先驗(yàn)驅(qū)動(dòng)的多目標(biāo)人工雨滴算法及其應(yīng)用研究.pdf

1、演化算法是一類啟發(fā)于自然現(xiàn)象或規(guī)律的智能搜索和優(yōu)化技術(shù)的總稱。由于其高效的優(yōu)化性能和巨大的應(yīng)用潛力，演化算法在過去的半個(gè)多世紀(jì)受到了國內(nèi)外研究人員的廣泛關(guān)注。有鑒于此，本文旨在近來提出的人工雨滴算法的基礎(chǔ)上，對(duì)其在復(fù)雜連續(xù)優(yōu)化問題的求解方面展開研究。主要工作如下：
　　(1)為進(jìn)一步理解人工雨滴算法的運(yùn)行機(jī)理和計(jì)算效果，首先，利用相關(guān)的數(shù)學(xué)理論,證明人工雨滴算法在變量不相關(guān)的條件下是以概率1收斂到滿意種群；其次，與三個(gè)演化算法在C

2、EC2005測(cè)試平臺(tái)上進(jìn)行優(yōu)化性能比較。實(shí)驗(yàn)結(jié)果證實(shí)了人工雨滴算法在解決復(fù)雜連續(xù)優(yōu)化問題的有效性。
　　(2)在利用人工雨滴算法求解多目標(biāo)優(yōu)化問題時(shí)，如何在算法設(shè)計(jì)過程中融合問題的特征是提高計(jì)算效率的重要方面。為此，提出一種先驗(yàn)驅(qū)動(dòng)多目標(biāo)人工雨滴算法。首先，通過結(jié)合非支配排序框架和人工雨滴算法搜索引擎，提出一種多目標(biāo)人工雨滴算法;其次，為加快多目標(biāo)人工雨滴算法的收斂速度,通過集成多目標(biāo)優(yōu)化的先驗(yàn)知識(shí)-搜索空間的中心點(diǎn)和二項(xiàng)交叉算子

3、，來引導(dǎo)種群快速向理想Pareto前沿靠近；最后，為保持種群選擇的有效性和非支配解的多樣性，提出一種基于最近擁擠距離的非支配解修剪方法。為驗(yàn)證算法的優(yōu)化性能，選取了12個(gè)多目標(biāo)測(cè)試函數(shù)進(jìn)行驗(yàn)證，并與其它四個(gè)多目標(biāo)優(yōu)化算法進(jìn)行對(duì)比。結(jié)果表明提出的算法比其它的優(yōu)化算法能夠更快地跳出Pareto局部最優(yōu)解，并獲得了更好的Pareto前沿的均勻性。
　　(3)針對(duì)電力系統(tǒng)中的無功優(yōu)化問題，首先，建立以電壓偏差和有功網(wǎng)損為目標(biāo)的多目標(biāo)優(yōu)化模