【摘要】：環(huán)境經(jīng)濟調(diào)度(EED,Environmental Economic Dispatch)因其能兼顧環(huán)境保護和經(jīng)濟效益,而受到了廣泛關(guān)注。EED問題是一個非線性非凸的多目標(biāo)優(yōu)化問題。早期利用約束條件法或者權(quán)系數(shù)法等技術(shù)將多目標(biāo)轉(zhuǎn)化為單目標(biāo)問題進行求解的方法很難在多目標(biāo)間得到權(quán)衡。近年來,隨著演化算法在解決多目標(biāo)問題時的優(yōu)異表現(xiàn),EED問題的研究逐漸轉(zhuǎn)向利用演化算法獲得更優(yōu)的調(diào)度方案。為此,本文設(shè)計了兩種學(xué)習(xí)策略,并將其與多目標(biāo)算法相結(jié)合提出了三種多目標(biāo)算法來解決EED問題,以提高Pareto前沿的均勻性、多樣性和收斂性。主要研究工作如下:1.根據(jù)外部歸檔集分布特點,提出兩種特定的學(xué)習(xí)策略以提高Pareto前沿的均勻性和多樣性。一種是根據(jù)解的稀疏程度選擇領(lǐng)導(dǎo)者的更新領(lǐng)導(dǎo)者策略,該策略是根據(jù)本文設(shè)計的個體間的最大距離md來選擇較稀疏的解作為領(lǐng)導(dǎo)者;另一種是探測領(lǐng)導(dǎo)者周圍稀疏方向進行擾動的領(lǐng)導(dǎo)者漫步策略,該策略中設(shè)計了一個稀疏方向l的概念,用來指導(dǎo)領(lǐng)導(dǎo)者向自身周圍稀疏的方向搜索。2.兩種策略與基于學(xué)習(xí)的回溯搜索算法(LBSA)相結(jié)合,提出了一種多目標(biāo)學(xué)習(xí)回溯搜索算法(MOLBSA)。在LBSA中改進了變異算子,由原來的歷史種群(oldP)控制搜索方向替換成由領(lǐng)導(dǎo)者和oldP共同指導(dǎo)變異。將MOLBSA應(yīng)用到IEEE30-bus 6機組的測試系統(tǒng)上得到的實驗結(jié)果與其他算法比較,實驗結(jié)果驗證了MOLBSA的優(yōu)越性能。3.兩種策略與集體決策優(yōu)化算法(CDOA)相結(jié)合,提出了一種多目標(biāo)集體決策優(yōu)化算法(MOCDOA)。在MOCDOA中設(shè)計了一個幾何中心更新策略,使算法向當(dāng)前Pareto前沿的兩個端點搜索的概率增大從而增加Pareto前沿的多樣性。MOCDOA在IEEE30-bus 6機組上進行實驗,結(jié)果表明與其他算法相比MOCDOA具有更良好的性能。4.兩種策略與本文提出的一種新的灰色預(yù)測優(yōu)化算法(GPEA)相結(jié)合,提出了一種多目標(biāo)灰色預(yù)測優(yōu)化算法(MOGPEA)。GPEA是利用連續(xù)的三代種群(稱為信息進化鏈)組成時間序列,并通過GM(1,1)來預(yù)測產(chǎn)生下一代。將MOGPEA應(yīng)用到IEEE30-bus 6機組的測試系統(tǒng)上,結(jié)果與其他算法比較驗證了MOGPEA在均勻性、多樣性和收斂性各方面的優(yōu)越性。為進一步驗證兩個策略與算法結(jié)合的性能,將MOLBSA、MOCDOA和MOGPEA得到的結(jié)果進行比較。結(jié)果表明MOGPEA在均勻性和收斂性方面優(yōu)于其他兩種多目標(biāo)算法,MOCDOA在多樣性反面優(yōu)于其他兩種多目標(biāo)算法,并且三種多目標(biāo)算法都有潛力解決電力系統(tǒng)的其他多目標(biāo)優(yōu)化問題。
【學(xué)位授予單位】：長江大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TM73;X322;TP301.6
【圖文】：

