多目标进化算法综述

多目标进化算法已经成为解决多目标优化问题的主要方法之一。本文详细介绍了经典的多目标进化算法,并分析了各种算法所采取的策略,给出了各个算法优缺点分析。讨论了多目标进化算法的应用。     

多目标进化算法综述

多目标进化算法已经成为解决多目标优化问题的主要方法之一。本文详细介绍了经典的多目标进化算法,并分析了各种算法所采取的策略,给出了各个算法优缺点分析。讨论了多目标进化算法的应用。     

基于多目标进化算法的电力系统环境经济调度

针对电力系统环境经济调度问题,提出采用进化规划算法,在综合考虑各种约束的情况下,把机组发电成本及污染气体的排放量同时作为优化目标,进行迭代搜索计算.该方法能简单快速地实现全局寻优,获得准确而完整的帕累托前沿,其有效性在IEEE30节点系统中得到了实验验证.     

改进多目标进化算法的云工作流调度

针对云计算和云存储资源复杂变化的定价机制给云工作流调度带来了极大的挑战问题,建立了考虑定价机制的多目标云工作流调度模型。针对云工作流调度问题的特点,设计了一种实数编码机制,使得现有的基于实数编码的交叉算子能够直接用于求解云工作流调度问题,从而避免了现有组合优化方法需要进行解的可行性修正的问题。进一步在MOEA/D算法框架下,设计了一种启发式局部搜索策略,提出了一种新的进化多目标云工作流调度算法。仿真试验结果表明,与目前主流的进化多目标优化算法相比,该算法在求得帕累托最优解集的宽广性和均匀性上具有明显的优势,且算法稳定性更好。该方法对于云平台资源利用率的提升具有重要的应用价值。     

带有权重偏好的多目标进化算法

对于现实生活中的一些多目标优化问题,往往存在着多个决策者的偏好.提出了一种新的偏好方式：决策者对目标函数的权重偏好,该方法在Delphi法下由决策者对目标函数的重要性打分形成,能够更好地体现出决策者的偏好,并且简单易行.结合M2M算法,形成了一种求解多目标优化问题的混合算法.数值实验显示,在不同偏好下,多目标优化问题的结果也不一样,这与实际情形相吻合.在实际生活中,这种方法也具有一定的现实意义.     

基于改进多目标差分进化算法的节能优化调度

随着环境问题日益突出,新能源在全球范围内得到迅速发展,电网的调度模式和技术是提升新能源消纳的关键.采用以最少的煤炭资源消耗量及水电站发电为目标,以火电机组的出力和梯级水电站的发电流量作为控制变量,综合考虑火电厂、水电站等约束条件,构建风光水火互补的电力系统动态调度模型.提出一种改进多目标差分进化算法对模型进行求解,算法中引入外部环境影响和参数自适应调整,可以提高种群全局寻优能力.分析结果表明:该算法比多目标差分算法收敛性和精确度更高,起到清洁能源的利用和削峰填谷的效果.     

基于多目标差分进化算法的机加工柔性作业车间调度

柔性作业车间的多品种、多件数导致调度难度大、耗费时间较长和成本较高,为此,以最大完工时间、能耗和刀具损耗数量为优化目标,考虑返工、次序的准备时间和批量调度约束,建立了多目标机加工柔性作业车间调度模型.提出一种引入综合考虑能耗和加工时间的轮盘赌初始化策略.针对传统差分进化算法交叉得到的子代机器部分质量较差,提出一种机器选择的策略,以此对差分进化算法进行了改进.将改进后的差分进化算法应用于机加工柔性作业车间调度,并与传统差分进化算法在机加工柔性作业车间调度进行多组实验对比.结果表明：改进差分进化在机加工柔性作业车间调度较传统差分进化算法具有收敛速度较快、鲁棒性较好的优点,优化后各机器负载更为均衡,可有效解决多目标机加工柔性作业车间调度问题,为多品种、多件数类排产任务提供了一种良好的指导方案.     

基于进化算法的带约束混合动力系统多目标优化

为获得无需将多目标优化问题转化为单目标优化问题的混合动力系统多目标优化方法,分析了并联混合汽车总成模型,建立了带约束混合动力系统多目标优化数学模型,并给出了优化目标、待优化参数及约束条件。设计了基于NSGA-Ⅱ的混合动力系统多目标优化算法,该算法基于Pareto支配性原理判定所得方案的优劣,不需要指定各个目标的权系数。仿真优化结果表明:优化后的系统百公里油耗平均下降了0.25%,污染物排放平均下降了2.75%,蓄电池充电效率分布由[0.8,0.9]变为[0.85,0.9],放电效率分布由[0.82,1.0]变为[0.95,1.0],作者提出的方法可以优化混合动力系统的性能。     

基于多种群改进差分进化算法的环境／经济电力调度优化

应用多种群改进差分进化算法求解环境/经济电力调度(Environmental/Economic Dispatch,EED)这一多目标优化问题。将多种群策略引入差分进化算法,有助于保持群体多样性,有效避免经典差分进化算法的早熟收敛问题。采用自适应变异因子及交叉因子,使算法在搜索初期保持全局搜索能力,在搜索后期增强局部搜索能力,加快收敛速度。将该算法应用到IEEE 30节点-6机组系统的环境/经济调度优化,仿真计算结果以及与其他算法的对比分析验证了该算法的有效性。     

