求多目标优化问题Pareto最优解集的方法_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
求多目标优化问题Pareto最优解集的方法
&&里面有多目标遗传算法的pdf论文文件
足够你理解、学习、掌握,多目标遗传算法!!
阅读已结束，下载文档到电脑
想免费下载本文？
定制HR最喜欢的简历
下载文档到电脑，方便使用
还剩2页未读，继续阅读
定制HR最喜欢的简历
你可能喜欢君，已阅读到文档的结尾了呢~~
【精品论文】 多目标进化算法中解集分布性的研究
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
【精品论文】 多目标进化算法中解集分布性的研究
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='/DocinViewer--144.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口第一章绪论的多目标随机搜索方法；
第一章绪论的多目标随机搜索方法。总的来说，现代智能算法求解多目标问题，具有传统数学方法所不可比拟的优势。但是，在处理很多实际的多目标优化问题时，现代智能算法也不可避免地显示了一定的局限性。冈此，在出力具体的多目标问题时，依据其特点，将现代智能算法与传统数学方法相结合，也不失为一种新的思路。１．３电力调度技术支持概述电力调度的优化策略与其技术支持，是保证电力系统安全、经济、稳定运行的两个方面，这两个方面相辅相成，缺一不可。优化策略是实现电力系统优化运行的理论基础，它必须基于调度技术支持系统提供的信息采集、传输、集成等服务，同时，优化决策指令也必须通过技术支持系统下达到各个具体设备或单元执行。电力调度技术支持是调度优化的实现手段，技术支持水平滞后，不能满足现代人规模调度的要求，将制约电力调度的发展水平。以下简要同顾其发展历程，并分析在新的：箝能调度模式下，其面临的新挑战。１．３．１电力调度技术支持发展历程随着电力系统规模的发展，以及信息技术的进步，电力调度技术支持的内涵和外延一直在不断地发展，主要经历了以下四个阶段。（１）人工技术支持阶段在电力系统发展的初期，由于受到自动化、通信等技术水平的制约，调度人员主要通过打电话询问现场情况，以掌握系统的当前运行状态，当系统发生故障时，主要依靠经验做出判断，处理故障。（２）远动技术与通信技术支持阶段随着上世纪五十年代远动技术与通信技术的发展，调度人员根据现场远动装置采集和通信线路传输的实时数据迅速掌握电力系统的运行状态，及时发现和处理事故。在这一阶段，计算机与相应的远动装置及通信设备组成数据采集与监视控制系统ＳＣＡＤＡ（ＳｕｐｅｒｖｉｓｏｒｙＡｃｑｕｉｓｉｔｉｏｎ）。（３）计算机技术支持阶段ＣｏｎｔｒｏｌＡｎｄＤａｔａ计算机技术应用于远动系统以后，能提供比较全面的电网信息。这种控制系统不仅能完整地了解全系统的实时状态，而且可在计算机及其辅助设备的下，对电网正常和事故情况及时而正确地做出控制决策，称为能量管理系统ＥＭＳ（ＥｎｅｒｇｙＭａｎａｇｅｍｅｎｔＳｙｓｔｅｍ）。（４）网络技术支持阶段随着计算机网络技术的普及和市场化的需要，开放、互连、标准化已成为电力调度技术支持的新要求。数据网络在电力系统中的应用日益广泛，已经成为不可或缺的基础设施。我国国家电力调度数据网络（ＳＧＤｎｃ０骨干网已经建成，覆盖了个别地区以外的所有省级以上调度机构。１．３．２电力调度技术支持的新挑战节能发电调度模式对现有的电力调度技术支持提出了新的课题。电力系统逐渐成为一个数据密集型、信息密集型、通信密集型和计算密集型的大型系统，其技术支持也成为涉及大量分布式数据和计算功能的系统丁程，需要综合利用多角度、多尺度、广域、大范围的电网信息以及目前分散于各子系统内的各类应用功能。新型电力调度技术支持将涉及到几方面的问题：调度一体化、功能协同化与信息集成化。（１）调度一体化７东南人学博ｌ：学位论文推进人区电网互联，最终形成全国联合电网，甚至形成跨国联网，是电力系统发展的人势所趋。大型联合电网需要充分利刚原有的电力调度技术基础，实现分布式并行处理，联合分布计算和集中超级计算的威力。人型联合电网的调度一体化要求，首先应该考虑其资源的组织。这些资源如何在分层分区的人型电力调度技术资源中进行标识、如何查寻，是真正实现电力调度一体化要解决的技术难题。（２）功能协同化如果为了适应：１了能发电调度的新模式而重新开发与建设新的调度系统，将消耗大量的人力物力，也需要一定的建设时间。