共查询到16条相似文献，搜索用时 234 毫秒
1.
为了改善人工免疫多目标进化算法的分布性,引入聚集密度以进行Pareto最优解集的更新。其基本思想为：首先计算群体中每个个体的聚集密度,再根据目标函数值和聚集密度定义一个偏序集,然后采用比例选择原则依次从偏序集中选择个体,更新精英集。通过数值实验,用量化指标研究了新算法的收敛性和分布性,结果表明：新算法的收敛性与常规人工免疫多目标进化算法相当,但分布性有了明显提高。 相似文献
2.
建立了动态车辆路径优化问题的数学模型,提出了一种基于聚集密度的人工免疫多目标进化算法。该算法首先计算群体中每个个体的聚集密度,再根据目标函数值和聚集密度定义一个偏序集,然后采用比例选择原则依次从偏序集中选择个体,更新精英集。实验结果表明,该算法是解决动态车辆路径问题的有效方法。 相似文献
3.
多目标进化算法有两个重要研究内容：最优解集的构造和解的分布性。用擂台赛法则构造非支配集具有较高的效率,而聚集密度方法既能从宏观上刻画群体的多样性与分布性,同时也比较好地刻画了个体之间的内在关系。将聚集密度技术引入基于擂台赛法则的多目标进化算法。数值计算表明,这种新的算法既保持了擂台赛法则较高的运行速度,又改善了群体的分布度,提高了种群的多样性,避免了过早收敛于局部最优解的现象。 相似文献
4.
分析了线性选择方法的两个缺陷,提出了一种基于聚集密度的非线性自适应选择方法。算法基本思想是：首先将每代种群划分成Pareto劣解集和Pareto非劣解集,然后依照个体的聚集密度分别在劣解集和非劣解集中构造一种偏序集,分别按照不同的等概率在这两个偏序集中选择个体,其中劣解偏序集的个体选择概率远小于非劣解偏序集的个体选择概率,根据两个偏序集中的容量自动计算出两个选择概率。这种非线性选择方法既体现了劣解集和非劣解集中个体的绝对平等性及非劣解集对劣解集的相对优先选择权,又充分考虑到了Pareto最优解的分布性。理论分析和数值计算表明,这种新的选择机制不仅能改善排序选择法的收敛性,而且能得到分布性良好的Pareto最优解。 相似文献
5.
在采用带精英保留策略的进化算法求解多目标优化问题时,我们需要一个文档来保存在进化过程中产生的不被占优的解。当互不占优的解的数量超过文档的大小时,如何在互不占优的解之间取舍将变得非常重要。针对传统的文档更新策略只考虑解的分布性的情况,提出了一种能够同时保证分布性和收敛性的文档更新策略。该文档更新策略以超体积为基础,与目前经典算法NSGA-Ⅱ进行比较,结果表明新算法拥有良好的分布性,同时也较好地保证了收敛性。 相似文献
6.
针对车间调度问题计算复杂度较高的特点,将协同进化多目标优化算法应用于车间调度问题。计算实例结果表明,协同进化多目标优化算法应用于车间调度问题不仅可以优化效果,而且能够在一定程度上提高计算效率。 相似文献
7.
建立了供水调度模型,利用基于分解的多目标进化算法,首先将供水调度问题分解为若干单目标,然后根据分布估计的思想对各个单目标建立概率模型,通过采样产生新的个体。利用非支配排序法进行选择,得到最优解。实验表明,该算法对求解供水调度优化问题具有较好的多样性和均匀性,并且降低了算法的计算复杂度。 相似文献
8.
最优解集的构造和解的分布性是多目标进化算法的两个重要研究内容。用擂台赛法则构造非支配集具有较高的效率,而小生境共享技术可以提高种群的多样性。本文将小生境共享技术引入基于擂台赛法则的多目标进化算法,数值实验表明：改进后的算法保持了擂台赛算法运行效率高的特点,而且具有较佳的分布度。 相似文献
9.
