Pareto最优解集

摘要： 针对综合能源系统污染物排放系数高、能源利用率低的问题,建立了一种含多种蓄能装置的冷热电联供型综合能源系统运行优化模型.以系统运行成本和环境成本最小为目标,基于改进NSGA-2-DE算法进行优化求解,得到系统运行方案的Pareto最优解集,并通过TOPSIS法得到最佳运行方案.以实际综合能源系统为例进行算例分析,结果表明:所提方法与传统的供能系统相比具有节能环保的优点,与传统算法相比计算时间缩短了45.56 s、运行成本和环境成本分别下降了5.2%和18.7%.

摘要： 为使快速开关型故障限流器(fast switch fault current limiter,FSFCL)在系统应用中发挥其最大优势,提出一种配置FSFCL多目标优化新方法。首先,针对FSFCL配置组合方案多、算法搜索范围大、寻优效率低下问题,提出基于超标节点短路电流变化总量的灵敏度法。其次,计及加装FSFCL后对系统所有节点短路电流的综合影响,提出一种权衡局部与全局限流效果的衡量指标,并在此基础上兼顾经济成本,建立FSFCL优化配置模型。最后,采用灰狼算法进行求解,并在传统灰狼算法上引入非线性余弦型收敛因子,通过对IEEE30案例进行仿真验证,表明基于改进灰狼算法的Pareto最优解集分布更加均匀且跨度更大,设计者可根据实际需求从中选取配置方案。

摘要： 针对算法多样性丢失,获得的Pareto解集不完整等不足,提出基于最小生成树的粒子群优化算法(particle swarm optimization algorithm based on minimum spanning tree,MSTPSO)。采用最小生成树机制,构建多个不同的邻域,引导粒子在邻域内进化;利用扩散策略,挖掘邻域的有用信息,扩大粒子的搜索范围;引入调和平均距离衡量解在决策空间的拥挤度,维持解的均匀分布。通过12个测试函数和一个实际优化问题,并与8个算法进行比较,其结果表明,MSTPSO在决策空间获得了收敛性好且均匀分布的解集。

摘要： 路径测试是一种非常重要且应用广泛的结构测试方法,已有路径生成方法的测试效率不高、测试开销较大,且易生成冗余测试路径.针对以上问题,主要研究路径选择问题的优化模型及其进化求解方法,目的在于:在不降低测试覆盖率的前提下,减少冗余路径的数量,降低测试消耗.首先,以多条路径作为决策变量,基于该决策变量包含的边数和路径数,建立多目标优化模型;然后,采用多目标进化算法求解该模型,得到目标路径集.将所提方法应用于7个基准测试程序,并与其他算法比较.实验结果表明,相比其他算法,所提方法能够在保证测试充分性的条件下,降低测试消耗,从而提高测试效率.

摘要： 由光束线状态决定的光束质量很大程度上影响着生物大分子晶体学的实验结果,目前上海光源晶体学线站的调光工作是由线站工作人员手动完成,费时费力.上海光源衍射线站采用差分进化算法实现了光束线样品点处光通量的单目标自动优化,但该方案仍然存在一定的局限性.为了进一步完善光束线自动优化方案和提高实验用户的束线机时使用效率,使用Python语言设计开发了基于带精英策略的非支配排序的遗传算法(Non Dominated Sorting Genetic Algorithm-Ⅱ,NSGA-Ⅱ)的多目标优化程序,实现了线站调光自动化技术升级.将该技术应用于上海光源BL10U2线站,以其次级光源点的光束位置和光通量为优化目标,可获得Pareto最优解集,并能从解集中根据实验需要自主选取合适的解.测试结果表明:相较于上海光源已有的自动优化方案,该多目标自动优化程序保证了光束线光束位置和光通量优化在30 min以内完成,进一步提高光束线自动优化效率和水平.

