基于偏好多目标优化和遗传算法的输电网架重构

提出一种基于偏好多目标优化和遗传算法的输电网架重构方法,考虑对于不同优化目标的偏好,制定网架重构方案。计及系统中机组、线路以及负荷的影响,提出3个评价指标作为优化目标,构建一个偏好多目标优化模型。考虑到所建优化模型的偏好性和离散性,提出一种基于偏好的非支配排序遗传算法。提出基于偏好的支配关系、种群规模控制技术以及重复个体过滤技术,用于提高算法的效率,获得解数目可控的偏好Pareto最优解集。仿真结果表明,所提模型能够有效平衡网架重构的不同影响因素,所提算法对于网架重构优化问题有较高的求解效率。     

求解约束优化问题的引导多目标差分进化算法

将约束优化问题转化为带偏好的双目标优化问题,用差分进化算法求解转化问题。为了克服基于Pareto支配关系的多目标算法求解转化问题时没有考虑问题偏好、收敛慢等缺点,借助多目标α-支配关系的特点,提出了基于动态α-支配的新适应度函数。新适应度函数根据种群中可行解的比例动态平衡进化过程中对两个目标的偏好,引导算法不断向问题的偏好区域靠近,从而快速收敛到约束优化问题的最优解。对6个标准测试函数的数值实验结果表明:基于α-支配的动态引导多目标差分进化算法能快速收敛到问题的最优解。与3种经典高效算法的比较说明,所提出算法的鲁棒性强且效率高。     

基于MOGA/SOS的互连缓冲及线型优化算法

将互连延时、信号响应波形、布线面积作为互连优化的3个目标函数,把推导出的串扰下边界作为优化参量的限制条件,采用分布式RLC模型作为互连系统的近似解析模型,提出了一种基于单目标排序非支配集构造算法的多目标遗传算法,用于解决互连优化中的缓冲及线型优化问题.算法所得解为满足串扰限制条件且对信号延时、信号波形以及布线面积进行优化的折中解.测试结果表明所提算法对互连优化问题规模的适应性强,所得解的优化结果明显优于基于Elmore模型的优化结果,布线面积减少了30%,信号延时与串扰性能分别提高了25%和25.73%.     

一种具有模糊偏好的多目标进化算法

根据各专家对各子目标在多目标优化问题中的重要程度给出的模糊评价，结合决策者的偏好和遗传算法，提出了一种带有模糊偏好的多目标优化算法。该方法利用模糊最大最小集方法将得到的模糊评价值进行解模糊，得到各子目标在多目标优化问题中的权重，将多目标优化问题转化为单目标优化问题，再利用遗传算法求出问题的优化解。最后，利用算例对所给的模糊多目标优化算法进行了说明。     

某汽车座椅混流装配线多目标排产优化

针对某汽车座椅混流装配线多型号多批次混流装配周期长、订单多样化、难以满足客户需求等问题,建立以产品最小完工时间和等待时间为目标的排产优化模型,并设计一种基于循环拥挤排序的改进快速非支配排序遗传算法进行求解.以某企业混流装配线为例,运用多种算法进行优化前后排产方案的对比分析,验证所提模型及算法的可行性.应用Plant Simulation对所提排产优化模型与算法实用性进行验证,仿真结果表明,文中模型及算法能有效缩短装配周期,提高装配线资源利用率.     

基于模糊偏好的多目标粒子群算法在库存控制中的应用

针对多目标库存控制中决策者对目标偏好的不确定性问题,定义了模糊偏好的效用函数,提出了一种基于模糊偏好的多目标粒子群优化算法的求解方法.该方法在改进的双极偏好粒子群优化算法基础上,引入模糊隶属度函数,给出了模糊偏好效用函数的计算方法;利用该函数对得到的非支配解集进行效用评价,以效用评价值作为选取优化方案的依据.针对连续盘点(r,Q)多目标库存控制模型,仿真实验表明:该方法有效地解决了决策者对库存总成本、年平均缺货率和年平均缺货量目标偏好的不确定性问题,为决策者提供了优化的库存控制方案.     

基于二次协作优化方法的配电网重构

针对现今配电网线损大的问题,构建以网损最优为目标函数的配电网重构数学模型,提出二次协作优化方法.该方法利用模拟渔夫捕鱼算法的局部寻优能力来寻找遗传算法的初始种群,再通过遗传算法的全局寻优能力寻找最优解,从而提高算法的搜索效率.对IEEE 69节点测试系统的算例仿真结果表明:所构建的配电网重构数学模型能有效地降低配电网中的网损;所提出的二次协作优化方法具有搜索效率高、性能好的特点.     

