面向节能发电调度的电力系统多目标优化调度模型

为实现电力系统节能减排及提高系统对风电等新能源的消纳能力,本文从电力系统节能发电角度,提出了一种电力系统多目标优化调度模型。该优化调度模型充分考虑了机组发电成本的经济型、风电场消纳能力最大化以及环境污染最小化等三个因素,在传统优化调度模型基础上建立了新的多目标优化调度模型。并采用第二代非劣支配排序遗传算法(Non-dominated Sorting Genetic Algorithm II,NSGA-II)对调度模型进行优化求解。最后实际算例结果表明,所提的优化调度模型在满足各类约束条件下能够实现电力系统的节能减排调度效果。     

基于NSGA-Ⅱ算法的装备研制多目标优化研究

为提高装备军事效益和经济效益,在网络计划技术的基础上,以装备研制成本和质量为目标,结合工期-质量模型、工期-成本模型和成本-质量模型,建立了多目标综合优化模型。采用一种基于Pareto最优解的多目标遗传算法——NSGA-Ⅱ算法求解,以某探测器研制为例,运用该方法进行建模求解,经MATLAB计算,验证了模型的合理性和算法的有效性。结果表明NSGA-Ⅱ算法的收敛性好,通过它求得的非劣解与实际能较好地相符,为部队在各种武器装备方案论证阶段开展工期、成本和质量之间的权衡分析提供了一种有效工具。     

基于NSGA-Ⅱ算法的多目标优化决策系统

设计一款多目标优化的决策系统,研究集中于调整PID控制器中的KP、KI控制器的增益,使得反馈控制系统满足设计的性能需求。在设计变量参数与给定系统的性能指标之间,设计一种可自动优化增益的参数的算法以满足性能标准的目标。项目设计了PID控制器的增益可以通过NSGA-Ⅱ算法进行调整,从而使得反馈系统的性能指标达到满意的标准。     

基于改进NSGA-Ⅱ算法的多目标设施动态布局问题研究

为解决高效的车间动态设施布局问题,以重布局费用、非物流关系和面积利用率为目标,对NSGA-Ⅱ算法进行了优化,将随机变异操作与最近和最远法的非支配解选择结合,对NSGA-Ⅱ算法进行了改进并对其进行求解。通过经典算例的模型求解测试,验证了该方法的可行性和有效性。     

充电中断情景下电动汽车充电站两阶段多目标区间选址优化决策

考虑到充电站选址用户需求量的不确定性和突发状况的复杂性特点,以充电站选址服务效益最好、充电站风险最小以及预选址-增建选址两阶段经济成本最低为目标,基于传统p-median模型和多目标应急选址模型,构建两阶段多目标区间p-median模型.第1阶段在需求和设施损坏存在不确定因素的情况下,基于不确定需求模型模拟充电站遭...     

基于NSGA-Ⅱ的催化裂化分馏塔的多目标优化

在催化裂化装置生产中,主分馏塔的操作水平和技术水平直接影响整套装置的经济效益;研究催化裂化加工装置优化设计,分馏系统的操作优化非常重要;引入已经建立的分馏塔多目标优化函数并运用NSGA-Ⅱ对模型进行求解;通过深入研究算法并对NS-GA-Ⅱ算法中各项参数设置后,求解得一组Pareto最优解,该组最优解具有良好的延伸和分布;并引人多目标综合评价优化函数,求得一组最优解;结果表明在满足约束条件下,分馏塔的汽油和柴油的产率能得到显著的优化.     

基于NSGA-Ⅱ和MOPSO融合的一种多目标优化算法

用多目标粒子群优化（MOPSO）算法的粒子位置更新模式替代NSGA-Ⅱ的交叉操作,获得一个新的算法（NSGA-Ⅱ-MOPSO）。为使这两种差异较大的算法实现无缝融合,在NSGA-Ⅱ算法范围内对MOPSO中特有的概念粒子及其速度、Pbest、引导者进行处理：1）粒子对应于NSGA-Ⅱ中子代群体的个体;2）不再使用粒子速度概念;3）不再使用粒子Pbest概念,代之以从父代群体中为每个粒子的每一维寻找一个最近的该粒子非支配个体;4）每一个粒子的引导者可以是父代群体中稀疏程度最大的个体或者是按照二进制随机竞赛选择方法从父代群体中选择的一个个体,具体哪一种方式发挥作用依赖于预先设定的概率。另外,引入稀疏程度概念来评价粒子在目标函数空间的分布。6个算例的结果表明,与NSGA-Ⅱ及最新的两种MOPSO算法（CLMOPSO和EM-MOPSO）相比,新算法是一个有效、稳定的算法。     

