本文關(guān)鍵詞：演化約束優(yōu)化及演化動態(tài)優(yōu)化求解算法研究

  更多相關(guān)文章： 演化算法 動態(tài)約束優(yōu)化 定位和跟蹤可行區(qū)域 梯度修復(fù) 族群

【摘要】：最優(yōu)化問題在實際問題中廣泛存在。本文主要關(guān)注最優(yōu)化問題的約束處理方法、時間關(guān)聯(lián)特征以及動態(tài)處理機制,并且研究了兩個實際的優(yōu)化問題,即短期水火電調(diào)度問題和動態(tài)最優(yōu)潮流問題。本文采用演化算法作為基本的求解算法。演化算法是基于種群的生物啟發(fā)式隨機搜索算法,由于適合于解決不連續(xù)、多峰、不可差分等復(fù)雜問題,全局搜索能力較強,并且具有較好的自適應(yīng)性,近年來被廣泛研究。本文的創(chuàng)新之處如下:針對約束優(yōu)化問題,提出基于族群的修復(fù)策略用于選擇有代表性的不可行個體進行梯度修復(fù),而不是隨機選擇個體修復(fù)。梯度修復(fù)方法雖然是一種有效的約束處理方法,然而,如果對所有不可行解都進行梯度修復(fù),會消耗大量的計算量。因此,已有的文獻中都是隨機的選擇一部分解進行修復(fù)的。然而,隨機修復(fù)可能會使得位置相鄰的個體同時被修復(fù),從而導(dǎo)致冗余修復(fù);并且,在種群已定位到某個可行區(qū)域的情況下,可能仍會選擇該區(qū)域附近的不可行個體進行修復(fù),從而會浪費計算量。本文提出基于族群的選擇方法�；舅枷胧峭ㄟ^聚類算法將種群劃分為若干族群;對于每一族群,根據(jù)該族群內(nèi)可行個體的比例決定待修復(fù)個體的數(shù)目。該方法可以顯著地減少冗余修復(fù),并且增加修復(fù)后個體的多樣性,從而減少了陷入局部最優(yōu)的概率。實驗結(jié)果表明,在大多數(shù)情況下,提出的算法要比原算法的結(jié)果更好;同時,用于梯度修復(fù)的評估次數(shù)顯著少于原算法。針對動態(tài)時間關(guān)聯(lián)優(yōu)化問題,研究了預(yù)測器不可靠時如何提升預(yù)測方法的性能。動態(tài)時間關(guān)聯(lián)優(yōu)化指的是具有時間關(guān)聯(lián)特征的動態(tài)優(yōu)化問題。時間關(guān)聯(lián)指的是當(dāng)前所做的決策會影響問題未來的狀態(tài)。盡管時間關(guān)聯(lián)特征在實際問題中很常見,但是,在演化優(yōu)化領(lǐng)域得到的關(guān)注還比較少。目前,在演化優(yōu)化領(lǐng)域,預(yù)測策略是主要的求解算法。但是,目前的預(yù)測策略沒有考慮預(yù)測不準(zhǔn)的情況。因此,本文提出了基于逆序數(shù)衡量預(yù)測準(zhǔn)確度的方法,并且設(shè)計了一種基于預(yù)測精度的隨機排序機制用于選擇個體。另外,我們提出了一種動態(tài)時間關(guān)聯(lián)優(yōu)化標(biāo)準(zhǔn)測試集。改進的算法與典型的預(yù)測方法和標(biāo)準(zhǔn)的遺傳算法進行比較。實驗結(jié)果表明,提出的算法非常具有競爭力。針對具有多個不相連可行區(qū)域的動態(tài)約束優(yōu)化問題,我們提出從多峰優(yōu)化的角度設(shè)計并行地定位和跟蹤多個可行區(qū)域的方法。根據(jù)該思想,我們設(shè)計并集成了三種定位和跟蹤可行區(qū)域的策略,以分別處理三種可能的約束動態(tài)。并且,算法集成了我們提出的自適應(yīng)的局部搜索策略(不需要設(shè)置參數(shù))和基于族群的偵測機制。另外,我們設(shè)計了兩種動態(tài)約束標(biāo)準(zhǔn)測試集,包括修改的G24(即G24v和G24w)和移動可行區(qū)域測試集(Moving Feasible Regions Benchmark,簡稱MFRB)。修改的G24可以控制可行區(qū)域的大小。而MFRB則高度可配置,可以用于模擬各種類型的約束動態(tài),并且,MFRB的全局最佳值和可行區(qū)域半徑可以精確計算。在G24,G24v,G24w和MFRB上的實驗結(jié)果表明,提出的算法顯著好于已有的代表性方法,并且,我們的算法具有較好地定位多個不相連可行區(qū)域的性能,包括可行區(qū)域特別小的情況。針對實際的短期水火電調(diào)度問題,我們通過考慮負(fù)載和線損的不確定性,首次形式化了不確定的單目標(biāo)短期水火電調(diào)度優(yōu)化問題。為了解決該問題,我們給出了一個特殊的編碼機制以處理兩種特殊類型的約束。并且,我們提出了一個混合的粒子群優(yōu)化算法,該算法結(jié)合了lbest PSO的探索能力以及gbest PSO和梯度方法的開采能力。實驗結(jié)果表明,對于所測試的所有問題,我們提出的算法要好于lbest PSO,gbestPSO,以及兩種基于梯度的方法(即內(nèi)點法和序列二次規(guī)劃方法)。針對動態(tài)最優(yōu)潮流問題,我們關(guān)注負(fù)載和發(fā)電量都可能發(fā)生變化的雙側(cè)隨機問題。已有的大多數(shù)文獻主要只關(guān)注負(fù)載會變化的單側(cè)隨機問題。但是隨著新能源(如風(fēng)能)在整個電力結(jié)構(gòu)中比例的逐漸增大,越來越需要考慮新能源發(fā)電的波動性和隨機性。因此,需要考慮發(fā)電量和負(fù)載都可能變化的雙側(cè)隨機問題。雖然已有一些文獻關(guān)注雙側(cè)隨機問題,但據(jù)我們所知,還沒有文獻使用演化算法求解該問題。本文提出了一種基于族群的差分進化算法,該算法有兩個版本。第一個版本使用基于最近更好鄰居聚類方法劃分族群,該方法的聚類參數(shù)不敏感。第二個版本使用了一種改進的聚類方法,該方法比基于最近更好鄰居的聚類時間復(fù)雜度更低。實驗結(jié)果表明,提出的方法要好于被比較的算法。
【學(xué)位授予單位】：中國科學(xué)技術(shù)大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2017
【分類號】：TP18

