NSGA-Ⅱ算法的改进及在机组组合优化中的应用
发布时间：2021-12-11 17:57
多目标优化问题（Multi-objective optimization problems,MOP）是指需要同时对不止一个目标进行优化求解的问题,这些目标之间是相互矛盾的,在对其中一个目标优化的同时会导致其他的目标劣化,该类问题的求解是需要找到一组能够使各个多目标之间优化性能均衡的解。机组组合优化问题作为一种典型的多目标优化问题,其研究具有很大的经济效益与环保效益,遗传算法在解决机组组合优化问题时有较大优势,而带精英策略的非支配排序遗传算法（Elitist Non-donminated Sorting Genetic Algorithm,NSGA-II）作为遗传算法的衍生算法在求解多目标优化问题时具有更高的求解效率,但也存在着容易陷入局部最优、搜索能力较弱等缺点,针对这些问题,本文对此做了研究与改进并应用到机组组合优化问题中。本文对传统的NSGA-II的交叉算子与变异算子进行改进。引入正态分布交叉算子与自适应调整变异算子来替代原有的模拟二进制交叉算子与多项式变异算子,增强了算法的空间搜索能力,加快了收敛速度并保证了种群的多样性。针对传统的NSGA-II局部搜索能力较弱的问题,本文使用了...
【文章来源】：华北电力大学河北省 211工程院校 教育部直属院校
【文章页数】：55 页
【学位级别】：硕士
【部分图文】：
图2-1两个目标的Pareto支配关系
图 2-2 两目标的 Pareto 最优前沿优化算法的性能指标标优化算法的性能指标标准一般包括两部分：第一消耗的时间与存储空间；第二，算法解的质量优劣用时间复杂度与空间复杂度对其进行评判；对于后中一般在算法的收敛性与多样性两方面对其评价，问题的真实解并且算法的解集有较好的分布性[40]。两方面进行介绍。望的最终解集应该尽可能的逼近 Pareto 前沿，也就解越小越好，下面给出两种典型的方法：准则 方法进行算法性能评价时，需要预先知道问题的最
图 2-3 收敛性指标 的示意图间的覆盖率(CS)一个问题使用不同的求解方式得到的最优解集 A种方法不需要将解出的最优解与真实的最优解对比示。 : ( , )u B A uCS A BB ， 表示弱支配，两个解集之间的覆盖率描述的是平，它是对解集优劣的评价，CS ( A, B ) 0,1 。若 被 A中的解全部弱支配；若CS ( A, B) 0，说明 中。一般情况下 A B ，在对解集 、 进行覆盖S ( A, B )和 CS ( B, A) ，但两者的和不一定为 1。性的判断一般包括两部分：第一，解集的多样性，
【参考文献】：
期刊论文
[1]混合NSGA-Ⅱ和DE的优化算法及应用[J]. 李岩,张光武. 哈尔滨理工大学学报. 2018(05)
[2]面向用户信息需求的移动商务在线评论效用评价研究[J]. 相甍甍,郭顺利,张向先. 情报科学. 2018(02)
[3]基于距离收敛量和历史信息密度的多目标进化算法[J]. 李潇涵,刘博,张友. 计算机应用研究. 2017(12)
[4]基于自适应多目标指数罚函数的NSGA-Ⅱ算法[J]. 王聪,赵文玲. 山东理工大学学报(自然科学版). 2016(03)
[5]一种改进型粒子群优化算法在电力系统经济负荷分配中的应用[J]. 吴辰斌,李海明,刘栋,吴正阳,武蕾. 电力系统保护与控制. 2016(10)
[6]机组启停优化中遗传算法的应用研究[J]. 赵适宜. 中国电业(技术版). 2015(02)
[7]自适应动态规划综述[J]. 张化光,张欣,罗艳红,杨珺. 自动化学报. 2013(04)
[8]并行多家族遗传算法解多目标优化问题[J]. 卢海,鄢烈祥,史彬,林子雄,李骁淳. 化工学报. 2012(12)
[9]基于遗传算法的随机机组组合问题求解[J]. 熊高峰,聂坤凯,刘喜苹,蔡振华,谢上华. 电力系统及其自动化学报. 2012(05)
[10]遗传算法研究进展[J]. 马永杰,云文霞. 计算机应用研究. 2012(04)
博士论文