考虑震后道路可靠性的多目标应急调度问题研究

针对重大自然灾害应急物资调度决策问题，提出一种考虑灾后道路可靠性的多目标优化应急调度模型，以最长车辆行驶时间最小、最小车辆行驶路径可靠度最大和系统物资未满足度最小为目标函数，采用第二代非支配排序遗传算法（NSGA-Ⅱ）和加权遗传算法（GA）进行求解，并对求解目标函数结果进行对比分析.以“汶川地震”为仿真算例，结果表明：在多目标应急调度问题上，NSGA-Ⅱ各目标最优解均优于加权GA算法且收敛速度更快，验证了该应急调度模型的有效性.     

基于改进NSGA-Ⅱ算法的多目标联邦学习

联邦学习作为一种新兴技术,可在融合多参与方数据的机器学习训练的同时,保证各参与方隐私数据的安全性,有效解决数据隐私问题以及数据孤岛问题。然而,联邦学习仍然面临着巨大的挑战,各个客户端与中心服务器的不断交互带来了巨大的通信成本。为了在保证模型精度的情况下尽量减少通信开销,论文提出一种改进的NSGA-Ⅱ算法来对联邦学习中全局模型的结构进行优化,引入快速贪婪初始化和进化后期丢弃低质量个体的策略来对传统NSGA-Ⅱ算法进行改进。实验表明,与MOEA/D算法对比,论文改进NSGA-Ⅱ算法在同等实验条件下性能更好,可获得更好的Pareto最优集,有效优化联邦学习模型结构,降低通信成本。     

面向最大使用效益的充电站网络优化方法

我国政府目前已建成一定规模的充电站网络.针对充电站网络利用率低,存在大量冗余站点和电动汽车充电难等问题,提出了一种数据驱动的充电站网络优化方法.首先,该方法模拟电动汽车充电行为,对不同时间戳内的充电站分别建立队列系统,进而估计充电站间的到达率情况.在此基础上,分析城市电动汽车的充电行为空间特征,用于挖掘城市电动汽车的充...     

多目标粒子群算法在乘务员排班问题中的应用

乘务员排班问题规模庞大并且限制因素复杂,一种公平合理的排班有利于调动乘务员的积极性。对建立的多目标排班模型进行分析和优化,并提出近似可行解以处理约束条件,基于Pareto最优的粒子群算法解决了这一问题,仿真实验表明该算法是合理的。     

基于混沌粒子群算法的多目标多执行模式项目调度问题研究

在工程项目调度中保持工期、成本、质量以及资源的均衡控制是构成项目建设总目标的关键因素,关系到整个工程的成败。同时,鉴于基本粒子群算法容易陷入局部最优,提出一种将混沌算法嵌入基本粒子群的新算法,并将其用于求解多目标项目调度问题,通过建立工期、费用、资源和质量多目标综合优化模型,再运用基于优先规则的混沌粒子群算法解决该模型问题。最终通过实例计算表明:相对于基本的粒子群算法,混沌粒子群算法可以更为准确快速地解决该模型下的项目多目标多执行模式优化调度问题。     

实时系统温度功耗管理的优化方法研究

实时系统的能量受限特性、峰值温度约束以及实时任务的时间约束使其能耗问题备受学术界和工业界的关注,目前已有很多相关功耗管理研究.不考虑温度因素的传统功耗管理大多仅通过动态电压调节技术(dynamic voltage scaling, DVS)方法调度处理器的状态实现,然而随着芯片尺寸的不断缩减,处理器的功耗密度越来越大,温度与功耗之间的相互影响已不容忽视,由此在传统管理研究的基础上又衍生出了很多温度感知的新方法.1)对实时系统温度功耗管理依托的3个模型(任务模型、热模型和功耗模型)进行总结整理;2)根据是否考虑温度因素将现有研究分为温度无关的和温度感知的2类进行综述,后者又按面向单任务面向多任务进行分类;3)从具体机制、优化目标、优化效果以及调度时间等方面进行比较,分析现有研究的优缺点;4)指出未来研究方向.     

