检索结果-南通市图书馆

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

拥挤距离排序的多目标文化粒子群优化算法

控制与决策 2012年第9期27卷 1406-1410页

作者：李中凯李艾民朱真才中国矿业大学机电工程学院江苏徐州221116

为解决工程优化设计问题,引入文化进化框架,提出一种拥挤距离排序的多目标文化粒子群算法,采用拥挤距离排序算子,并删除密集区域的多余粒子,以保证Pareto前沿的分布均匀性;基于拥挤距离值,从精英知识和条件知识中选择处于最分散区域的粒... 详细信息

为解决工程优化设计问题,引入文化进化框架,提出一种拥挤距离排序的多目标文化粒子群算法,采用拥挤距离排序算子,并删除密集区域的多余粒子,以保证Pareto前沿的分布均匀性;基于拥挤距离值,从精英知识和条件知识中选择处于最分散区域的粒子,并将其分别作为全局和局部最优,以增强算法全局寻优能力;依据拥挤距离的变化,动态调整粒子群飞行参数,以提高算法收敛效率,通过标准测试问题以及与其他算法的对比,表明了所提出算法的有效性和鲁棒性。

关键词：文化粒子群算法多目标进化算法自适应参数调整拥挤距离

基于QPSO和拥挤距离排序的多目标量子粒子群优化算法

在线全文

学校读者我要写书评

暂无评论

控制与决策 2011年第4期26卷 540-547页

作者：施展陈庆伟南京理工大学自动化学院南京210094

为了提高多目标优化算法的收敛性、分布性和减少算法的计算代价,提出一种基于量子行为特性的粒子群优化(QPSO)和拥挤距离排序的多目标量子粒子群优化(MOQPSO-CD)算法.MOQPSO-CD利用QPSO快速接近真实的Pareto最优解,同时引入高斯变异算... 详细信息

为了提高多目标优化算法的收敛性、分布性和减少算法的计算代价,提出一种基于量子行为特性的粒子群优化(QPSO)和拥挤距离排序的多目标量子粒子群优化(MOQPSO-CD)算法.MOQPSO-CD利用QPSO快速接近真实的Pareto最优解,同时引入高斯变异算子以增强解的多样性.采用拥挤距离排序的方法对外部存储器中最优解进行更新和维护,使得从中选择的具有全局最优的领导粒子能够引导粒子群最终找到真实的Pareto最优解.仿真结果表明,MOQPSO-CD具有更好的收敛性和更均匀的分布性.

关键词：多目标优化量子行为特性粒子群优化拥挤距离 Pareto最优解

在线全文

学校读者我要写书评

暂无评论

基于拥挤距离排序的铝电解多目标优化

仪器仪表学报 2015年第11期36卷 2502-2509页

作者：易军黄迪李太福周伟姚立忠重庆科技学院电气与信息工程学院重庆401331 重庆科技学院安全工程学院重庆401331 重庆大学自动化学院重庆400044

针对铝电解生产过程难以快速、准确地获得节能减排多目标优化Pareto前沿问题,提出一种基于拥挤距离排序的多目标细菌觅食算法。方法在保证铝电解槽平稳运行的基础上,建立电流效率最大和温室气体排放量最小的多目标优化模型;利用拥挤距... 详细信息

针对铝电解生产过程难以快速、准确地获得节能减排多目标优化Pareto前沿问题,提出一种基于拥挤距离排序的多目标细菌觅食算法。方法在保证铝电解槽平稳运行的基础上,建立电流效率最大和温室气体排放量最小的多目标优化模型;利用拥挤距离更新外部档案及对菌群步长进行自适应动态调整,以改进种群的收敛性和多样性,最后对优化模型求解。通过实验可知,改进后的算法能快速获得分布均匀的Pareto最优解,运用优化后的决策参数指导生产,能在提高电流效率的同时减少温室气体的排放量,实现铝电解生产过程节能减排的目的。

关键词：铝电解多目标优化细菌觅食算法拥挤距离 Pareto最优解

在线全文

学校读者我要写书评

暂无评论

基于改进拥挤距离的多目标进化算法

计算机工程 2009年第9期35卷 211-213页

作者：汪文彬钟声琼州学院计算机科学与技术系五指山572200 海南大学信息科学与技术学院海口570228

针对多目标进化算法的拥挤距离截断算子的分布度保持不足以及在二进制编码情况下较难收敛的缺点,提出一种改进的多目标进化算法,使用改进的拥挤距离截断算子和自适应变异算子,与经典的多目标进化算法进行对比,实验表明,该算法得到的Par... 详细信息

针对多目标进化算法的拥挤距离截断算子的分布度保持不足以及在二进制编码情况下较难收敛的缺点,提出一种改进的多目标进化算法,使用改进的拥挤距离截断算子和自适应变异算子,与经典的多目标进化算法进行对比,实验表明,该算法得到的Pareto解集具有良好的收敛性和分布性。

关键词：多目标进化算法拥挤距离变异算子

在线全文

学校读者我要写书评

暂无评论

基于拥挤距离的多目标粒子群算法

计算机工程与应用 2009年第22期45卷 24-26页

作者：杨善学西安财经学院统计学院西安710061

该算法通过引用NSGA-II中的拥挤距离,确定外部档案中非支配解的拥挤度,依据竞标赛选择方法选出每个粒子的全局最优位置,引导每个粒子向处于较稀松区域的非支配解搜索,提高了解的多样性。动态变异算子的引入,减缓了算法的收敛速度,增大... 详细信息