[1]煤炭矿区节能减排多目标优化决策研究[D]. 杨娟.中国地质大学 2014
[2]基于代理模型的多目标优化方法及其在车身设计中的应用[D]. 陈国栋.湖南大学 2012
硕士论文
[1]含风电—火电的机组组合优化问题研究[D]. 梁健.广东工业大学 2018
[2]改进蜜蜂进化型遗传算法引导的NSGA2两阶段优化算法及应用[D]. 张丽科.湖南大学 2016
[3]含风电场的低碳减排多目标动态机组组合优化[D]. 周宇轩.长沙理工大学 2016
本文编号：3535130
【文章来源】：华北电力大学河北省 211工程院校 教育部直属院校
【文章页数】：55 页
【学位级别】：硕士
【部分图文】：
图2-1两个目标的Pareto支配关系
图 2-2 两目标的 Pareto 最优前沿优化算法的性能指标标优化算法的性能指标标准一般包括两部分：第一消耗的时间与存储空间；第二，算法解的质量优劣用时间复杂度与空间复杂度对其进行评判；对于后中一般在算法的收敛性与多样性两方面对其评价，问题的真实解并且算法的解集有较好的分布性[40]。两方面进行介绍。望的最终解集应该尽可能的逼近 Pareto 前沿，也就解越小越好，下面给出两种典型的方法：准则 方法进行算法性能评价时，需要预先知道问题的最
图 2-3 收敛性指标 的示意图间的覆盖率(CS)一个问题使用不同的求解方式得到的最优解集 A种方法不需要将解出的最优解与真实的最优解对比示。 : ( , )u B A uCS A BB ， 表示弱支配，两个解集之间的覆盖率描述的是平，它是对解集优劣的评价，CS ( A, B ) 0,1 。若 被 A中的解全部弱支配；若CS ( A, B) 0，说明 中。一般情况下 A B ，在对解集 、 进行覆盖S ( A, B )和 CS ( B, A) ，但两者的和不一定为 1。性的判断一般包括两部分：第一，解集的多样性，
【参考文献】：
期刊论文
[1]混合NSGA-Ⅱ和DE的优化算法及应用[J]. 李岩,张光武. 哈尔滨理工大学学报. 2018(05)
[2]面向用户信息需求的移动商务在线评论效用评价研究[J]. 相甍甍,郭顺利,张向先. 情报科学. 2018(02)
[3]基于距离收敛量和历史信息密度的多目标进化算法[J]. 李潇涵,刘博,张友. 计算机应用研究. 2017(12)
[4]基于自适应多目标指数罚函数的NSGA-Ⅱ算法[J]. 王聪,赵文玲. 山东理工大学学报(自然科学版). 2016(03)
[5]一种改进型粒子群优化算法在电力系统经济负荷分配中的应用[J]. 吴辰斌,李海明,刘栋,吴正阳,武蕾. 电力系统保护与控制. 2016(10)
[6]机组启停优化中遗传算法的应用研究[J]. 赵适宜. 中国电业(技术版). 2015(02)
[7]自适应动态规划综述[J]. 张化光,张欣,罗艳红,杨珺. 自动化学报. 2013(04)
[8]并行多家族遗传算法解多目标优化问题[J]. 卢海,鄢烈祥,史彬,林子雄,李骁淳. 化工学报. 2012(12)
[9]基于遗传算法的随机机组组合问题求解[J]. 熊高峰,聂坤凯,刘喜苹,蔡振华,谢上华. 电力系统及其自动化学报. 2012(05)
[10]遗传算法研究进展[J]. 马永杰,云文霞. 计算机应用研究. 2012(04)
博士论文
[1]煤炭矿区节能减排多目标优化决策研究[D]. 杨娟.中国地质大学 2014
[2]基于代理模型的多目标优化方法及其在车身设计中的应用[D]. 陈国栋.湖南大学 2012
硕士论文
[1]含风电—火电的机组组合优化问题研究[D]. 梁健.广东工业大学 2018
[2]改进蜜蜂进化型遗传算法引导的NSGA2两阶段优化算法及应用[D]. 张丽科.湖南大学 2016
[3]含风电场的低碳减排多目标动态机组组合优化[D]. 周宇轩.长沙理工大学 2016
本文编号：3535130
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3535130.html