摘要： 杀伤爆破战斗部杀伤威力一直是杀伤爆破战斗部设计中关注的技术指标之一.基于Stochastic随机破碎模型和破碎性试验对杀伤爆破战斗部威力参数进行研究,分析装药种类、弹体壁厚和弹体材料对杀伤爆破战斗部有效破片形成的影响规律.以弹体材料参数和弹体厚度为设计变量,以有效破片的数量和平均动能最大为优化目标,采用非支配排序遗传算法得到不同设计变量条件下的Pareto最优解集.结果表明:Stochastic随机破碎模型可以有效地反映战斗部形成有效破片的质量分布规律;基于代理模型和多目标遗传算法的战斗部杀伤威力优化方法,能够有效提高杀伤爆破战斗部的杀伤威力,优化结果可为杀伤爆破战斗部设计提供参考.

摘要： 针对当前算法在解决多模态多目标问题时获得的帕累托解集不完整、收敛性较差等不足,提出一种基于双层协同进化的多目标粒子群算法(double-layer co-evolutionary multi-objective particle swarm optimization algorithm,DCMOPSO).利用双层协同进化机制划分上层探测种群和下层跟随种群,上下层协同进化以找到多个解;采用基于决策空间拥挤距离度量以维持解在决策空间的多样性.在12个测试函数上与其它6种算法进行比较,实验结果表明,DCMOPSO在决策空间中能够找到更多的帕累托解集,具有良好的收敛性能.

摘要： 本文提出一种结合模糊控制、灰色预测以及多目标遗传算法优化的过程控制策略.将预测概念扩展为前向和后向预测,并与模糊控制相结合,侧重于如何在前向、后向预测模式间进行有效的转换,将动态性能指标作为优化目标,多目标遗传算法用来寻找控制系统的Pareto最优解集,决策者可根据当前工作需求从中选择最终的满意解.通过对水箱液位的控制实验结果表明,该方法在实际过程中是切实可行和值得推广的.

摘要： 本文提出一种结合模糊控制、灰色预测以及多目标遗传算法优化的过程控制策略.将预测概念扩展为前向和后向预测,并与模糊控制相结合,侧重于如何在前向、后向预测模式间进行有效的转换,将动态性能指标作为优化目标,多目标遗传算法用来寻找控制系统的Pareto最优解集,决策者可根据当前工作需求从中选择最终的满意解.通过对水箱液位的控制实验结果表明,该方法在实际过程中是切实可行和值得推广的.

摘要： 本文提出一种结合模糊控制、灰色预测以及多目标遗传算法优化的过程控制策略.将预测概念扩展为前向和后向预测,并与模糊控制相结合,侧重于如何在前向、后向预测模式间进行有效的转换,将动态性能指标作为优化目标,多目标遗传算法用来寻找控制系统的Pareto最优解集,决策者可根据当前工作需求从中选择最终的满意解.通过对水箱液位的控制实验结果表明,该方法在实际过程中是切实可行和值得推广的.

摘要： 本文提出一种结合模糊控制、灰色预测以及多目标遗传算法优化的过程控制策略.将预测概念扩展为前向和后向预测,并与模糊控制相结合,侧重于如何在前向、后向预测模式间进行有效的转换,将动态性能指标作为优化目标,多目标遗传算法用来寻找控制系统的Pareto最优解集,决策者可根据当前工作需求从中选择最终的满意解.通过对水箱液位的控制实验结果表明,该方法在实际过程中是切实可行和值得推广的.

