多目標(biāo)優(yōu)化問(wèn)題（Multi-objective optimization problems,MOP）是指需要同時(shí)對(duì)不止一個(gè)目標(biāo)進(jìn)行優(yōu)化求解的問(wèn)題,這些目標(biāo)之間是相互矛盾的,在對(duì)其中一個(gè)目標(biāo)優(yōu)化的同時(shí)會(huì)導(dǎo)致其他的目標(biāo)劣化,該類問(wèn)題的求解是需要找到一組能夠使各個(gè)多目標(biāo)之間優(yōu)化性能均衡的解。機(jī)組組合優(yōu)化問(wèn)題作為一種典型的多目標(biāo)優(yōu)化問(wèn)題,其研究具有很大的經(jīng)濟(jì)效益與環(huán)保效益,遺傳算法在解決機(jī)組組合優(yōu)化問(wèn)題時(shí)有較大優(yōu)勢(shì),而帶精英策略的非支配排序遺傳算法（Elitist Non-donminated Sorting Genetic Algorithm,NSGA-II）作為遺傳算法的衍生算法在求解多目標(biāo)優(yōu)化問(wèn)題時(shí)具有更高的求解效率,但也存在著容易陷入局部最優(yōu)、搜索能力較弱等缺點(diǎn),針對(duì)這些問(wèn)題,本文對(duì)此做了研究與改進(jìn)并應(yīng)用到機(jī)組組合優(yōu)化問(wèn)題中。本文對(duì)傳統(tǒng)的NSGA-II的交叉算子與變異算子進(jìn)行改進(jìn)。引入正態(tài)分布交叉算子與自適應(yīng)調(diào)整變異算子來(lái)替代原有的模擬二進(jìn)制交叉算子與多項(xiàng)式變異算子,增強(qiáng)了算法的空間搜索能力,加快了收斂速度并保證了種群的多樣性。針對(duì)傳統(tǒng)的NSGA-II局部搜索能力較弱的問(wèn)題,本文使用了... 

【文章來(lái)源】：華北電力大學(xué)河北省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：55 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2-1兩個(gè)目標(biāo)的Pareto支配關(guān)系

圖 2-2 兩目標(biāo)的 Pareto 最優(yōu)前沿優(yōu)化算法的性能指標(biāo)標(biāo)優(yōu)化算法的性能指標(biāo)標(biāo)準(zhǔn)一般包括兩部分：第一消耗的時(shí)間與存儲(chǔ)空間；第二，算法解的質(zhì)量?jī)?yōu)劣用時(shí)間復(fù)雜度與空間復(fù)雜度對(duì)其進(jìn)行評(píng)判；對(duì)于后中一般在算法的收斂性與多樣性兩方面對(duì)其評(píng)價(jià)，問(wèn)題的真實(shí)解并且算法的解集有較好的分布性[40]。兩方面進(jìn)行介紹。望的最終解集應(yīng)該盡可能的逼近 Pareto 前沿，也就解越小越好，下面給出兩種典型的方法：準(zhǔn)則 方法進(jìn)行算法性能評(píng)價(jià)時(shí)，需要預(yù)先知道問(wèn)題的最

圖 2-3 收斂性指標(biāo) 的示意圖間的覆蓋率(CS)一個(gè)問(wèn)題使用不同的求解方式得到的最優(yōu)解集 A種方法不需要將解出的最優(yōu)解與真實(shí)的最優(yōu)解對(duì)比示。 : ( , )u B A uCS A BB ， 表示弱支配，兩個(gè)解集之間的覆蓋率描述的是平，它是對(duì)解集優(yōu)劣的評(píng)價(jià)，CS ( A, B ) 0,1 。若 被 A中的解全部弱支配；若CS ( A, B) 0，說(shuō)明 中。一般情況下 A B ，在對(duì)解集 、 進(jìn)行覆蓋S ( A, B )和 CS ( B, A) ，但兩者的和不一定為 1。性的判斷一般包括兩部分：第一，解集的多樣性，

【參考文獻(xiàn)】：
期刊論文
[1]混合NSGA-Ⅱ和DE的優(yōu)化算法及應(yīng)用[J]. 李巖,張光武.  哈爾濱理工大學(xué)學(xué)報(bào). 2018(05)
[2]面向用戶信息需求的移動(dòng)商務(wù)在線評(píng)論效用評(píng)價(jià)研究[J]. 相甍甍,郭順利,張向先.  情報(bào)科學(xué). 2018(02)
[3]基于距離收斂量和歷史信息密度的多目標(biāo)進(jìn)化算法[J]. 李瀟涵,劉博,張友.  計(jì)算機(jī)應(yīng)用研究. 2017(12)
[4]基于自適應(yīng)多目標(biāo)指數(shù)罰函數(shù)的NSGA-Ⅱ算法[J]. 王聰,趙文玲.  山東理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(03)
[5]一種改進(jìn)型粒子群優(yōu)化算法在電力系統(tǒng)經(jīng)濟(jì)負(fù)荷分配中的應(yīng)用[J]. 吳辰斌,李海明,劉棟,吳正陽(yáng),武蕾.  電力系統(tǒng)保護(hù)與控制. 2016(10)
[6]機(jī)組啟停優(yōu)化中遺傳算法的應(yīng)用研究[J]. 趙適宜.  中國(guó)電業(yè)(技術(shù)版). 2015(02)
[7]自適應(yīng)動(dòng)態(tài)規(guī)劃綜述[J]. 張化光,張欣,羅艷紅,楊珺.  自動(dòng)化學(xué)報(bào). 2013(04)
[8]并行多家族遺傳算法解多目標(biāo)優(yōu)化問(wèn)題[J]. 盧海,鄢烈祥,史彬,林子雄,李驍淳.  化工學(xué)報(bào). 2012(12)
[9]基于遺傳算法的隨機(jī)機(jī)組組合問(wèn)題求解[J]. 熊高峰,聶坤凱,劉喜蘋,蔡振華,謝上華.  電力系統(tǒng)及其自動(dòng)化學(xué)報(bào). 2012(05)
[10]遺傳算法研究進(jìn)展[J]. 馬永杰,云文霞.  計(jì)算機(jī)應(yīng)用研究. 2012(04)

博士論文
[1]煤炭礦區(qū)節(jié)能減排多目標(biāo)優(yōu)化決策研究[D]. 楊娟.中國(guó)地質(zhì)大學(xué) 2014
[2]基于代理模型的多目標(biāo)優(yōu)化方法及其在車身設(shè)計(jì)中的應(yīng)用[D]. 陳國(guó)棟.湖南大學(xué) 2012

碩士論文
[1]含風(fēng)電—火電的機(jī)組組合優(yōu)化問(wèn)題研究[D]. 梁健.廣東工業(yè)大學(xué) 2018
[2]改進(jìn)蜜蜂進(jìn)化型遺傳算法引導(dǎo)的NSGA2兩階段優(yōu)化算法及應(yīng)用[D]. 張麗科.湖南大學(xué) 2016
[3]含風(fēng)電場(chǎng)的低碳減排多目標(biāo)動(dòng)態(tài)機(jī)組組合優(yōu)化[D]. 周宇軒.長(zhǎng)沙理工大學(xué) 2016



本文編號(hào)：3535130