(可行解集)：對于 x X，如果 x滿足所有約束，則 x是稱為可行解集，記fX ，其中fX X。 (Pareto 支配關(guān)系): 假設(shè)1 2,fx x X是上述多目標(biāo)問題的且僅當(dāng)， i {1,2, , m}，使1 2( ) ( )i if x f x，且 j {)，記作1 2x x。并且稱1x 是 非支配的，2x 是被支配的 (Pareto 最優(yōu)解): 假設(shè)*fx X是上述多目標(biāo)問題的可, 使得*x x, 則*x 為一個 Pareto 最優(yōu)解。 (Pareto 最優(yōu)解集): Pareto 最優(yōu)解構(gòu)成 Pareto 最優(yōu)解集配解集(Non-dominated Set)。定義如下： * * *,fP x x X x x (Pareto 前沿): Pareto 最優(yōu)解集*P 中所有最優(yōu)解對應(yīng)的areto 前沿 (Pareto Front, PF)，記作* * * * * *1 2{ ( ) ( ( ), ( ), , ( )| }mPF F x f x f x f x x P

第 1 章 緒論 提出了最大距離和稀疏方向的概念； 提出了更新領(lǐng)導(dǎo)者策略和領(lǐng)導(dǎo)者漫步策略，并將兩種策略與其他MOEAs結(jié) 提出了多目標(biāo)學(xué)習(xí)回溯搜索算法(MOLBSA)； 提出了多目標(biāo)集體決策優(yōu)化算法(MOCDOA)； 提出了一種新的啟發(fā)式算法，灰色預(yù)測優(yōu)化算法(GPEA)； 提出了多目標(biāo)灰色預(yù)測優(yōu)化算法(MOGPEA)。1.6 章節(jié)安排本文內(nèi)容共分為 7 個章節(jié)，論文的組織結(jié)構(gòu)如圖 1-2 所示，具體的安排如

圖 2-1 三個多目標(biāo)算法流程圖Fig.2-1 The flow chart of three multi-objective algorithm算法 2-1 三個多目標(biāo)算法整體框架偽代碼1. P 初始化種群2. Ar Non_dominated( P)Whilemaxt Tdo3. XL Leader_updating( Ar)if rand 0.5then4. T Lea der_ wandering( XL)else5. T Mutation_Crossover( P)6. newP Selection( P , T)7. Ar Non_dominated( newP Ar)if | Ar | Nathen8. Circular_crowed_sorting( Ar)9. t t 1

【相似文獻】

相關(guān)期刊論文 前10條

1 李改靈;李立華;張麗杰;;基于修正的差異演化算法機械鏈傳動優(yōu)化設(shè)計[J];軍事交通學(xué)院學(xué)報;2015年01期

2 李曉靖;;差異演化算法及其在機械設(shè)計中的應(yīng)用[J];科技傳播;2014年01期

3 郭超峰;李梅蓮;;改進的差分演化算法及其在動態(tài)規(guī)則中的應(yīng)用研究[J];河南大學(xué)學(xué)報(自然科學(xué)版);2013年01期

4 韓珂;楊俊鵬;;求解旅行商問題的分布式演化算法[J];華北水利水電學(xué)院學(xué)報;2013年04期

5 張欣;王志剛;夏慧明;;差異演化算法求解多維0—1背包問題[J];科學(xué)技術(shù)與工程;2012年06期

6 王志剛;夏慧明;;基于差異演化算法的化學(xué)方程式配平研究[J];哈爾濱商業(yè)大學(xué)學(xué)報(自然科學(xué)版);2012年04期

7 劉家駿;劉大瑾;;混合差異演化算法求解多維背包問題[J];計算機與數(shù)字工程;2011年01期

8 楊卿譽;王志剛;;差異演化算法求解二次分配問題[J];科學(xué)技術(shù)與工程;2011年34期

9 李瑞華;李霞;劉坤起;;敏捷制造中伙伴選擇問題的多子差異演化算法[J];山西師范大學(xué)學(xué)報(自然科學(xué)版);2011年04期

10 王志剛;;基于差異演化算法的非線性方程組求解[J];計算機工程與應(yīng)用;2010年04期

相關(guān)會議論文 前10條

1 曹蓮英;侯琳;李文勇;;多目標(biāo)演化算法在公交車輛發(fā)車間隔優(yōu)化中的應(yīng)用[A];2009年中國智能自動化會議論文集（第五分冊）[東南大學(xué)學(xué)報（增刊）][C];2009年

2 馮珊;李鋒;周凱波;;面向演化算法應(yīng)用的智能體系統(tǒng)建模與仿真研究[A];西部開發(fā)與系統(tǒng)工程——中國系統(tǒng)工程學(xué)會第12屆年會論文集[C];2002年

3 謝柏橋;戴光明;鄭蔚;王劍文;;有指導(dǎo)的多目標(biāo)演化算法在區(qū)域星座設(shè)計中的應(yīng)用[A];中國宇航學(xué)會深空探測技術(shù)專業(yè)委員會第四屆學(xué)術(shù)年會論文集[C];2007年