摘要： 提出一种基于自适应空间划分的多目标优化算法来求解电力系统环境经济调度问题,多目标搜索空间被分割成多个区域,区域内的粒子被一种新的局部和全局最优来引导,从而快速靠近Pareto最优前沿面,通过年龄观测器实时记录引导者为粒子靠近Pareto最优解集所做的贡献,根据贡献程度在一定周期内更换引领者,从而使种群多样性得到保持,设计了一种新型精英学习策略,将差分演化引入Pareto最优解集,通过变异操作来防止Pareto最优解集陷入局部最优,新算法能对解空间进行更加全面、充分的探索,从而快速找到一组分布具有尽可能好的逼近性、宽广性和均匀性的最优解集合.对国际测试函数以及电力系统环境经济负荷分配模型进行仿真,并与文献中的其他算法进行了比较,结果表明,改进的算法能够在保持Pareto最优解多样性的同时具有较好的收敛性能。

摘要： 提出一种基于自适应空间划分的多目标优化算法来求解电力系统环境经济调度问题,多目标搜索空间被分割成多个区域,区域内的粒子被一种新的局部和全局最优来引导,从而快速靠近Pareto最优前沿面,通过年龄观测器实时记录引导者为粒子靠近Pareto最优解集所做的贡献,根据贡献程度在一定周期内更换引领者,从而使种群多样性得到保持,设计了一种新型精英学习策略,将差分演化引入Pareto最优解集,通过变异操作来防止Pareto最优解集陷入局部最优,新算法能对解空间进行更加全面、充分的探索,从而快速找到一组分布具有尽可能好的逼近性、宽广性和均匀性的最优解集合.对国际测试函数以及电力系统环境经济负荷分配模型进行仿真,并与文献中的其他算法进行了比较,结果表明,改进的算法能够在保持Pareto最优解多样性的同时具有较好的收敛性能。

摘要： 提出一种基于自适应空间划分的多目标优化算法来求解电力系统环境经济调度问题,多目标搜索空间被分割成多个区域,区域内的粒子被一种新的局部和全局最优来引导,从而快速靠近Pareto最优前沿面,通过年龄观测器实时记录引导者为粒子靠近Pareto最优解集所做的贡献,根据贡献程度在一定周期内更换引领者,从而使种群多样性得到保持,设计了一种新型精英学习策略,将差分演化引入Pareto最优解集,通过变异操作来防止Pareto最优解集陷入局部最优,新算法能对解空间进行更加全面、充分的探索,从而快速找到一组分布具有尽可能好的逼近性、宽广性和均匀性的最优解集合.对国际测试函数以及电力系统环境经济负荷分配模型进行仿真,并与文献中的其他算法进行了比较,结果表明,改进的算法能够在保持Pareto最优解多样性的同时具有较好的收敛性能。

摘要： 提出一种基于自适应空间划分的多目标优化算法来求解电力系统环境经济调度问题,多目标搜索空间被分割成多个区域,区域内的粒子被一种新的局部和全局最优来引导,从而快速靠近Pareto最优前沿面,通过年龄观测器实时记录引导者为粒子靠近Pareto最优解集所做的贡献,根据贡献程度在一定周期内更换引领者,从而使种群多样性得到保持,设计了一种新型精英学习策略,将差分演化引入Pareto最优解集,通过变异操作来防止Pareto最优解集陷入局部最优,新算法能对解空间进行更加全面、充分的探索,从而快速找到一组分布具有尽可能好的逼近性、宽广性和均匀性的最优解集合.对国际测试函数以及电力系统环境经济负荷分配模型进行仿真,并与文献中的其他算法进行了比较,结果表明,改进的算法能够在保持Pareto最优解多样性的同时具有较好的收敛性能。

摘要： 提出一种基于自适应空间划分的多目标优化算法来求解电力系统环境经济调度问题,多目标搜索空间被分割成多个区域,区域内的粒子被一种新的局部和全局最优来引导,从而快速靠近Pareto最优前沿面,通过年龄观测器实时记录引导者为粒子靠近Pareto最优解集所做的贡献,根据贡献程度在一定周期内更换引领者,从而使种群多样性得到保持,设计了一种新型精英学习策略,将差分演化引入Pareto最优解集,通过变异操作来防止Pareto最优解集陷入局部最优,新算法能对解空间进行更加全面、充分的探索,从而快速找到一组分布具有尽可能好的逼近性、宽广性和均匀性的最优解集合.对国际测试函数以及电力系统环境经济负荷分配模型进行仿真,并与文献中的其他算法进行了比较,结果表明,改进的算法能够在保持Pareto最优解多样性的同时具有较好的收敛性能。

