本文關(guān)鍵詞：基于遺傳算法的電力工程多目標優(yōu)化研究

  更多相關(guān)文章： 電力工程 多目標優(yōu)化 遺傳算法 NSGA-Ⅱ

【摘要】：電力工程與一般的工程項目相比,對使用時的安全性和穩(wěn)定性要求更高。工期、成本和質(zhì)量三大目標的均衡實現(xiàn)是確保電力工程項目高效、高質(zhì)完成的必要條件。為了保證工程項目的順利實施和完成,就必須優(yōu)化各個目標之間的利益關(guān)系,使整體目標達到最優(yōu)狀態(tài)。傳統(tǒng)的多目標優(yōu)化方法在實際的工程優(yōu)化過程中局限性很大,而遺傳算法具有簡單易操作、通用以及適于并行處理等優(yōu)點,而且在求解多目標優(yōu)化問題上有較好的收斂性和可操作性本文主要研究遺傳算法在電力工程多目標優(yōu)化問題中的應(yīng)用。首先研究了適用于多目標優(yōu)化問題的通用數(shù)學(xué)模型,對傳統(tǒng)多目標優(yōu)化方法進行了詳細分析。其次對模式定理和積木塊假設(shè)的含義和涉及的定理進行了研究,分析了遺傳算法的主要構(gòu)成要素和運算步驟。研究了具有代表性的幾種多目標遺傳算法的原理和特點,包括向量評估算法(VEGA)、多目標遺傳算法(MOGA)和非支配排序遺傳算法(NSGA)。對非支配排序遺傳算法的改進算法NSGA-Ⅱ進行了詳細研究。最后,建立了三維的工期-成本-質(zhì)量的多口標優(yōu)化模型,選取了一個工程模型進行算法驗證,得到了一系列Pareto最優(yōu)解,選取了其中10個最優(yōu)解樣本進行了分析。結(jié)果表明,本文研究的多目標優(yōu)化算法能夠有效求解分析電力工程多目標優(yōu)化問題。
【關(guān)鍵詞】：電力工程 多目標優(yōu)化 遺傳算法 NSGA-Ⅱ
【學(xué)位授予單位】：華北電力大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TM7;TP18
【目錄】：

• 摘要5-6
• Abstract6-9
• 第1章 緒論9-15
• 1.1 電力工程多目標優(yōu)化研究的背景及意義9-10
• 1.2 國內(nèi)外相關(guān)研究現(xiàn)狀10-14
• 1.2.1 多目標優(yōu)化研究現(xiàn)狀10-12
• 1.2.2 遺傳算法研究現(xiàn)狀12-14
• 1.3 論文的主要研究內(nèi)容14-15
• 第2章 多目標優(yōu)化理論綜述15-21
• 2.1 多目標優(yōu)化問題的數(shù)學(xué)模型15-16
• 2.2 多目標優(yōu)化問題的最優(yōu)解16-18
• 2.3 傳統(tǒng)多目標優(yōu)化問題求解方法18-20
• 2.3.1 加權(quán)和法18-19
• 2.3.2 目標規(guī)劃法19-20
• 2.3.3 ε-約束法20
• 2.4 本章小結(jié)20-21
• 第3章 遺傳算法基本理論和實現(xiàn)方法21-33
• 3.1 遺傳算法的理論基礎(chǔ)21-24
• 3.1.1 模式定理22-24
• 3.1.2 積木塊假設(shè)24
• 3.2 遺傳算法的實現(xiàn)24-28
• 3.2.1 遺傳算法的概念24-26
• 3.2.2 遺傳算法的運算流程26-27
• 3.2.3 遺傳算法的特點27-28
• 3.3 多目標遺傳算法概述28
• 3.4 常用的多目標遺傳算法28-31
• 3.4.1 向量評估算法(VEGA)28-29
• 3.4.2 多目標遺傳算法(MOGA)29-30
• 3.4.3 非支配排序遺傳算法(NSGA)30-31
• 3.5 小結(jié)31-33
• 第4章 電力工程工期-成本-質(zhì)量多目標優(yōu)化研究33-50
• 4.1 NSGA-Ⅱ算法原理33-36
• 4.1.1 NSGA-Ⅱ運算流程33-35
• 4.1.2 NSGA-Ⅱ關(guān)鍵算子35-36
• 4.2 工期-成本-質(zhì)量的相關(guān)知識36-40
• 4.2.1 工期的概念36-37
• 4.2.2 成本的概念37
• 4.2.3 質(zhì)量的概念37-38
• 4.2.4 工期-成本-質(zhì)量的關(guān)系38-40
• 4.3 工期-成本-質(zhì)量三維優(yōu)化模型的建立40-41
• 4.3.1 工程質(zhì)量的量化方法40-41
• 4.3.2 模型的方程和變量41
• 4.4 模型的算法實現(xiàn)41-44
• 4.4.1 染色體結(jié)構(gòu)41-42
• 4.4.2 適應(yīng)度計算42
• 4.4.3 遺傳操作42-43
• 4.4.4 操作流程43-44
• 4.5 模型的應(yīng)用和算例分析44-49
• 4.6 小結(jié)49-50
• 第5章 總結(jié)與展望50-52
• 5.1 總結(jié)50-51
• 5.2 展望51-52
• 參考文獻52-56
• 致謝56-57
• 作者簡介57

