多群協(xié)同多目標(biāo)粒子群優(yōu)化算法及其應(yīng)用研究.pdf

1、本文對(duì)采用多群協(xié)同機(jī)制的多目標(biāo)粒子群優(yōu)化算法及其在電力系統(tǒng)環(huán)境經(jīng)濟(jì)負(fù)荷分配中的應(yīng)用進(jìn)行了研究。
　　實(shí)際工業(yè)生產(chǎn)中普遍存在需要同時(shí)優(yōu)化相互沖突的多個(gè)目標(biāo)的多目標(biāo)優(yōu)化問(wèn)題。粒子群優(yōu)化（Particle Swarm Optimization，即PSO）算法因其實(shí)現(xiàn)簡(jiǎn)單、收斂速度快，被廣泛應(yīng)用于求解多目標(biāo)優(yōu)化問(wèn)題。本文針對(duì)將PSO算法應(yīng)用于多目標(biāo)優(yōu)化中需要解決的向?qū)У倪x擇、非支配解的保存以及種群多樣性保持的三個(gè)關(guān)鍵問(wèn)題，提出一種多群協(xié)同

2、多目標(biāo)粒子群優(yōu)化算法（Multi-population Co-evolutionary Multi-objective ParticleSwarm Optimization，即MPCMOPSO）。算法對(duì)整個(gè)種群按照目標(biāo)個(gè)數(shù)進(jìn)行均等劃分，并用外部存檔來(lái)存儲(chǔ)非支配解和實(shí)現(xiàn)種群間的信息共享。算法對(duì)速度更新公式進(jìn)行相應(yīng)調(diào)整，并根據(jù)解密度選擇向?qū)ЯＷ?。為了在保證算法收斂速度的同時(shí)保持種群的多樣性，對(duì)外部存檔中的粒子進(jìn)行基于改進(jìn)Tent映射的局部搜

3、索。算法采用改進(jìn)的自適應(yīng)網(wǎng)格法維護(hù)外部存檔，保持了非支配解在目標(biāo)空間中的分布范圍。利用ZDT系列基準(zhǔn)測(cè)試函數(shù)對(duì)MPCMOPSO和幾種多目標(biāo)優(yōu)化算法的收斂性和解的分布性進(jìn)行了仿真比較。仿真實(shí)驗(yàn)表明，MPCMOPSO在解決ZDT系列不同性質(zhì)的多目標(biāo)優(yōu)化問(wèn)題中有優(yōu)異的表現(xiàn)
　　將MPCMOPSO算法應(yīng)用到對(duì)電力系統(tǒng)環(huán)境經(jīng)濟(jì)負(fù)荷分配問(wèn)題的求解中。問(wèn)題的目標(biāo)函數(shù)中考慮機(jī)組的閥點(diǎn)效應(yīng)和電力系統(tǒng)的網(wǎng)絡(luò)損耗。通過(guò)修正算法處理等式約束，實(shí)現(xiàn)對(duì)IEE