该算法通过引用NSGA-II中的拥挤距离,确定外部档案中非支配解的拥挤度,依据竞标赛选择方法选出每个粒子的全局最优位置,引导每个粒子向处于较稀松区域的非支配解搜索,提高了解的多样性。动态变异算子的引入,减缓了算法的收敛速度,增大了解的搜索区域,避免了算法早熟收敛或陷入局部最优。实验结果表明,算法CDMOPSO比NSGA-II具有更好的收敛性和维持种群多样性的能力。

关键词：粒子群算法拥挤距离竞标赛选择方法动态变异算子

在线全文

学校读者我要写书评

暂无评论

基于拥挤距离的动态粒子群多目标优化算法

计算机工程与设计 2011年第4期32卷 1422-1425,1452页

作者：魏武郭燕华南理工大学自动化科学与工程学院广东广州510640

提出了一种改进的基于拥挤距离的动态粒子群多目标优化算法。为提高粒子的全局搜索能力,提出了新的动态变化惯性权重和加速因子的方法。引进了拥挤距离排序方法维护外部精英集和更新全局最优值。为保持非劣解的多样性,采用了小概率变异... 详细信息

提出了一种改进的基于拥挤距离的动态粒子群多目标优化算法。为提高粒子的全局搜索能力,提出了新的动态变化惯性权重和加速因子的方法。引进了拥挤距离排序方法维护外部精英集和更新全局最优值。为保持非劣解的多样性,采用了小概率变异机制,并根据种群的大小选择不同的变异概率。最后,把算法应用到5个典型的多目标测试函数并与其他算法进行比较。实验结果表明,该算法所得的Pareto解集有很好的收敛性和多样性。

关键词：多目标优化拥挤距离粒子群惯性权重外部精英集非劣解

基于拥挤距离的多目标粒子群优化算法在漳河水库优化调度中的应用

在线全文

学校读者我要写书评

暂无评论

水电能源科学 2013年第4期31卷 42-45页

作者：张小潭陈森林张峰远董前进付湘武汉大学水资源与水电工程科学国家重点实验室湖北武汉430072 辽宁省水利水电勘测设计研究院辽宁沈阳110006

针对传统多目标优化算法的不足,提出了基于拥挤距离的多目标粒子群优化算法(MOPSO-CD),该算法用拥挤距离来维持精英策略和选取全局极值,同时引入动态非均匀变异算子,用以维持粒子多样性、减缓算法收敛速度、避免早熟收敛。以漳河水库为... 详细信息

针对传统多目标优化算法的不足,提出了基于拥挤距离的多目标粒子群优化算法(MOPSO-CD),该算法用拥挤距离来维持精英策略和选取全局极值,同时引入动态非均匀变异算子,用以维持粒子多样性、减缓算法收敛速度、避免早熟收敛。以漳河水库为例,建立了以灌溉缺水量最小和发电量最大为目标函数的两目标优化调度模型,将MOPSO-CD应用于模型的求解中,得到了足够多且较均匀的非劣(Pareto)解前端。

关键词：多目标优化拥挤距离基于拥挤距离的多目标粒子群优化算法动态非均匀变异漳河水库

在线全文

学校读者我要写书评

暂无评论

基于双重距离的多目标粒子群优化算法

控制与决策 2024年第6期39卷 1801-1809页

作者：慈雨荣淼彭晨上海大学机电工程与自动化学院上海200444

多目标粒子群优化(multi-objective particle swarm optimization,MOPSO)算法在维护收敛性的同时搜索分布良好的最优解集较为费力.为此,提出一种基于双重距离的MOPSO,由种群的平均距离定义粒子的邻域空间,邻域粒子数为粒子的等级,数量越... 详细信息

多目标粒子群优化(multi-objective particle swarm optimization,MOPSO)算法在维护收敛性的同时搜索分布良好的最优解集较为费力.为此,提出一种基于双重距离的MOPSO,由种群的平均距离定义粒子的邻域空间,邻域粒子数为粒子的等级,数量越多,粒子的等级越大.当等级相同时,算法结合粒子的拥挤距离选择最优粒子,并更新外部归档集.此外,算法结合粒子的变异行为避免陷入局部最优.在对比实验中,该算法在收敛性和多样性上可取得较优结果.最后,将该算法应用到电力系统的环境/经济调度模型(environmental/economic dispatch,EED),也可获得性能较好的解集.

关键词：平均距离拥挤距离邻域信息多目标粒子群优化多目标问题环境/经济调度

在线全文

学校读者我要写书评

暂无评论

基于双重距离的多目标粒子优化方法

控制与决策 2023年

作者：慈雨荣淼彭晨上海大学机电工程与自动化学院

多目标粒子群优化(Multi-Objective Particle Swarm Optimization, MOPSO)算法在维护收敛性的同时搜索分布良好的最优解集是费力的.本文提出一种基于双重距离的MOPSO,由种群的平均距离定义粒子的邻域空间,邻域粒子数为粒子的等级,数量越... 详细信息

多目标粒子群优化(Multi-Objective Particle Swarm Optimization, MOPSO)算法在维护收敛性的同时搜索分布良好的最优解集是费力的.本文提出一种基于双重距离的MOPSO,由种群的平均距离定义粒子的邻域空间,邻域粒子数为粒子的等级,数量越多,粒子的等级越大.当等级相同时算法结合粒子的拥挤距离来选择最优粒子,以及更新外部归档集.此外,算法结合粒子的变异行为避免陷入局部最优.在对比实验中,该算法在收敛性和多样性上取得了较优结果.最后,该算法应用到电力系统的环境/经济调度模型(Environmental/Economic Dispatch,EED),也获得性能较好的解集.

关键词：平均距离拥挤距离邻域信息多目标粒子群多目标优化环境/经济调度