算法PSO中的多目标优化的粒子群算法及其应用,并将其运用在防守对方多个前锋球员的进攻威胁,以粒子群算法随机性来适应不断变化的形势。 相似文献
5.
物流配送中心的选址问题在当今经济,尤其是任电子商务发展迅速与繁荣的社会中有着举足轻重的地位。本文采用提出的改进粒子群算法对该问题的模型进行了求解,仿真结果表明改进算法对于该问题求解的有效性。 相似文献
6.
《计算机工程与应用》2017,(16)
传统无水港选址主要将无水港当作一般物流中心,侧重研究静态问题,难以体现选址动态规划特征,且传统粒子群算法在处理离散问题时易陷入局部最优困境。因此从强势海港角度,构建了基于收益最大化的无水港多周期选址。模型考虑了无水港的中转比例约束和服务时间约束,然后运用改进的粒子群算法进行了求解,得出了各阶段选址结果。表明改进算法的局部搜索能力和全局搜索能力都得到增强,算法的可行性和有效性也得到了验证。 相似文献
7.
8.
9.
提出了一种基于密度熵的多目标粒子群算法(EMOPSO)。采用一个外部集保存所发现的Pareto最优解(精英),并将外部集作为粒子的全局极值。为保证种群的多样性,当精英大于外部集的大小时采用一种基于密度熵的策略进行分布度保持,从而使所得到的解集保持良好的分布性。最后与经典的多目标进化算法(MOEAs)进行了对比实验,实验结果表明了该算法的有效性。 相似文献
10.
提出一种基于粒子群算法的改进多目标文化算法并用于求解多目标优化问题.算法中群体空间采用多目标粒子群优化算法进行演化;信念空间通过对形势知识、规范化知识和历史知识的重新定义使之符合多目标优化问题;信念空间和群体空间的交互通过自适应的接受操作和影响操作来实现.若干多目标标准测试函数的仿真结果表明,改进多目标文化算法能够在保持Pareto解集多样性的同时具有较好的均匀性和收敛性. 相似文献
11.
一种改进的基于pareto解的多目标粒子群算法 总被引:5,自引:0,他引:5
研究一种改进的多目标粒子群优化算法,算法采用精英归档策略,利用粒子的个体最优定位,通过Pareto支配关系更新全体粒子最优位置,由档案库中动态提供。根据Pareto支配关系来更新粒子的个体最优位置。使用非劣解目标的密度距离度量非劣解前端的均匀性,通过删除密度距离小的非劣解提高非劣解前端的均匀性。从归档中根据粒子的密度距离大小依照概率选取作为粒子的全局最优位置,以保持解的多样性。标准函数的仿真实验结果表明,所提算法能够获得大量且较均匀的非劣解,快速地收敛于Pareto最优解前端。 相似文献
12.
针对现有多目标算法存在的收敛性不强、分散性不高等问题,提出了一种基于直觉模糊熵的粒子群多目标优化算法(IFEMOPSO)。首先,计算出种群的直觉模糊熵(IFE),作为衡量种群在多目标空间下多样性的测度;其次,设计基于IFE的惯性权重动态变化、外部档案调用以及变异操作等3种增强算法探索力度的策略,建立了直觉模糊多目标规划模型,有效地提高了群体进化过程中的多样性,防止了算法陷入局部收敛;最后,仿真结果表明,所提算法很好地提高了所得非劣解集的收敛性和分散性,有效地解决了多目标优化问题。 相似文献
13.
在多目标粒子群优化算法中,平衡算法收敛性和多样性是获得良好分布和高精度Pareto前沿的关键,多数已提出的方法仅依靠一种策略引导粒子搜索,在解决复杂问题时算法收敛性和多样性不足.为解决这一问题,提出一种基于种群分区的多策略自适应多目标粒子群优化算法.采用粒子收敛性贡献对算法环境进行检测,自适应调整粒子的探索和开发过程;为准确制定不同性能的粒子的搜索策略,提出一种多策略的全局最优粒子选取方法和多策略的变异方法,根据粒子的收敛性评价指标,将种群划分为3个区域,将粒子性能与算法寻优过程结合,提升种群中各个粒子的搜索效率;为解决因选取的个体最优粒子不能有效指导粒子飞行方向,使算法停滞,陷入局部最优的问题,提出一种带有记忆区间的个体最优粒子选取方法,提升个体最优粒子选取的可靠性并加快粒子收敛过程;采用包含双性能测度的融合指标维护外部存档,避免仅根据粒子密度对外部存档维护时,删除收敛性较好的粒子,导致种群产生退化,影响粒子开发能力.仿真实验结果表明,与其他几种多目标优化算法相比,该算法具有良好的收敛性和多样性. 相似文献
14.
针对现有公共建筑照明系统存在的高成本、分布式与集中式控制结合能力不高、交互性不强等问题,应用智能优化算法,在分布式框架上实现区域协同照明控制。通过采集窗户处照度信息,预测透过窗户的自然光在工作面上产生的照度值,当自然光不足需要人工光源补充时,通过协同配合,各区域利用改进粒子群算法计算出区域内最佳的灯具开度组合,达到均匀照明,实现舒适性与节能的最佳综合。当照明需求改变时,可以通过WEB端进行修改。最后,通过实际办公室模型在DIALux evo上进行仿真验证。在不同照明需求和环境条件下,实验结果表明相较于普通控制方式(全开全关),该方法在节能和舒适度上具有良好的性能,能有效控制工作面照度,各工作面的最大照度误差都在10%之内,控制方案切实可行,具有实用价值。 相似文献
15.
粒子群优化算法已成为求解多目标优化问题的有效方法之一,而速度更新公式中的惯性、局部和全局3个速度项的系数的动态合理设置是算法优化效率的关键问题。为解决现有算法仅单独设置各速度项系数导致优化效率不高的问题,提出了一种均衡各速度项系数的多目标粒子群优化算法。该方法旨在通过粒子的局部最优和全局最优的信息来引导种群的进化方向,动态调整每一个粒子速度项系数来均衡惯性、局部和全局3个速度项在搜索中的作用,从而更为准确地刻画算法的搜索能力和搜索精度,更好地平衡算法的探究和探索能力,进一步提高粒子群优化算法解决复杂多目标优化问题的效率。在7个标准测试函数上进行实验,并与5种经典的进化算法进行对比,结果表明新算法在综合指标IGD以及多样性评估指标Δ评分上具有更好的收敛速度和分布性,验证了新算法的有效性。 相似文献
16.
17.