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

1、本文對采用多群協(xié)同機制的多目標粒子群優(yōu)化算法及其在電力系統(tǒng)環(huán)境經(jīng)濟負荷分配中的應(yīng)用進行了研究。
　　實際工業(yè)生產(chǎn)中普遍存在需要同時優(yōu)化相互沖突的多個目標的多目標優(yōu)化問題。粒子群優(yōu)化（Particle Swarm Optimization，即PSO）算法因其實現(xiàn)簡單、收斂速度快，被廣泛應(yīng)用于求解多目標優(yōu)化問題。本文針對將PSO算法應(yīng)用于多目標優(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關(guān)鍵問題，提出一種多群協(xié)同

2、多目標粒子群優(yōu)化算法（Multi-population Co-evolutionary Multi-objective ParticleSwarm Optimization，即MPCMOPSO）。算法對整個種群按照目標個數(shù)進行均等劃分，并用外部存檔來存儲非支配解和實現(xiàn)種群間的信息共享。算法對速度更新公式進行相應(yīng)調(diào)整，并根據(jù)解密度選擇向?qū)ЯＷ印榱嗽诒ＷC算法收斂速度的同時保持種群的多樣性，對外部存檔中的粒子進行基于改進Tent映射的局部搜

3、索。算法采用改進的自適應(yīng)網(wǎng)格法維護外部存檔，保持了非支配解在目標空間中的分布范圍。利用ZDT系列基準測試函數(shù)對MPCMOPSO和幾種多目標優(yōu)化算法的收斂性和解的分布性進行了仿真比較。仿真實驗表明，MPCMOPSO在解決ZDT系列不同性質(zhì)的多目標優(yōu)化問題中有優(yōu)異的表現(xiàn)
　　將MPCMOPSO算法應(yīng)用到對電力系統(tǒng)環(huán)境經(jīng)濟負荷分配問題的求解中。問題的目標函數(shù)中考慮機組的閥點效應(yīng)和電力系統(tǒng)的網(wǎng)絡(luò)損耗。通過修正算法處理等式約束，實現(xiàn)對IEE