摘要： 基于多目标优化问题中Pareto最优解集的概念，提出了一套多目标遗传算法，对直升机的总体参数进行优化。算法引入了个体的序和密度的概念，将多目标优化转化为双目标优化，并改进了非支配集的筛选和适应度的计算。以UH-1H直升机为优化算例，计算结果表明，本文提出的多目标遗传算法适用于解决多目标优化问题，能够改善Pareto解的质量和均匀性分布。

摘要： 本发明公开了一种求解Pareto最优解集多目标无功优化方法，本发明将问题转化为求解含两个目标函数的无功优化问题，能够直接通过切线法分别求得两个目标函数的边界点，再采用加不等式约束的方法来求得两个目标函数构成的Pareto前沿，在计算过程中，求解单目标无功优化模型的算法采用原对偶内点法，初值的给点采用潮流计算的结果；本发明的优点是：在无功优化过程中综合考虑了多个目标的最优，有效地避免了其他算法通过构造单目标无功优化模型时产生的主观性，能够直观地从Pareto前沿面中看出各个目标函数分布的情况，方便决策者做出满足系统运行需要、合理、可靠的决策。

摘要： 本发明提供了一种优化Pareto最优解集的多目标群搜索优化方法，包括：发现者的动态选取处理以及精英集维护更新处理，其中所述发现者的动态选取处理用于采用动态加权综合评价方法对当代的非支配解集进行动态评价来执行发现者的选取；而且所述精英集维护更新处理用于在当代非支配解规模超过精英集容量时采用逐次淘汰策略对当代非支配解进行缩减处理。

摘要： 本发明公开了一种求解Pareto最优解集多目标无功优化方法，本发明将问题转化为求解含两个目标函数的无功优化问题，能够直接通过切线法分别求得两个目标函数的边界点，再采用加不等式约束的方法来求得两个目标函数构成的Pareto前沿，在计算过程中，求解单目标无功优化模型的算法采用原对偶内点法，初值的给点采用潮流计算的结果；本发明的优点是：在无功优化过程中综合考虑了多个目标的最优，有效地避免了其他算法通过构造单目标无功优化模型时产生的主观性，能够直观地从Pareto前沿面中看出各个目标函数分布的情况，方便决策者做出满足系统运行需要、合理、可靠的决策。

摘要： 为了使多目标粒子群算法近似Pareto前端的收敛性和多样性更优，本发明提出了基于按区择取全局最优解和就近择取个体最优解的多目标粒子群算法，将坐标第一象限区域按角度平均划分成一定的扇形区域，让粒子在与自己同一区域的非劣解中选取全局最优解，同时设置个体外部档案保存每个个体粒子发现的Pareto最优解,从个体外部档案中选取与粒子向量夹角最小的个体外部档案向量所对应的位置作为个体极值，以及在基本速度更新公式中增加了粒子对自己不好历史经验认知的项，并采用类似于分析标准PSO的优化机理的方法证明其有效性。用本算法优化2个多目标检测函数，与其他2种优化算法相比，以验证本改进算法更佳的优化效果。

摘要： 本发明提供了最优解关系显示装置和最优解关系显示方法。一种装置：接收样本集合的输入，其中每个包括设计参数的值的集合和目标函数的值的集合；计算目标函数近似式；选择与非劣解相对应的设计参数的值的一些集合来作为最优设计参数集合的初始候选。该装置计算内插在候选中的两个相邻分量之间的一个或多个内插设计参数集合；并且针对每个内插设计参数集合，近似目标函数的值。该装置选择与对一对目标函数的成本评估的非劣解相对应的最优内插设计参数集合；并将其结合到候选中。该装置在确定新候选的成分之间的参数距离的同时对新候选重复处理。最终获得的新候选被输出作为最终最优设计参数集合并且与其有关的信息被显示。