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 馬安光;;棋子問題的算法分析——2003年第11期題解[J];程序員;2004年01期

2 馮舜璽;;新書推薦:《算法分析導(dǎo)論》[J];計算機教育;2006年05期

3 張力,慕曉冬;計算機算法分析淺談[J];武警工程學(xué)院學(xué)報;2002年04期

4 馬安光;;飛彈問題的算法分析——2003年第10期題解[J];程序員;2003年12期

5 蘇運霖;;《算法分析導(dǎo)論》評介[J];計算機教育;2006年07期

6 朱力強;;培養(yǎng)學(xué)生創(chuàng)新思維與能力的算法分析案例[J];計算機與信息技術(shù);2007年11期

7 汪菊琴;;幾種常見特殊方陣的算法分析與實現(xiàn)[J];無錫職業(yè)技術(shù)學(xué)院學(xué)報;2009年05期

8 李涵;;“算法分析與設(shè)計”課程教學(xué)改革和實踐[J];中國電力教育;2010年16期

9 劉寧;管濤;;淺析案例教學(xué)法在算法分析與設(shè)計課程中的應(yīng)用[J];科技風(fēng);2011年07期

10 胡峰;王國胤;;“算法分析與設(shè)計”教學(xué)模式探索[J];當(dāng)代教育理論與實踐;2011年12期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 俞洋;田亞菲;;一種新的變步長LMS算法及其仿真[A];通信理論與信號處理新進展——2005年通信理論與信號處理年會論文集[C];2005年

2 周顥;劉振華;趙保華;;構(gòu)造型的D~2FA生成算法[A];中國通信學(xué)會通信軟件技術(shù)委員會2009年學(xué)術(shù)會議論文集[C];2009年

3 賴桃桃;馮少榮;張東站;;一種基于劃分和密度的快速聚類算法[A];第二十五屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（一）[C];2008年