【共引文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 華文立;胡學(xué)剛;;平衡決策樹分類精度與規(guī)則簡易性研究[J];安徽電子信息職業(yè)技術(shù)學(xué)院學(xué)報;2006年04期

2 吳金華;戴淼;尹劍;;基于遺傳神經(jīng)網(wǎng)絡(luò)的陜西省土地利用結(jié)構(gòu)模型研究[J];安徽農(nóng)業(yè)科學(xué);2008年36期

3 曹素兵;朱嬋;;RNA二級結(jié)構(gòu)遺傳預(yù)測算法中的選擇操作研究[J];安徽農(nóng)業(yè)科學(xué);2011年14期

4 鄭克;王喜成;;基于服務(wù)最大化的果蔬品配送中心選址問題[J];安徽農(nóng)業(yè)科學(xué);2011年14期

5 葉長芳;雷繼呈;高衛(wèi)斌;;自適應(yīng)遺傳算法在智能組卷中的應(yīng)用[J];信息安全與技術(shù);2011年07期

6 張志華;王莉;;網(wǎng)絡(luò)環(huán)境下廣告資源優(yōu)化決策模型[J];鞍山科技大學(xué)學(xué)報;2006年05期

7 曾凌峰;;基于遺傳算法的自動組卷策略與實現(xiàn)[J];遼寧科技大學(xué)學(xué)報;2010年03期

8 宮照煊;王莉;;基于正交設(shè)計的免疫克隆遺傳算法[J];遼寧科技大學(xué)學(xué)報;2010年05期

9 于含迪;;非結(jié)構(gòu)化數(shù)據(jù)分類整合在貴州項目網(wǎng)中的設(shè)計與實現(xiàn)[J];安順學(xué)院學(xué)報;2010年03期

10 楊波;鄭穎人;唐曉松;李安洪;;人工智能在雙排全長式抗滑樁設(shè)計中的應(yīng)用[J];地下空間與工程學(xué)報;2010年02期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 李枚毅;游維;蔡自興;;多樣度和適應(yīng)度引導(dǎo)的遺傳算法操作概率計算研究[A];第二十六屆中國控制會議論文集[C];2007年

2 張志華;王莉;劉洪;;最大化網(wǎng)絡(luò)廣告收入的投放決策[A];第二十六屆中國控制會議論文集[C];2007年

3 許秀英;甘龍輝;陶冶;黃操軍;;基于遺傳神經(jīng)網(wǎng)絡(luò)的土壤含水率預(yù)測[A];中國農(nóng)業(yè)工程學(xué)會2011年學(xué)術(shù)年會論文集[C];2011年

4 趙金帥;;基于遺傳算法和L濾波的混合噪聲濾波算法[A];第三屆全國壓電和聲波理論及器件技術(shù)研討會論文集[C];2008年

5 胡海洋;緒梅;;基于FPGA的遺傳算法在核爆監(jiān)測中的應(yīng)用[A];第十四屆全國核電子學(xué)與核探測技術(shù)學(xué)術(shù)年會論文集（下冊）[C];2008年

6 舒輝;文勁宇;曹一家;羅春風(fēng);王大光;宋福海;;基于改進遺傳算法的發(fā)電機勵磁系統(tǒng)參數(shù)辨識[A];湖北省電工技術(shù)學(xué)會2004年學(xué)術(shù)年會論文集[C];2004年

7 胡海洋;緒梅;;基于FPGA的遺傳算法在核爆監(jiān)測中的應(yīng)用[A];第十四屆全國核電子學(xué)與核探測技術(shù)學(xué)術(shù)年會論文集（2）[C];2008年

8 劉維東;陳德春;王志平;;基本遺傳算法在圍海規(guī)劃中的應(yīng)用研究[A];第十二屆中國海岸工程學(xué)術(shù)討論會論文集[C];2005年

9 鄭日榮;毛宗源;譚洪舟;;基于歐氏距離和精英交叉的免疫算法參數(shù)研究[A];第二十四屆中國控制會議論文集（下冊）[C];2005年

10 李高峰;劉翠蘭;王偉;;基于遺傳算法的粉煤灰高性能混凝土配合比優(yōu)化設(shè)計[A];全國高強與高性能混凝土及其應(yīng)用專題研討會論文集[C];2005年

，

本文編號：566535