摘要： 本发明涉及一种基于最优解的智能体残障设备投放方法，包括计算得到智能体选择的动作和Q值并进行初始化操作；进行总回合中的一个片段操作，将当前状态初始化为S0，在概率为ε时选择最大Q值对应的动作，否则选择一个随机动作，并执行该动作获得奖励后进入下一个状态；将当前状态、执行的动作、奖励和下一个状态作为一个四元组集合存入经验池，并更新sum‑tree的父节点；判断当前Q值与最优值之间的误差是否在阈值范围内，得到最终智能体选择的动作和Q值。本发明的优点在于：奖励进行分解，每一个智能体的奖励不仅包含自己的奖励，还包括所有智能体共同的奖励，提升了智能体之间的协作性，对智能体学习起到促进作用同时能满足优化目标。

摘要： 本发明涉及电力系统技术分析技术领域，且公开了一种基于最优解的配电网方案投资比选方法，其特征在于，包括以下步骤：步骤一：构建可以量化的配电网线路全生命周期成本模型；步骤二：对配电网线路进行成本分析；步骤三：对配电网投资类型进行分类预测。该基于最优解的配电网方案投资比选方法，通过建立适用的配电网线路全生命周期成本模型，通过本方法对配电网投资规划项目进行投资成本的分析，可以规范配电网规划技术投资比选工作，实现电网规划方案的量化分析比较，提升配电网规划的技术经济分析水平，提高配电网规划的科学性、合理性，为投资建设方案制定提供有效参考及数据支撑。

摘要： 本发明公开了一种基于膜计算的单细胞膜最优解计算优化方法，属于膜计算领域。在单细胞膜优化方法中，每个子膜包含的通信取代进化的控制规则使用、结构化对象中所涉及的重写膜系统和计算中产生的自适应膜结构，以及表层膜中采用的选择规则、催化规则、溶解规则和细胞器膜间的条件通讯规则，将细胞内各种细胞器的功能抽象为细胞器膜结构，使各类细胞器膜具有不同功能，以达到对细胞功能的模仿，通过不同膜对寻优结果进行不同的加工，由每个细胞个体对结果进行取舍，实现优化计算。

摘要： 本发明公开了一种永磁同步电机转子最大应力最优解的预测方法，通过对永磁体槽上的倒角大小和位置进行优化，可以减小V型内置式永磁同步电机转子上的最大应力，从而求出最大应力最优解，每一组可以维持电磁性能不变的电磁设计参数组合下都可以求出唯一最优解，通过建立代理模型就可以建立电磁设计参数组合和最优解的映射关系。本发明方法可以写成Matlab脚本进行代理模型建模，在电机设计时只需要输入电磁设计参数组合就可以快速预测出转子上的最大应力最优解，从而可以评估电机设计的合理性，为电机设计参数的选取提供了依据。

摘要： 本发明提供确定最优解的方法、补货方法、装置、设备及介质，方法包括：根据贪心算法和事件目标对第k个事件状态向后模拟n步得到向后模拟第n步时的若干个局部解，补全向后模拟第n步时得到的局部解得到对应的完整解；根据事件目标确定所有完整解中的最优完整解；根据最优完整解回溯至向后模拟第1步时得到的对应的局部解，在第k个事件状态下执行所回溯的局部解；其中，k满足0≤k≤p，n满足n≥1，k和n还满足n+k＜p。方法基于贪心算法进行改进，弥补了贪心算法只注重当前最优的短视缺陷，实现整体利益最大化，避免局部利益与整体利益相冲突的情况，使在每个事件状态执行的局部解都充分考虑了对后一事件状态的影响，具备了考虑整体最优的特性。