针对遗传算法优化SOFM神经网络的不足,提出利用合作型协同进化遗传算法实现SOFM 神经网络优化的方法。其基本思想是：针对SOFM神经网络中存在的“死神经元”现象,在SOFM 神经网络中引入全局搜索能力很强的合作型协同进化遗传算法,这样既解决了分类结果对样本输入顺序的过分依赖,又实现了SOFM 神经网络在竞争过程中的全局最优性。将新算法用于矿井突水水源判定问题,结果表明,该算法具有较好的全局收敛性,且可在很大程度上避免“死神经元”现象。 相似文献
10.
本文提出了利用进化规划去求解非线性方程组,进化规划中没有重组或交换算子,突变后便执行选择。采用随机型的竞争选择法,挑选优良个体组成下一代群体。该算法充分发挥其全局收敛性和群体搜索能力,对于非线性方程组求解问题具有良好的适应性。仿真实例表明该算法是可行有效的。 相似文献
11.
提出了一种新的基于差分进化和粗糙集理论的多目标寻优算法。应用差分进化作为的搜索引擎,尝试将它在单一目标优化中展现出的良好收敛作用转换到多目标优化问题中。在搜索的第二阶段中,为了提高迄今为止已有的非支配解决方案的普遍性,应用到了粗糙集理论。对于专用文献中通常采纳应用标准的测试函数和尺度的检验,本文的混合方法是有效的。 相似文献
12.
针对庄家算法的缺陷,提出了一种基于信息熵的庄家算法。其基本思想是：在使用庄家算法进行非支配解的选取前,先对群体的信息熵值进行计算。若熵值较低,即没有相对较好的分布度,则对群体进行遗传选择、交叉和变异操作,生成新的群体,直到熵值达到要求,再使用庄家法则进行计算。数值计算表明,这种新的算法既保持了庄家算法较高的收敛速度,又改善了群体的分布度,提高了种群的多样性,避免了过早收敛于局部最优解的现象。 相似文献
13.
14.
针对多目标车辆路径问题,研究了车载量、配送里程、混合时间窗等限制约束条件下,以最小配送费用和最少配送车辆数为目标建立多目标数学模型。在分析智能水滴算法求解类似离散问题时存在的局限性基础上,运用多种方式对其进行改进,并引入遗传算法选择、交叉及重组算子提高其性能,构建出两种改进智能水滴遗传混合算法,运用Solomon标准测试算例和实际算例进行验证。比较结果显示,改进后的混合算法能够有效解决离散问题,在持续寻优能力上较传统智能水滴算法和遗传算法更优；并且竞争选择改进智能水滴遗传混合算法求解算例效果最优。 相似文献
15.
16.
Application of non-dominated sorting genetic algorithm-II technique for optimal FACTS-based controller design 总被引：1，自引：0，他引：1
Sidhartha Panda 《Journal of The Franklin Institute》2010,347(7):1047-1064
Design of an optimal controller requires optimization of multiple performance measures that are often noncommensurable and competing with each other. Design of such a controller is indeed a multi-objective optimization problem. Non-dominated sorting in genetic algorithms-II (NSGA-II) is a popular non-domination based genetic algorithm for solving multi-objective optimization problems. This paper investigates the application of NSGA-II technique for the design of a flexible AC transmission system (FACTS)-based controller. The design objective is to improve the stability of the power system with minimum control effort. The proposed technique is applied to generate Pareto set of global optimal solutions to the given multi-objective optimization problem. Further, a fuzzy-based membership value assignment method is employed to choose the best compromise solution from the obtained Pareto solution set. Further, a detailed analysis on the selection of control signals (both local and remote signals) on the effectiveness of the proposed controller is carried out and simulation results are presented under various loading conditions and disturbances to show the effectiveness and robustness of the proposed approach. 相似文献