进港飞机调度多目标优化问题的改进NSGA-II算法

基于多目标优化问题的Pareto最优解概念,提出了一种求解非劣解集的改进非支配排序遗传算法(NSGA-II),用于解决多条跑道情况下进港航班调度问题,要求航班总延误时间平方和及总延误成本两个目标最少。重点讨论了算法实现中的基于最近邻思想的启发式交叉算子和改进的变异算子,以及对非劣解集的筛选操作。最后进行了仿真实验,对优化结果进行了分析比较。研究结果表明改进NSGA-II算法对多跑道进港飞机调度多目标优化问题具有较好的应用前景。     

两阶段三存档集约束优化算法(TSDA)

针对约束优化算法采用相同的进化策略处理位于Pareto边缘的解与函数值较差的解,使得寻优结果较差,提出一种两阶段三存档集约束优化算法.该算法分为两个阶段.第一阶段:根据ε(t)值将种群分为3个存档集,即非支配解存档集、支配解存档集以及非支配可行解存档集.非支配解存档集进行混合策略的双重寻优,既避免了算法陷入局部最优,又使得靠近前沿的解加速收敛;支配解存档集则注重于全局搜索,从而有利于算法搜索到更优可行解.非支配解存档集和支配解存档集使用不同的优化策略进行进化,提高了算法的寻优能力.第二阶段:在第一阶段达到设定的代数时,将各代保留到非支配可行解存档集中的个体进行快速非支配排序,选出的N个优秀个体则为最优解.最后,将提出的算法与其他约束多目标进化算法在3种经典约束测试函数上进行对比,仿真结果表明,所提出算法在不同类约束条件下的寻优能力均具有优势.     

基于移动最小二乘法和粒子群算法的优化算法

针对复杂电磁装置优化问题中目标函数计算次数过多的问题，提出了一种基于移动最小二乘法（MLS）和粒子群优化算法（PSO）的快速全局优化方法.该方法利用基于MLS的表面响应模型，重构原始的优化问题，采用加权PSO算法对重构后的目标函数进行寻优，再使用拟牛顿法，对原优化问题直接寻优，从而得到优化问题最终的最优解，并对基准测试函数和实际电磁装置问题进行优化计算.结果表明，与加权PSO相比，该算法能找到优化问题的全局最优解，并能有效的减少目标函数的计算次数，节省了计算时间，提高了计算效率.     

计及不确定性因素的多目标网架重构策略优化

在电力系统恢复过程中,一些与线路有关的不确定性因素如由外界环境或操作问题等引起的线路投入失败对网络重构过程和结果具有重要影响。在此背景下,首先将线路的不确定性因素引入网络重构问题之中,并借助风险管理的思想考虑了网架重构策略的风险,在此基础上建立了以最大化所恢复的发电节点数目、最小化恢复路径的充电电容和最小化重构策略的风险为目标的多目标网络重构模型。之后,采用场景分析方法将不确定性问题转化为多个确定性问题,并应用差分进化算法和Dijkstra算法求解。最后,以新英格兰10机39节点系统为例说明了所发展的模型和算法的基本特征。     

IEEE 1900.4框架下一种有效的终端重构策略

在认知无线通信网络中,多模可重构终端的重构策略对于保证服务质量至关重要．在IEEE 1900.4框架下,提出了一种有效的终端重构策略．该策略将本征向量法与改进的逼近理想解排序法结合起来,可以迅速将终端的可选重构模式依照优先顺序排列,供终端决策;同时,该策略可以为用户提供最佳服务质量．在包含UMTS、WiMAX和无线局域网的认知无线网络中采用该策略进行仿真,结果表明上述策略能够有效地在用户喜好、应用类别以及网络条件之间进行平衡．     

基于用户偏好的垂直搜索算法

提出并研究、实现了基于用户偏好的垂直搜索算法(PVSA)。以领域特征为基本出发点,PVSA借助领域主题偏好向量、领域元数据权重因子、检索名词差异化、行业词典库更新等4项策略,有效地挖掘、表征用户的领域个性化偏好,以此为基础构建基于用户偏好的垂直搜索算法。实验结果表明了PVSA算法的有效性和可行性。     

