共查询到20条相似文献，搜索用时 828 毫秒
1.
采用以下层问题的最优性条件代替下层问题的方法,将上层为向量优化、下层为凸标量优化的一类非线性二层多目标规划问题转化为带互补约束的不可微多目标规划问题,分析了2者在最优解方面的关系,并设计了求解相应不可微多目标规划问题的粒子群算法.数值结果表明所设计的粒子群算法是可行、有效的. 相似文献
2.
研究了线性二层多目标规划的求解问题。以下层问题的最优性条件代替下层问题,将线性二层多目标规划问题转化为含互补约束的不可微优化问题,同时将互补条件作为罚项加入到上层目标函数,构造了相应的罚问题。通过分析罚问题Pareo最优解的相关性质,设计了一种极点搜索方法,并用算例验证了算法的可行性。 相似文献
3.
下层规划问题最优解的精确性对成功求解二层单目标规划问题具有决定性作用。基于单目标规划问题的KKT条件,引入KKT背离度量方程,利用该度量方程控制下层问题最优解的精度;然后以下层问题最优解的精度控制值为终止条件,设计求解二层单目标规划问题的粒子群算法;最后利用6组带箱式约束的经典算例对算法进行了评估,结果表明该算法能够提高计算效率并能加速算法收敛速度。 相似文献
4.
研究了上层为分式规划、下层为线性多目标规划的一类半向量二层规划问题乐观最优解的求解方法。利用对偶理论,先将半向量二层规划问题转化为相应的单层优化问题,同时取下层问题的对偶间隙与上层目标函数分母的比值作为罚项,构造了该类半向量二层规划问题的罚问题,最后基于罚问题的相关性质设计了一种求解算法。数值试验表明,所设计的算法是可行的。 相似文献
5.
6.
7.
以得到的线性二层规划的局部最优解构造约束条件,并将其添加到所构造的线性二层规划的罚问题中,得到相应的单层规划问题。通过对单层规划问题的分析,设计了一种求解线性二层规划ε-全局最优解的算法,并以算例验证了算法的可行性。 相似文献
8.
9.
10.
11.
利用下层问题的最优性条件代替下层问题,同时取互补条件为上层目标函数的罚项,将线性二层规划转化为相应的单层规划.分析表明,该罚函数为精确罚函数.最后,设计了线性二层规划的罚函数算法,并用数值试验验证了算法的可行性. 相似文献
12.
为保持所求得的多目标优化问题Pareto最优解的多样性,提出了一种精英保留和根据目标函数值进行排序的多目标优化差分进化算法.对排序策略中目标函数的选择方式进行了分析和比较,并提出了一种确定进化过程中求得的精英解是否进入Pareto最优解集的阈值确定方法.用多个经典测试函数进行了实验分析,并与NSGA-Ⅱ算法进行了比较.实验结果表明,该方法收敛到问题的Pareto前沿效果良好,能有效保持所求得的Pareto最优解的多样性. 相似文献
13.
为消除由于设计参数或环境因子扰动对多目标优化问题带来的影响,提出基于t分布构建有效目标函数,并在传统Pareto最优解评估策略基础上,一方面用种群在空间的分布密度替换NSGA2算法中基于距离的拥挤排序策略以维护外部档案;另一方面,引入基于种群分布密度的全局最优解概率选择策略和基于拉丁超立方的局部采样方法.实验结果表明,该算法能有效求解多目标问题的鲁棒Pareto最优解. 相似文献
14.
15.
针对离散粒子群应用于机组负荷优化问题中存在早熟收敛的难题,提出了动态规划-自适应离散粒子群算法求解机组负荷优化组合问题.该方法首先保证所有随机生成的粒子均为满足基本约束条件的可行解,使整个算法只在可行解区域内进行动态优化搜索,缩短了计算时间.计算实例表明:动态规划-自适应离散粒子群算法能较好地收敛到最优解,而且该方法得出的解具有精度高、收敛速度快的优点,应用效果优于动态规划法和离散粒子群算法,说明该方法是有效的、合理的,具有较好的应用前景. 相似文献
16.
为了更好地解决上层带有任意线性约束的线性二层规划问题,Shi Chenggen提出了能够求解更广泛线性二层规划问题的扩展KT方法。具体介绍了求解线性二层规划的原KT方法以及扩展KT方法,同时给出了一个用扩展KT方法和用原KT方法可以得到不同最优解的算例。算例结果表明,对有些线性二层规划问题,扩展KT方法能够得到与原KT方法不同的最优解。提出了2种KT方法的等价性条件。算例结果证实了上述等价性条件的正确性。 相似文献
17.
18.
针对量子粒子群算法存在的问题,设计基于公共历史的两种群并行搜索的量子粒子群算法.在利用群体历史优质解及最优粒子变异的基础上,对粒子群进行筛选,加快粒子群的收敛速度,并采用两种群并行搜索,防止同时陷入局部极值.通过多个函数的测试,该算法在收敛速度及寻找全局最优方面,都表现出较好的效果. 相似文献
19.
基于量化正交免疫克隆粒子群算法的水电站水库优化调度研究 总被引：1，自引：0，他引：1
【目的】解决传统粒子群算法在求解水库优化调度问题中存在的早熟、收敛速度慢和易陷入局部最优的问题。【方法】基于抗体克隆选择学说理论,提出了一种量化正交免疫克隆粒子群算法(OICPSO/Q)。采用正交交叉策略来增强子代个体解分布的均匀性;通过接种疫苗和计算亲合度等操作,对算法的进化过程进行有目的、有选择地指导,使得算法快速收敛,同时保持一定的多样性,抑制了早熟现象。提出一种自学习算子,避免个体邻域内最优解的丢失。建立了基于量化正交免疫克隆粒子群算法的水库优化调度数学模型,并给出其具体的求解步骤。最后应用该方法与标准粒子群算法(SPSO)及动态规划方法进行比较。【结果】与SPSO算法和动态规划方法计算结果相比,OICPSO/Q算法计算时间明显降低,但发电量明显增加,说明OICPSO/Q算法可提高解的精度,加快其收敛速度,其性能优于标准粒子群算法和动态规划方法。【结论】OICPSO/Q算法为求解水库优化调度问题提供了一条新的有效求解途径。 相似文献
20.
局部阴影条件下,光伏阵列的P-V曲线会呈现多个局域峰值,影响最大功率点跟踪(MPPT),传统MPPT算法只能跟踪单个功率峰值,在局部阴影输出功率多峰值条件下,该算法不能完成有效跟踪。粒子群算法(PSO)有较强多极点寻优能力,但易陷入局部最优解。针对此问题,在粒子群算法中引入模拟退火算法的Metropolis选择机制,在简化所需设置参数同时帮助粒子群算法有效跳出局部最优解。在控制过程中,采用主程序加嵌套迭代双重判定条件,保证粒子稳定前提下,收敛在最大功率点(MPP)附近。通过MATLAB对比仿真验证,表明该算法在局部遮阴情况下能较精确、快速地跟踪到最大功率点,有效提高光伏电池输出效率。 相似文献