共查询到20条相似文献,搜索用时 15 毫秒
1.
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
2.
3.
基于混合细菌觅食算法的多目标优化方法 总被引:1,自引:0,他引:1
针对多目标优化求解过程中多个目标相互制约难以求解的特点,为了提高多目标优化问题的求解速度和精度,并保持最优解的多样性,提出了一种用粒子群改进的混合细菌觅食多目标优化算法。将粒子群算法的寻优更新机制作为细菌觅食算法中趋向性操作的更新机制,将所求得非劣解的拥挤度作为寻优迭代过程中最优值的选取条件。与细菌觅食算法和NS-GA-Ⅱ算法的仿真结果表明,在对多目标测试函数ZDT1~ZDT4和ZDT6的求解过程中,该算法不仅能提高精度和快速地得到Pareto解集,并能有效地保持所求最优解的多样性。 相似文献
4.
5.
在电动汽车有序充电过程中,充电效率的评估和优化有助于提升调度模型的精确度。提出一种考虑直流充电桩最优充电效率的电动汽车有序充电模型。首先,分别对直流充电桩中Vienna整流器部分与双有源桥DC-DC部分进行损耗建模,并使用Pareto优化方法求取最优充电效率。然后,以电网运行、电池电量、充电功率和用户行为作为约束条件,构建最优负荷波动率目标函数,并通过粒子群优化方法进行求解。最后以南京城区某大型充电站的夏季负荷历史数据为参考,利用MATLAB软件分析有序充电模型的执行效果,负荷波动率从0.912降低到0.833。实验结果表明,考虑直流充电桩最优充电效率的有序充电模型能较好地降低负荷波动率。 相似文献
6.
利用多目标粒子群优化算法对电梯群控系统进行优化,建立电梯群控系统响应呼梯信号的综合评价目标函数,并对电梯群控系统的性能指标进行评估,从而确定最佳派梯方案. 相似文献
7.
随着建筑物和乘客流的多样化,电梯的优化调度逐渐发展成为复杂在线多目标优化过程,然而,传统的优化调度已经很难满足电梯群控系统中的多个性能指标同时进行优化的要求.文中针对这一情况,首先通过分析电梯群控系统的目标多样性,复杂性,不确定性等特点,应用多目标优化理论建立了电梯群控系统的多目标优化数学模型;其次分析了粒子群算法与模拟退火算法的优缺点,对粒子群算法进行了改进,提出了一种新型混合优化算法;同时,在建立的多目标优化数学模型的基础上,将此混合算法应用到电梯群控系统中进行优化调度.将混合算法与标准粒子群进行比较,表明该混合算法具有一定的可行性与优越性,在一定程度上改进了电梯群控系统的整体性能和服务质量.该文为电梯群控系统的调度策略提供了新方法,新思路,并扩充了粒子群算法的应用范围. 相似文献
8.
随着电动汽车的保有量不断提升,其充电过程对电网的影响也不断加大。为降低电动汽车无序充电对电网的冲击,提升清洁风电的消纳,提出一种居民小区电动汽车有序充电控制方法。方法使用居民小区的电力预测信息与当地风电产生预测信息,计算获取理想风电消纳的小区电动汽车充电负荷参考曲线。在参考曲线的基础上,使用差分进化算法优化可以得到电动汽车充电功率预分配曲线。在实际应用的实时分配问题上,给出了合适的功率分配策略。最后通过算例仿真实验,验证了算法的有效性。仿真实验表明,提出的电动汽车有序充电控制方法具有较好的有效性和实用性。 相似文献
9.
形成既能满足教师教学实施需求,又能得到学习者认可的在线学习群体是影响在线协作学习效率的重要因素.多目标粒子群算法和遗传算法应用于在线学习群体形成领域是目前的研究热点.然而,利用多目标粒子群算法解决在线学习群体形成问题时存在多样性差,容易陷入局部最优等问题;运用遗传算法解决在线学习群体形成问题时,则需要以耗费大量时间为代... 相似文献
10.
11.
基于双极偏好控制的多目标粒子群优化算法 总被引:2,自引:0,他引:2
考虑双极偏好信息对粒子群的控制作用,提出一种使用双极偏好——正偏好和负偏好引导粒子群向
Pareto 前沿偏好区域进化的方法.根据TOPSIS 决策法思想,将外部种群粒子与正负偏好点的相对贴近度排序作为
外部种群管理和全局最优解更新策略;根据贴近度值确定解集的分布度;选取6 种不同类型的多目标测试函数进行
算法模拟,从世代距离、空间测度和超体积测度3 个指标与基于单极偏好的多目标粒子算法进行性能比较.结果显
示,基于双极偏好控制的多目标粒子群算法的收敛性和综合性能更优秀. 相似文献
12.
针对目前多目标粒子群优化算法的收敛性能和非劣解的多样性不能同时得到满足等缺陷,提出一种基于多策略的多目标粒子群优化算法(Multi-Objective Particle Swarm Optimization algorithm for Multi-Strategy,MS-MOPSO)。采用非支配排序和拥挤距离排序相结合策略,重新划分外部种群和进化种群;采用小生境选择策略,在外部种群中选择最佳粒子作为领导粒子,用于领导进化种群中粒子的进化;在进化种群中利用多尺度高斯变异策略,平衡算法的全局搜索和局部精确搜索;采用邻域认知个体极值更新策略,不断更新个体极值。将该算法应用到典型的多目标测试函数,并与其他多目标优化算法进行对比分析,测试结果表明该算法中四个策略的有效性和互补性,同时验证了该算法不但具有较好的收敛性和收敛速度,而且该算法最优解的分布具有良好的均匀性和多样性。 相似文献
13.
针对当前电动汽车充电过程中电网侧以及用户侧的客观需要,设计了优化电动汽车有序充电的一种方法。以最小化电网侧负荷波动和用户侧最大限度地提高电动汽车的充电电量为目标函数,建立了电动汽车的时间维度调度模型。提出了基于改进的多目标粒子群优化算法,通过个体选择、正态分布自适应突变、模糊满意度决策等策略加快搜索效率以及跳出局部极值。实验结果表明,与MOGA和MOAFSA相比,IACO具有更高的搜索效率。 相似文献
14.
基于混沌的多目标粒子群优化算法 总被引:1,自引:0,他引:1
针对多目标优化问题,提出了一种改进的粒子群算法.该算法为了寻找新解,引入了混沌搜索技术,同时采用了一种新的方法--拥挤距离法定义解的适应度.并采取了精英保留策略,在提高非劣解集多样性的同时,使解集更加趋近于Pareto集.最后,把算法应用到4个典型的多目标测试函数.数值结果表明,该算法能够有效的收敛到Pareto非劣最优目标域,并沿着Pareto非劣目标域有很好的分散性. 相似文献
15.
16.
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。 相似文献
17.
基于粒子群算法求解多目标优化问题 总被引:58,自引:0,他引:58
粒子群优化算法自提出以来,由于其容易理解、易于实现,所以发展很快,在很多领域得到了应用.通过对粒子群算法全局极值和个体极值选取方式的改进,提出了一种用于求解多目标优化问题的算法,实现了对多目标优化问题的非劣最优解集的搜索,实验结果证明了算法的有效性. 相似文献
18.
19.