多目标粒子群优化算法的改进与应用

扫码查看

原文链接

NETL

中文摘要：多目标优化问题普遍涉及到工程设计、生产制造、信息处理等应用领域。粒子群优化算法具有快速收敛、简单易行、并行搜索等特点，特别适合处理多目标优化问题。本文对多目标粒子群优化算法进行系统性的研究，具体内容如下: (1)针对粒子群优化算法对控制参数取值较为敏感的问题，提出了一种具有较少控制参数的多目标粒子群优化算法。利用量子模型搜索问题空间，达到增强算法全局搜索能力的目的。引入变异概率随迭代次数增加而递减的变异策略，以防止种群早熟收敛。采用外部档案保留迭代过程中搜索到的Pareto最优解，以提高粒子群的多样性。利用自适应网格法更新和维护外部档案，进而从中选择全局最优的领导粒子，使种群快速逼近真实Pareto最优前沿，又能保持良好的分布特性。通过与3种已有算法进行仿真对比，验证了所提算法具有更好的收敛性和分布性。 (2)为解决传统多目标优化算法难以保留多个Pareto最优解集的问题，提出了一种使用环形拓扑结构和邻域扰动策略的多模态多目标粒子群优化算法(RNMOPSO)。利用基于索引的无重叠环形拓扑结构，在不指定任何小生境参数的情况下，促使种群形成多个独立搜索的小生境，使算法能够搜索到更多最优解。给出一种全局搜索和局部搜索两种搜索模式的自动转换机制，以更好地平衡收敛性和多样性。引入停滞检测策略对邻域最优粒子加以扰动，从而提高粒子群的多样性，防止算法早熟收敛于某一支Pareto最优解集。使用所提算法对11个多模态多目标算例进行仿真测试，验证了该算法能够在较好保证目标空间中多样性和收敛性的同时，搜索到更多完整且分布均匀的Pareto最优解集。 (3)研究了电力系统调度问题的多目标粒子群优化方法。针对综合考虑发电成本和污染排放的环境经济调度问题，建立了问题的数学模型，使用本文提出的具有较少控制参数的粒子群优化算法进行求解。采用整数编码方式，对粒子在搜索空间的位置和环境经济调度问题的解之间建立了合适的映射关系。采用一种有效针对等式约束的约束处理方法，快速调整环境经济调度问题的非可行解。引入模糊集理论提取环境经济调度问题的折衷解。将改进的算法应用于IEEE-30节点的测试系统，验证了所设计算法在处理环境经济调度问题的可行性和有效性。 (4)研究了特征选择问题的多目标粒子群优化方法，对实际特征选择问题的多模态特性进行了建模分析，使用本文提出的多模态多目标粒子群优化算法进行求解。将该算法应用于7个数据集，实验表明所设计的算法在保证最终分类精度的基础上得到了多组等效的特征子集，降低了特征提取的成本。

作者：

尹丹

展开 >

关键词：

粒子群优化算法多目标优化环境经济调度特征选择

授予学位：

硕士

学科专业：

控制工程

导师：

章恩泽；黄鹭

学位年度：

2021

学位授予单位：

扬州大学

语种：

中文

中图分类号：