4 劉遠新;鄧飛其;羅艷輝;舒添慧;;ERP柔性平臺下物流運輸配送系統(tǒng)算法分析[A];第二十六屆中國控制會議論文集[C];2007年

5 王樹西;白碩;姜吉發(fā);;模式合一的“減首去尾”算法[A];第二屆全國學(xué)生計算語言學(xué)研討會論文集[C];2004年

6 王萬青;張曉輝;;改進的A~*算法的高效實現(xiàn)[A];2009全國測繪科技信息交流會暨首屆測繪博客征文頒獎?wù)撐募痆C];2009年

7 孫煥良;邱菲;劉俊嶺;朱葉麗;;IncSNN——一種基于密度的增量聚類算法[A];第二十三屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2006年

8 韓建民;岑婷婷;于娟;;實現(xiàn)敏感屬性l-多樣性的l-MDAV算法[A];第二十七屆中國控制會議論文集[C];2008年

9 張悅;尤楓;趙瑞蓮;;利用蟻群算法實現(xiàn)基于程序結(jié)構(gòu)的主變元分析[A];第五屆中國測試學(xué)術(shù)會議論文集[C];2008年

10 王旭東;劉渝;鄧振淼;;正弦波頻率估計的修正Rife算法及其FPGA實現(xiàn)[A];全國第十屆信號與信息處理、第四屆DSP應(yīng)用技術(shù)聯(lián)合學(xué)術(shù)會議論文集[C];2006年

中國重要報紙全文數(shù)據(jù)庫 前1條

1 科文;VIXD算法分析Web異常[N];中國計算機報;2008年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 魏哲學(xué);樣本斷點距離問題的算法與復(fù)雜性研究[D];山東大學(xué);2015年

2 劉春明;基于增強學(xué)習(xí)和車輛動力學(xué)的高速公路自主駕駛研究[D];國防科學(xué)技術(shù)大學(xué);2014年

3 張敏霞;生物地理學(xué)優(yōu)化算法及其在應(yīng)急交通規(guī)劃中的應(yīng)用研究[D];浙江工業(yè)大學(xué);2015年

4 李紅;流程挖掘算法研究[D];云南大學(xué);2015年

5 卜晨陽;演化約束優(yōu)化及演化動態(tài)優(yōu)化求解算法研究[D];中國科學(xué)技術(shù)大學(xué);2017年

6 劉新旺;多核學(xué)習(xí)算法研究[D];國防科學(xué)技術(shù)大學(xué);2013年

7 于濱;城市公交系統(tǒng)模型與算法研究[D];大連理工大學(xué);2006年

8 曾國強;改進的極值優(yōu)化算法及其在組合優(yōu)化問題中的應(yīng)用研究[D];浙江大學(xué);2011年

9 肖永豪;蜂群算法及在圖像處理中的應(yīng)用研究[D];華南理工大學(xué);2011年

10 陳耿;面向中觀審計的規(guī)則發(fā)現(xiàn)算法研究[D];東南大學(xué);2005年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 黃廈;基于改進蟻群算法的柔性作業(yè)車間調(diào)度問題研究[D];昆明理工大學(xué);2015年

2 李平;基于Hadoop的信息爬取與輿情檢測算法研究[D];昆明理工大學(xué);2015年

3 趙官寶;基于位表的關(guān)聯(lián)規(guī)則挖掘算法研究[D];昆明理工大學(xué);2015年

4 殷文華;移動容遲網(wǎng)絡(luò)中基于社會感知的多播分發(fā)算法研究[D];內(nèi)蒙古大學(xué);2015年

5 徐翔燕;人工魚群優(yōu)化算法及其應(yīng)用研究[D];西南交通大學(xué);2015年

6 李德福;基于小世界模型的啟發(fā)式尋路算法研究[D];華中師范大學(xué);2015年

7 鄭海彬;一種面向MAPREDUCE的DATASHUFFLE的優(yōu)化方法[D];蘇州大學(xué);2015年

8 趙曉寒;輪換步長PSO算法及SMVSC參數(shù)優(yōu)化[D];沈陽理工大學(xué);2015年

9 安豐洋;基于無線網(wǎng)絡(luò)的廣播算法研究[D];曲阜師范大學(xué);2015年

10 李智明;基于改進FastICA算法的混合語音盲分離[D];上海交通大學(xué);2015年

，

本文編號：1271118