帶精英策略的非支配排序遺傳算法的研究與應用.pdf

1、多目標優(yōu)化問題在科學和工程等領域是一個熱點問題，同時也是研究的一個難點。傳統的多目標優(yōu)化方法在某些復雜的多目標優(yōu)化問題中存在不足，因此漸漸地被一些優(yōu)越的多目標優(yōu)化算法所替代。第一代非支配排序遺傳算法NSGA在多目標領域中顯示出比較大的優(yōu)勢，但是隨著應用范圍的不斷拓寬，其缺點就不斷暴露出來。為了更好地解決多目標優(yōu)化問題，在NSGA的基礎上，研究人員提出了帶精英策略的非支配排序遺傳算法NSGA-Ⅱ。 國外關于NSGA-Ⅱ的理論研究和

2、應用研究都比較深入，而在國內目前還比較少。本文通過對該算法的研究和學習，將其應用于一些實際的問題，利用NSGA-Ⅱ在多目標優(yōu)化領域強大的優(yōu)勢，很好地解決了這些實際的問題。 本文主要的工作為：(1)介紹了多目標優(yōu)化問題及其研究現狀，并系統地介紹了遺傳算法的相關理論；重點論述了非支配排序遺傳算法NSGA尤其是其改進算法NSGA-Ⅱ的基本原理、算法基本流程等。(2)對電網諧波進行概述，簡單介紹了諧波的概念、諧波的產生及其危害等，并將N

3、SGA-Ⅱ應用在用于濾除電網諧波的無源濾波器的設計中。經過對某鋁廠電網諧波的分析，將無源濾波器的優(yōu)化模型的目標函數設置為無源濾波器初期總投資額最小和無源濾波器濾波率最大，并對初期投資成本和各次單諧波支路的濾波率進行約束。這是帶約束條件的多目標優(yōu)化問題，利用NSGA-Ⅱ在該問題上的優(yōu)勢，對其進行優(yōu)化，從而找到一系列的全局最優(yōu)解。文中選取其中一個最優(yōu)解，通過仿真證明：該方法不但可以有效濾去大量的電網諧波，還能對初期投資成本進行很好地控制。

4、 (3)將NSGA-Ⅱ應用于工業(yè)中柴油催化裂化的反應模型和甲醇轉化為烴類物質的反應模型的參數辨識中。這兩個模型分別表示為二維一階動態(tài)微分方程組和三維一階動態(tài)微分方程組，該模型是不確定的。為了得到最終的精確模型，需要對模型中的幾個未知參數進行有效的辨識。通過分析，創(chuàng)造性地將該參數辨識問題轉化為多目標優(yōu)化問題，采用積分一步的特雷納(Treanor)方法對微分方程組進行數值求解，并基于NSGA-Ⅱ對該問題其進行優(yōu)化，得到一組非劣最優(yōu)解。