论文部分内容阅读
在科学研究中,许多优化问题都具有多个目标且这些目标都需要被同时优化,这类问题被统称为多目标优化问题。由于此类问题的主要特点在于需要优化的多个目标间一般是相互矛盾的,使得多目标优化问题的求解异常困难。因此如何能够快速地获得高效的解决方案成为目前多目标优化领域的重要研究课题。传统的优化算法虽然具有较高的计算效率、较强的可靠性、性能较成熟等优点,但同时也具有难以克服的局限性,如极其容易陷入局部最优解等。近些年,群体智能算法的出现,给多目标优化问题的求解带来了新的希望。由于它的智能性、通用性、稳健性、本质并行性和全局搜索能力,已经有多个基于群体智能算法的多目标优化算法被提出。人工蜂群算法是目前性能较高的群体智能算法,已经成功应用于许多工程实践问题中,并取得了较好的优化效果。然而,现存的大部分多目标人工蜂群算法均是基于理想化模型来设计,用于求解实际工程中的多目标优化问题的相关理论和方法还处于初级阶段。本文研究的具体内容如下:(1)提出了基于分解思想的多目标离散人工蜂群算法(MODABC/D)用于解决带序列依赖调整时间的多目标置换流水线调度问题。首先,为了使得人工蜂群算法可以求解离散域上的带序列依赖调整时间的多目标置换流水线调度问题,本文提出了一种新的离散人工蜂群算法,其机理主要是将人工蜂群算法的更新公式进行离散化。随后,本文构建了一种基于问题特性的启发式初始化方法,用于提高初始种群解的质量。最后,针对种群中未提高的个体,提出了基于插入邻域搜索方式和深度局部搜索的算法,进一步提高这些个体的解质量。为了验证算法的高效性,采用Taillard基准测试实例,并与现存的求解带序列依赖调整时间的多目标置换流水线调度问题的多目标算法进行比较与测试。从实验结果来看,本文提出的MODABC/D算法不管是从覆盖值指标还是超体积指标均要优于其它算法。最后,本文还针对MODABC/D的参数进行分析和研究,进一步阐述算法的稳定性和鲁棒性。(2)提出了一种新的多目标群体智能优化算法,即多目标改进人工蜂群算法用于求解多目标电力系统环境/经济调度问题。为了平衡人工蜂群算法的开采性和挖掘性,本文基于多目标非支配排序思想提出新搜索方式,通过使个体仅能围绕上一次迭代中多目标非支配排序后的排序最高个体来生成新的候选解,从而提出了多目标改进人工蜂群算法。同时,本文还提出了一种处理电能分配问题功率平衡等式约束的新方法,采用该方法修正不可行解。并采用拥挤距离排序,根据目标函数值的大小对每个目标函数进行排序,从而对问题的可行解进行剪枝。为了显示该算法的优越性,本文将该方法与其它求解环境/经济调度问题的算法进行比较。从实验结果来看,本文提出的算法具有较强的竞争力。(3)提出了求解约束优化问题的多目标约束人工蜂群算法。本文结合多目标优化机制处理目标函数,提出在求解过程中将整个蜂群分类为几个子种群,并使用雇佣蜂模型作为局部搜索模型对每个子种群进行搜索优化。而且,新的跟随蜂模型被提出用于引导个体向更有效的区域移动,用于平衡算法的局部搜索能力和全局搜索能力。为了验证所提算法的优越性,将该算法应用于15个约束优化问题,其中包括12个标准约束优化问题和3个工程约束优化问题。从实验结果来看,本文提出的多目标约束人工蜂群算法明显优于其它约束求解算法。