4 顏雪松;時晨;李暉;喬永強;;探測器電路優(yōu)化設(shè)計的演化算法研究[A];中國宇航學(xué)會深空探測技術(shù)專業(yè)委員會第六屆學(xué)術(shù)年會暨863計劃“深空探測與空間實驗技術(shù)”重大項目學(xué)術(shù)研討會論文集[C];2009年

5 張文俊;謝曉鋒;馬君;;并行演化算法在半導(dǎo)體器件綜合中的應(yīng)用[A];2006年全國開放式分布與并行計算學(xué)術(shù)會議論文集（二）[C];2006年

6 李林;宋立榮;肖邦定;李根保;Hongqing Cao;Friedrich Recknagel;He Zhang;Grace Chan;;雜交演化算法用于滇池藍藻水華的模擬與預(yù)警研究[A];中國藻類學(xué)會第八次會員代表大會暨第十六次學(xué)術(shù)討論會論文摘要集[C];2011年

7 李亮;褚雪松;;基于混沌變異和局部探索方式多樣性的演化算法在邊坡穩(wěn)定分析中的應(yīng)用[A];第八次全國巖石力學(xué)與工程學(xué)術(shù)大會論文集[C];2004年

8 李彬;胡浩;李剛;;基于多目標(biāo)演化算法的可靠度計算方法[A];中國力學(xué)大會-2015論文摘要集[C];2015年

9 陳偉;史小衛(wèi);;基于改進自適應(yīng)演化算法的微波電路優(yōu)化設(shè)計[A];2005'全國微波毫米波會議論文集（第一冊）[C];2006年

10 李元香;謝曼;鄭波盡;張進波;楊怡偉;;演化硬件設(shè)計的改進演化程序[A];Systems Engineering, Systems Science and Complexity Research--Proceeding of 11th Annual Conference of Systems Engineering Society of China[C];2000年

相關(guān)博士學(xué)位論文 前10條

1 劉會超;差分演化算法的演化模型分析與算法改進研究[D];武漢大學(xué);2015年

2 喻飛;人機協(xié)同演化算法研究[D];武漢大學(xué);2015年

3 洪文靜;大規(guī)模多目標(biāo)演化算法及其應(yīng)用研究[D];中國科學(xué)技術(shù)大學(xué);2018年

4 錢超;多目標(biāo)演化學(xué)習(xí)理論與方法研究[D];南京大學(xué);2015年

5 李紅葉;基于平衡法則的多目標(biāo)演化模型及應(yīng)用研究[D];西安理工大學(xué);2018年

6 岳雪芝;高維多目標(biāo)動力學(xué)演化算法及在GPU上的實現(xiàn)[D];武漢大學(xué);2013年

7 郭肇祿;獵物—捕食者模型啟發(fā)的演化算法研究[D];武漢大學(xué);2013年

8 周沖;基于參考點的高維多目標(biāo)演化算法研究及其在衛(wèi)星星座設(shè)計中的應(yīng)用[D];中國地質(zhì)大學(xué);2018年

9 張晉媛;演化算法中基于分類的預(yù)選擇策略研究[D];華東師范大學(xué);2018年

10 汪祖柱;基于演化算法的多目標(biāo)優(yōu)化方法及其應(yīng)用研究[D];安徽大學(xué);2005年

相關(guān)碩士學(xué)位論文 前10條

1 徐新林;面向EED問題的多目標(biāo)演化算法的設(shè)計與研究[D];長江大學(xué);2019年

2 黃超民;基于演化算法的高效用項集挖掘算法研究[D];北方工業(yè)大學(xué);2019年

3 卞超;非確定環(huán)境下演化算法理論分析的研究[D];中國科學(xué)技術(shù)大學(xué);2019年

4 劉艷鳳;演化算法停機條件研究[D];華東師范大學(xué);2019年

5 杜望;基于局部搜索策略的差分演化算法研究及改進[D];江西理工大學(xué);2018年

6 姜武;演化算法在連續(xù)搜索空間上的時間復(fù)雜度分析[D];中國科學(xué)技術(shù)大學(xué);2018年

7 方薈;基于均值偏移的混合演化算法研究[D];華東師范大學(xué);2018年

8 張咪;基于多目標(biāo)自適應(yīng)演化算法的網(wǎng)絡(luò)業(yè)務(wù)流分類方法研究[D];南京郵電大學(xué);2018年

9 李加加;基于演化算法的多級別多崗位護士排班問題研究[D];華中科技大學(xué);2017年

10 廖雄鷹;差分演化算法的集成探索及其變異策略的改進與應(yīng)用[D];武漢科技大學(xué);2018年

本文編號：2801039