一种基于偏序排名的高效的多目标演化算法

利用 Better函数对多目标优化问题 (MOP)建立了一种偏序关系 ,并通过这种偏序关系对种群中的个体进行排名 ,设计了一种高效的多目标演化算法 (EMOEA) ,应用有限 Markov链的有关理论证明了此演化算法的收敛性 ,同时对四个 Benchmark函数进行了数值试验 ,测试结果表明 ,新算法在解集分布的均匀性、多样性、精确性以及快速收敛性均优于已有的 MOEA.将此算法推广用于求解经济领域或工程领域的一些难题 ,则在实际中具有广阔的应用前景     

背包问题混合遗传算法在电力恢复中的应用

文章把电力系统的负荷恢复问题建模为带众多约束条件的0-1背包问题,并设计了一种将贪心算法与改进遗传算法结合起来的改进混合遗传算法来对此问题进行求解.该算法的主要特点是具有群体爬山性和利用了郭涛算子的非凸组合技术使算法具有搜索的遍历性.采用此算法可以得到负荷恢复的某一阶段可恢复的最大的负荷量.求解的过程保证了求得的解是满足系统的约束条件,所以系统的负荷恢复过程是安全的.算例的结果表明了该算法的有效性.     

解约束多目标优化问题的一种鲁棒的进化算法

将约束条件与目标函数融合在一起，对有约束的多目标优化问题(MOP)建立了一种新的偏序关系，引入了约束占优的定义，并证明了在新的偏序关系意义下的Pareto最优集就是满足约束条件的Pareto最优集，从而在对种群中的个体进行评估或排序时，并不需要特别去关心个体是否可行，避免了罚函数选择参数的困难，尝试应用有限Markov链的有关理论证明了此进化算法的收敛性，用较复杂的Benchmark函数进行了大量的数值实验，测试结果表明新算法在解集分布的均匀性、多样性以及快速收敛性均较理想。     

基于粗糙集和小生境遗传算法的电网故障诊断规则提取

用粗糙集理论进行电网的故障诊断,关键是对知识表的约简.本文以粗糙集理论中的决策表为主要工具,首先将继电保护和断路器的动作信号作为对故障分类的条件属性集,故障区域作为对故障分类的决策属性,建立决策表,然后利用小生境遗传算法适合于进行多峰值函数优化的特点,提出了一种基于小生境遗传算法的粗糙集属性约简方法,用于求解决策表的多个约简,进而进行值约简后抽取出诊断规则.算例结果说明了本算法的正确性和可行性.