考虑电池寿命的插电式混合动力汽车能量管理优化

考虑电池寿命对插电式混合动力汽车全寿命周期成本的影响,以综合燃油消耗和电池寿命衰减最小为目标开展电池充放电功率的多目标优化研究. 引入权重系数将多目标优化问题转化为单目标优化问题,采用动态规划（DP）算法求解实现全局最优,并根据优化结果选择最优权重系数. 为了解决动态规划算法运算速度慢、须预知工况的缺陷,以最优权重系数的优化结果训练神经网络控制器并将其应用于控制策略中. 仿真结果表明,与以油耗为单一目标的优化相比,多目标优化可使电池寿命衰减减少13.5%,而燃油消耗仅增加0.5%,在保证燃油经济性的同时有效减少电池寿命的衰减程度;基于神经网络的控制策略有效克服了动态规划算法的缺点并能达到与其相近的运算效果,具有较好的应用前景.     

基于动态模糊混沌粒子群算法的含电动汽车微电网多目标优化调度研究

提出一种基于动态模糊混沌粒子群算法的微电网多目标优化调度方法.利用动态目标函数与模糊理论解决多目标主观权值的缺陷,建立以运行维护成本、环境污染物成本为目标的微电网多目标调度模型.微电网多目标优化调度属于多变量、强非线性优化问题,针对传统粒子群算法求解时容易陷入局部最优等问题,在粒子初始化时,引入一种结合Chebyshev映射和Logistic映射的组合混沌映射,在粒子更新过程中,引入Logistic映射,从而增加粒子寻优的遍历性,加强算法全局优化能力.针对惯性权重在粒子群更新过程中的取值问题,采用迭代次数梯度改变惯性权重的策略.仿真结果证明了算法具有更高的收敛效率和更好的收敛效果.     

目标可控的AGC调节容量的优化分配

为实现自动发电控制(AGC)调节容量的优化分配和目标可控性,提出了一种应用多目标最优化技术和遗传算法的AGC调节容量的分配方法.应用解决多目标最优问题的权重法,在多目标优化数学模型中引入控制因子,使电网调度人员可以根据ACE的分区人为控制各目标的重要程度,形成目标可控的AGC调节容量优化分配的数学模型,并应用遗传算法求解得到分配结果.最后通过算例验证了该方法的有效性.     

用改进蚁群算法求解多目标优化问题

蚁群算法是一种崭新的仿生模拟进化算法,该算法在许多领域已经得到应用。多目标优化问题是一类很重要的优化问题,优化与求解较难。对此,提出了一种改进蚁群算法用于求解多目标优化问题,得到一组变量的权重后,用一定数量的蚂蚁在解空间中首先随机搜索,然后模拟蚂蚁寻食的方式,通过信息素来指引搜索。给出了具体的算法,示例仿真说明了其有效性,并表明该算法可以快速发现多个全局最优解。     

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.     

基于线性权重粒子群优化算法的多基站协作波束成型

为有效抑制小区间干扰,提高多基站协作通信系统的传输速率,提出了一种多基站协作波束成型方案。该方案基于线性权重粒子群优化算法,将最大化系统总速率问题转化为适应度函数的优化问题进行求解。为避免搜索过程中陷入局部最优,该算法的惯性权重采用线性递减的方式。根据所建立的优化问题,给出了适应度函数的构造方法。数值分析结果表明,相对于惯性权重为0.5的基本粒子群算法,所提算法使系统总速率提升了41.13 bit/s,同时具有很好的收敛性。     

一种自适应混合多目标粒子群优化算法

文章针对多目标粒子群优化算法多样性损失和收敛性不好的问题,提出了一种自适应混合多目标粒子群优化算法。首先,使用Sobol序列映射决策变量初始值,使得初始解集在全决策空间范围有更均匀的分布。使用线性递减权重法调整粒子群算法的权重,增强算法收敛性。提出了使用基于多样性指标SP的自适应变异算子增加种群多样性的同时,还提出了在最优档案集中,使用基于改进的世代距离指标GD的自适应混沌搜索增强算法局部搜索能力。最后,将文中提出的改进算法与MOPSO(基本多目标粒子群优化算法)和NSGA2对比,结果显示出该算法能够在保持优化解收敛性的同时获得更好的多样性。     

免疫遗忘动态多目标优化

许多现实世界中的优化问题都是多个目标的,而且是和时间因素有关的,抽象成数学模型就是动态的多目标优化问题,基于免疫遗忘概念和免疫应答的动态过程,提出了一种用于解决动态多目标优化问题的新的人工免疫系统算法一免疫遗忘动态多目标优化(IFDMO)算法.并采用了两集合覆盖这一评价参数,对算法进行了定量的描述.这一参数用于测量在每一个时间步骤得到的最优解向着Pareto-最优面的逼近程度.并将该算法与另外一种算法CSADMO进行了比较,CSADMO是最近提出的一种用于解决动态多目标优化问题的方法,CSADMO在保持所得前沿面的均匀性,多样性及向着Pareto-最优面的逼近性方面都体现出了很好的性质.实验结果表明,在每一时间步骤中,与CSADMO相比,IFDMO获得的解能更好的向着Pareto-最优面逼近,而且解得分布也更加均匀,范围也更加宽广.     

两阶段搜索的多模态多目标差分进化算法

在多模态多目标优化问题中,Pareto前沿的同一位置对应决策空间的多个Pareto最优解,而已有的多目标优化算法往往只能获得其中的一个Pareto最优解,因此,提出一种两阶段搜索的多模态多目标差分进化算法.该算法将优化过程分为精英搜索和分区搜索两个阶段:在精英搜索阶段通过精英变异策略生成高质量个体来保障种群的搜索精度和...     

基于改进粒子群算法的加工方案多目标优化

针对多个加工方案的选择和优化问题,建立了基于粒子群算法的多目标优化数学模型.以生产成本、生产时间、加工质量和生产利润为主要评价指标,利用层次分析法建立阶梯层次模型,根据决策者对各评价指标的不同要求确定了权重.将该方法应用于某汽车变速器四档中间轴齿轮的加工过程中,采用粒子位置取整操作的编码方式,用改进粒子群算法和层次分析法的混合算法进行求解.实例结果分析表明,多目标优化模型能够简单、有效、客观地根据对评价指标的不同要求选择出最优的加工方案.