免疫遗传算法在配电网重构中的应用

配电网具有闭环设计、开环运行的特点。本文提出免疫遗传算法的方法来解决配电网重构问题,以减小网损。配电网重构属于大规模、混合整型、非线性组合优化问题。免疫遗传算法在传统遗传算法的基础上,借鉴生物免疫机制中的抗体的多样性保持策略和记忆抗原的特点,大大提高了算法的全局搜索和局部搜索能力。该算法将遗传算法中的二进制编码改进为整、实数混合编码,提高了计算速度和精度,同时引入了疫苗接种概念,能有效抑制算法在进化过程中退化现象。实验表明,免疫遗传算法具有更好的全局收敛性,同时加快了计算速度。     

基于时延和能耗的SD-DCN的路由优化算法

为了更好地实现数据中心网络的节能,基于交换机链路速率级的能耗特点,基于软件定义网络技术,提出一种Floyd-Warshall动态规划和局部重路由的节能服务质量路由优化算法.控制器在保障流的时延性能前提下,采用流在空间和时间上均衡传输的策略,依次为每个流计算传输路径和传输速率;在选路失败的情况下,尽量用较少的开销提高网络的接受率.仿真结果表明,该算法有效地降低了能耗,同时提高了网络流的接受率.     

基于链式遗传——模拟退火算法的配电网络重构

以网损最小为目标函数,节点电压、网络辐射性和电源容量的限制为约束条件,建立了配电网络重构优化数学模型。针对各种单一算法的局限性,提出了一种基于链式遗传-模拟退火算法。该算法将环境压力映射为待优化问题,进化链（食物链）上每条染色体（个体）则对应问题的一个候选解,通过模拟退火Metropolis取舍准则控制算法搜索最优方案的进程。最后,在IEEE16节点系统上验证了所提方法的有效性。     

考虑供电可靠性的智能配电网优化重构

配电网馈线联络的不断加强和配电自动化的建设使网络重构成为可能,通过对网络开关的调度控制来优化调整配电网的网络结构,从而提高配电网的供电可靠性.在传统经济性重构的基础上,进一步考虑了供电可靠性,提出了一种计及网损和系统停电损失的智能配电网优化重构模型,并采用改进遗传算法对IEEE 33节点配电系统进行优化重构问题的求解,结果表明,所提模型和算法具有可行性.     

基于遗传算法的无线传感器网络路径优化

提出使用遗传算法对无线传感器网络进行路径优化,考虑节点能耗和路由恢复时间等实际因素的影响,将这些影响作为路径优化问题的约束条件来处理;考虑各种约束条件和多种目标按照重要性的优先次序,使WSN有更长的寿命;对算法的各个环节进行了细致的分析,包括染色体的表示和编码、适应度函数的设计、遗传操作算子的设计及算法参数的分析和选取。大量的仿真实验证明,使用GA能找到WSN有效的优化路由。     

基于复杂适应系统的种植结构调整建模与仿真

种植结构调整所涉及的社会效益、经济效益、生态效益之间相互影响与相互制约的关系构成了复杂系统,单纯的赋权方法忽略了3个目标之间的不可公度性,难以得出可行解.首次应用复杂适应系统理论,采用自下而上的涌现生成建模方法再现了种植结构调整的受限生成过程,合理刻画了作物主体的自主性、适应性,解决了由适应性所产生的系统复杂性与目标多样性等问题,建立了种植结构调整的优化布局模型,运用多目标协同进化遗传算法求解,得出了不同水平年调整后的种植业结构布局,通过分析发现调整后的方案更加合理,从而为区域经济的发展和农业产业结构的调整提供参考依据.     

基于元胞量子蜂群算法和信道案例库的认知无线电混合跨层决策引擎研究

针对认知无线电系统参数重配置问题,提出了一种基于元胞量子蜂群算法和信道案例库的混合跨层认知决策引擎。该认知决策引擎充分考虑无线通信网络各层参数,以网络整体性能最优为优化目标;提出的元胞量子蜂群算法,利用双策略对种群进行混沌初始化,设计了基于元胞自动机原理和社会认知策略的快速量子旋转角调整策略用于实现引领蜂和跟随蜂的邻域搜索;构建基于信道增益的认知无线电参数案例库,用于实现快速决策。仿真结果表明,该认知决策引擎能够根据无线通信环境和用户需求的变化,动态的进行参数的重配置,同时其在收敛速度、收敛精度和算法稳定性上都明显优于基于二进制人工蜂群算法和量子遗传算法的认知决策引擎。