风光互补发电系统中抽水蓄能电站的优化配置

在发电系统并网效能优化设计的研究中,风力发电和光伏发电的功率输出具有很强的随机性和波动性,考虑二者时间上和空间上存在互补性,可以构成风光互补发电系统,同时配置一定的抽水蓄能电站作为储能装置形成风光抽水蓄能联合运行系统.以风光-抽水蓄能系统的经济收益最大化为目标,建立抽水蓄能电站容量配置的优化模型,采用一种改进的粒子群算法对模型求解.最后,通过仿真表明,适当容量的抽水蓄能电站可提高风能和太阳能的利用率,同时增加风光发电系统的经济收益.     

基于模糊优化的物流配送路径(MLRP)问题研究

研究采用嵌入模糊决策规则的遗传算法（即模糊优化方法）求解物流配送多目标定位-运输路线安排问题（MLRP）,重点考虑了时间和运输成本两个目标的MLRP的求解方法.该算法分成3个阶段,首先利用遗传算法对初始种群搜索选择优化配送路径;然后应用配送网络调度算法综合评价来确定配送路径中的关键路径和非关键路径;最后根据模糊决策规则计算其各个调度相应的指标,并对已挑选出来的染色体中的某些位基因进行调整,以提高算法的收敛性.计算机仿真结果证明了将此混合算法用于求解中、小规模物流配送问题的有效性.     

考虑用户选择偏好的电动汽车充电站规划研究

在国家大力发展新能源汽车的过程中,充电问题一直阻碍着电动汽车的发展,充电基础设施尤其是快速充电站的规划和建设尤为重要。大规模发展电动汽车（electric vehicle,EV）的关键是根据用户的充电选择偏好,建立完善的充电基础设施,减少用户的里程焦虑,彻底解决充电不方便的问题。在考虑了各方面社会因素并确定一定数量的候选节点背景研究的基础上,提出了一种双目标规划模型,在满足需求、距离、容量等约束条件下,分析了建设充电站总成本和充电覆盖范围之间的关系,寻找最优的充电站建设方案,并以A城市B区为例,通过多目标粒子群算法进行求解,求出充电站的最佳节点和数量。用不同算法进行求解,通过对结果进行分析比较,表明多目标粒子群算法（MOPSO）在求解双目标问题时更具有实际意义。     

基于改进NSGA-II的车间排产优化算法研究

针对NSGA-II算法在处理车间排产优化问题中出现的子代种群多样性差、收敛能力差等问题,提出了一种改进NSGA-II的车间排产优化算法.改进NSGA-II算法主要对传统NSGA-II算法的交叉和变异环节,提出新的改进自适应交叉和变异算子,通过对个体拥挤度与种群平均拥挤度进行对比,并结合种群迭代进化过程,将遗传概率与种群...     

多目标最优化云工作流调度进化遗传算法

为了实现云环境中科学工作流调度的执行跨度和执行代价的同步优化,提出了一种多目标最优化进化遗传调度算法MOEGA。该算法以进化遗传为基础,定义了任务与虚拟机映射、虚拟机与主机部署间的编码机制,设计了满足多目标优化的适应度函数。同时,为了满足种群的多样性,在调度方案中引入了交叉与变异操作,并使用启发式方法进行种群初始化。通过4种现实科学工作流的仿真实验,将其与同类型算法进行了性能比较。结果表明,MOEGA算法不仅可以满足工作流截止时间约束,而且在降低任务执行跨度与执行代价的综合性能方面也优于其他算法。     

基于DEB-ABC算法的电动汽车充电优化调度模型

随着电动汽车保有量不断上升, 其相关配套设施也面临巨大挑战, 不合理的充电资源分配在充电高峰期会造成部分充电站过度拥挤, 并且影响电网稳定运行. 提出一种考虑多目标优化的调度模型, 通过分析充电站内不同充电选项的排队时间, 并根据排队率和分时电价提出一种动态定价模型, 影响车主充电行为, 结合动态定价模型与充电需求计算充电成本, 考虑基于起讫点的充电总路径行驶时间, 以总成本最少为优化目标, 基于DEB-ABC算法进行求解. 在某区域内对1 500辆电动汽车进行仿真验证, 结果表明提出的优化调度模型可减少充电等待时间、充电成本和总行驶时间, 提高区域内充电站利用率.