简介:摘要:多目标粒子群优化算法是一种新型群智能进化计算技术,它模拟鸟群觅食的行为,在鸟群彼此个体之间共享信息和根据自身经验总结来修正其行动策略,既体现了个体影响也体现了社会群体影响,最终取得问题最优解。粒子群算法能够方便地处理大量的等式、不等式约束,以及包含连续变量和离散变量的优化问题。基于此,文章对 多目标粒子群优化算法在城市供电中的应用进行了总结和分析。
简介:为提高粒子群算法的搜索效率,克服分解方法处理复杂多目标问题的不足,通过考虑父代解的选择和种群的更新对算法收敛性及解的分布均匀性的重要影响,提出了一种基于分解的改进自适应多目标粒子群优化算法。首先,为提高算法收敛速度,在分解方法确保进化种群多样性的前提下,设计了新的适应度评价方法以评价个体的优劣,并将在竞争中获胜的优质后代解添加到父代候选解中;其次,为避免算法陷入局部最优,在更新粒子时,从当前粒子的邻居或邻居外随机选择个体最优和全局最优位置;最后,引入外部文档,将其作为候选的输出种群,并采用拥挤距离维持多样性,增强了算法处理复杂问题的能力。用12个测试函数的数值实验,并与5种多目标优化算法的比较,表明了所提算法的优越性。
简介:摘要:车辆路线问题是配送计划的基本问题,它试图考虑客户的数量,他们的约束以及可用车辆的数量和容量的情况下,以最小的位移成本找到最佳的行进路线。在这项研究中,我们首先描述了旅行商问题和车辆路线模型,然后提出了考虑顾客之间优先约束的多目标车辆路线模型。有不同的元启发式算法可以解决此类 NP难题。本研究提出了一种基于粒子群算法和人工蜂群算法相结合的求解算法。此外,通过分析一个操作样本,使用区域内客户的数据,考虑问题及其功能的不同约束,并使用惩罚方法和附加的分段约束方法,可以获得最佳的车辆路线。以及对每种算法的结果结合其混合算法进行了演示。
简介:摘要针对标准粒子群算法易收敛到局部最优的缺点,本文对粒子群算法做出了部分改进,同时引入了Pareto多目标的配电网模型,这种模型相对于单目标和加权多目标模型相比更具实际工程意义。
简介:针对多目标粒子群算法多样性不好、收敛精度不高等问题,提出了一种改进的多目标粒子群优化算法。该算法设计了一种基于聚类算法的全局引导策略,并对初始惯性权值进行了非线性递减的自适应调整。结合现阶段我军弹药维修任务调配中的实际问题,构建了弹药维修任务调配多目标优化模型。通过算例求解和MATLAB仿真,验证了该算法的Pareto解集具有更好的多样性和收敛性,为我军弹药维修的定量决策提供了参考。
简介:针对矿井结构复杂,井下未知节点定位存在信标节点布置冗余、定位精度低等问题,提出了一种基于粒子群优化算法的井下目标定位方法。根据矿井环境特点区块化布置信标节点,通过引入线性递减权重的粒子群算法对未知节点与信标节点的测量距离和估计距离的误差进行优化,降低定位误差。与四边测量法、加权最小二乘法和RSSI加权质心算法进行Matlab仿真对比实验。仿真结果显示:信标节点为5个,节点总数为15时,平均定位误差为0.877m。高斯白噪声标准差取值范围从5递增到20,平均定位误差由1.21m增长到4.65m,增长幅度最小,抗噪性最好。信标节点密度由10%增加到40%,平均定位误差从2.82m下降到0.76m,定位精度明显好于其他三种算法,稳定性好于RSSI加权质心算法。定位精度更高,抗噪性更好,可靠稳定,在井下巷道环境中适应性更强。
简介:摘要介绍基本粒子群优化算法的原理、特点,并在此基础上提出了一种改进的粒子群算法。通过在粒子初始化时引入相对基的原理使粒子获得更好的初始解,以及在迭代过程中引入变异模型,部分粒子生成相对应的扩张及收缩粒子,比较其适应度,保留最佳粒子进行后期迭代,使算法易跳出局部最优。通过经典函数的测试结果表明,新算法的全局搜索能力有了显著提高,并且能够有效避免早熟问题。