一种基于多目标进化算法的试验设计方法

为快速处理大量因子并生成具有良好的空间填充分布均匀性与投影分布均匀性的优质试验样本,本文提出一种基于多目标进化优化算法的试验设计方法(multi-objective evolutionary algorithm based design of experiment, MOEA-DOE)．利用多目标优化的思想,将多个试验设计优化准则作为目标函数,以NSGA III为基础并在流程中引入自适应进化策略,进行多次进化迭代后得到分布较为均匀的Pareto最优解,从而获得一个具有良好的空间填充性和投影特性的仿真试验样本组合．实验结果表明,与SLE、TPSLE、SOBSA、仿真软件自带的lhsdesign函数四种常用试验设计方法相比,对于5～15个试验因子的情况本文方法具有更优的采样效果和采样速度．     

基于核分布估计的动态多目标优化进化算法

建立了一种近似估计下一环境进化种群和问题的Pareto最优解集的核分布估计方法, 当问题环境发生改变时, 算法利用以前不同环境搜索到的有用解信息对下一环境进化种群及Pareto最优解集进行近似估计, 极大地提高了算法的搜索效率。在对进化算子的合理设计基础上提出了一种核分布估计的动态多目标优化进化算法。通过对4个常用标准测试函数所作的数据仿真实验表明:提出的算法是十分有效的.     

约束多目标人工蜂群算法

为提高约束多目标进化算法的收敛性和解集分布性,提出一种基于人工蜂群算法的改进约束多目标进化算法CMABC。在利用外部种群分别存储较优可行解和不可行解处理约束条件的基础上,根据约束多目标问题的特点,对外部种群的更新方式、迭代种群的更新方式及人工蜂群算法进行改进。实验仿真结果表明,CMABC相对于目前性能较好的MOABC及HPSO具有一定优势,能够在保证良好收敛性的同时,使获得的Pareto最优解集具有更均匀的分布性和更广的覆盖范围,适合于约束多目标优化问题的求解。     

Solving material distribution routing problem in mixed manufacturing systems with a hybrid multi-objective evolutionary algorithm

The material distribution routing problem in the manufacturing system is a complex combinatorial optimization problem and its main task is to deliver materials to the working stations with low cost and high efficiency. A multi-objective model was presented for the material distribution routing problem in mixed manufacturing systems, and it was solved by a hybrid multi-objective evolutionary algorithm (HMOEA). The characteristics of the HMOEA are as follows: 1) A route pool is employed to preserve the best routes for the population initiation; 2) A specialized best-worst route crossover (BWRC) mode is designed to perform the crossover operators for selecting the best route from Chromosomes 1 to exchange with the worst one in Chromosomes 2, so that the better genes are inherited to the offspring; 3) A route swap mode is used to perform the mutation for improving the convergence speed and preserving the better gene; 4) Local heuristics search methods are applied in this algorithm. Computational study of a practical case shows that the proposed algorithm can decrease the total travel distance by 51.66%, enhance the average vehicle load rate by 37.85%, cut down 15 routes and reduce a deliver vehicle. The convergence speed of HMOEA is faster than that of famous NSGA-II.     

基于古诺模型的电力市场中市场力分析

市场力MP(M arket Power)是指市场参与者能够影响市场价格的能力,在电力市场中则表现为市场内电力公司影响市场出清电价的能力.应用博弈论中古诺(Cournot)模型来分析发电商的策略行为.以完全竞争市场下的均衡电价为基准,研究了在完全信息与不完全信息条件下电力市场的市场力.     

进化规划在配电网络多目标重构中的应用

配电网络得构应在满足节点电压约束,支路过载约束前提下达到两个目标：通过重构尽可能保持变电所间和馈线间的负荷平衡以防故障的出现;通过重构尽可能减小网损。基于上述思想,从经济性和安全性出发,提出以网损最小和负荷平衡为目标的多目标配电网络重构方法。     

基于云差分进化算法的约束多目标优化实现

针对现有约束多目标算法存在收敛性、分布性不高等问题,提出一种基于云差分进化算法的约束多目标优化方法,通过云模型对差分进化算法的参数进行自适应处理;采用建立外部种群分别存储可行解和不可行解的方式处理约束条件,并对已有可行解集的更新方法进行改进,有效提高解集的分布性.提出新的变异策略,利用优秀可行解和不可行解的方向信息增强算法对解的探索能力.通过对CTP类标准问题的求解表明,与另外2种较为优秀的约束多目标算法相比,本算法显著提高了Pareto解集的分布性,且更接近于真实的Pareto前沿,有效地解决了约束多目标问题.     

基于多目标遗传算法的模拟电路进化设计方法

提出一种面向电路进化设计的多目标自适应遗传算法,利用均匀设计技术合成多个适应度函数以提高搜索方向的空间均匀性,利用基于元件标称值的网表形式高效编码方案来支持电路结构自动生成和提高设计结果的实用性,利用基于均匀设计的多个体交叉算子来提高交叉操作的效率和采样均匀性,利用跟随遗传进程并区别不同基因位的遗传概率调整策略来提高进化效率和全局收敛率．实验结果表明,该方法可用较小的运算量获得符合设计目标的多种设计结果．     

一种基于混沌的自适应免疫进化算法

基于免疫系统的克隆选择机理,利用混沌序列的遍历性,将混沌序列引入算法初始群体的产生和抗体的扩展过程,设计出新的扩展算子,从而提出一种基于混沌的自适应免疫进化算法。用不同测试函数进行仿真实验,结果表明该算法有效,并能以较快的速度完成给定范围的搜索和优化任务。