最好的办法就是需要综合利用目前已经存在的、分散丁各个地区、各个调度系统内的各种应用功能。但是这些应用功能往往基丁不同的操作系统或软件平台、应用不同的开发语言，甚至交互界面和数据结口都不相同。所以，使用这些分布的应用功能的首要问题是将其封装为格式统一的应用服务，然后使这些应用服务协同化运行。（３）信息集成化信息集成化包括信息表达标准化和异构信息集成两个方面的含义。目前与电力信息标准化相关的最重要的国际标准包括ＩＥＣ６１９７０．ＩＥＣ６１９６８和ＩＥＣ６１８５０等。信息标准化是实现信息整合、实现数据共享的基础，只有使用标准的信息表达格式，才能够无障碍、无歧义地进行信息交互与资源共享；异构信息集成是解决目前普遍存在的信息异构、信息孤岛的手段。本文第六章将通过基于电力网格的分布式技术支持方案解决电力调度面临的以上三个问题。以电力网格资源注册与发现机制解决调度一体化所需要解决的资源标识与查找问题；以电力网格的服务协同机制解决大规模电力调度的功能协同化问题；以基于本体的信息表达与集成机制解决电力信息标准化与异构信息集成的问题。１．４本文的主要研究内容在国家‘十一五’节能环保的发展规划下，电力Ｔ业将由传统的平均分配调度模式向节能发电调度模式转变。风电、水电等清洁能源机组将在发电计划中占有越来越大的比重，但是，由于新型能源电厂的建设周期长、投入巨大等问题，在很长一段时期内，我国电源结构仍然以火力发电为主。火力发电在将煤炭等一次能源转变为电能的过程中会排放大黄污染气体。为了控制和消减这些污染气体的产生，新建的人型火力发电机组一般都安装了高效节能环保装置；同时，这些新建机组面临着还本付息的压力，这两方面冈素决定了新建节能环保型火力机组的发电成本必然高于老机组。如果按照传统的单一考虑经济性的发电调度策略，势必使得这些新型节能环保火力机组处于不利的地位。如何在发电的经济性与环保性中取得最佳的平衡，使得我们不得不考虑兼顾经济性与环保性双目标的发电策略。本文研究了在清沽能源发电与火力发电联合调度的情况下，同时考虑火力发电经济性与环保性的电力调度策略；并针对清洁能源受到地理环境、自然资源限制而分布广泛的特点，分析了电力调度技术支持在新的节能环保发电的产业政策下面临的挑战，提出了分布式电力调度技术支持的解决方案――电力网格。本文的主要研究内容与成果如下；（１）研究了多目标优化的基本理论与方法第二章介绍了多目标优化的基本数学表述及其优化方法。多目标优化方法大概可以分为传统方法与智能算法两种类型。传统方法具有扎实的数学理论基础，但是对目标函数、约束条件的限制比较多，一次运算一般只能得到一个非劣解。而现代智能算法基于全局搜索的方式，一次运算即可得到多目标问题的非劣解集，具有许多传统方法不可比拟的优势。但是，现代智能算法也不是万能的，在处理某些实际问题时也有其局限性。本章提出将传统方法与现代智能方法相结合，处理多目标实际问题的思路：并在以下各章按此思路，将不同的传统数学方法与现代智能算法的代表之一（粒子群算法）相结合，求解电力调度的实际多目标问题。８第一章绪论（２）构建了水．火电多目标调度模型并求解第三章构建了在水．火联合调度情况ｒ卜．，考虑火力发电经济性与环保性的多目标调度策略的多时段模型；并依据拉格朗日对偶理论的火系统分解协调原理，将其分解为下层水电子问题、火电子问题与上层对偶子问题三个部分，通过逐步迭代更新拉格朗日算子协调优化求解。其中，对于包含了经济性与环保性多目标的火电子问题，采用多目标粒子群算法（ＭＰＳＯ）求解：对于水电子问题，采用逐次动态规划法求解；对于上层对偶子问题采用聚合梯度法求解。该算法模型将经典的系统分解协调原理与现代进化算法相结合，求解了复杂系统的多目标问题。算例计算了包含机组启停与不包含机组启停两种情况，将本章设计的组合算法与单一粒子群算法的结果从Ｐａｒｅｔｏ解集的分布性、算法收敛性、计算时间三个方面进行对比，并基于解的协调度定义从组合算法得剑的Ｐａｒｅｔｏ解集中找到最佳协调解。算例分析表明，该算法收敛速度快，求出的Ｐａｒｅｔｏ解集性态良好。（３）构建了风．火电多目标调度模型并求解第四章构建了在风一火联合调度情况下，考虑火力发电经济性与环保性的多目标调度策略的多时段模型。考虑了风力发电与负荷的随机性，在多目标的数学模型中增加了随机变量，将目标函数以期望值形式，约束条件以概率的形式表示，形成随机多目标模型。本章突破了蒙特卡洛随机模拟风电或负荷随机性而进行电网指标分析的方法，将蒙特卡洛法模拟各个时段的风电和负荷的随机误差，从而修止其预测值，使之更加接近风电与负荷的实际值，以求得各时段具体的发电计划。本章将免疫原理引入多目标粒子群算法中，构造了多目标免疫粒子群算法（ＭＩＰＳＯ），从种群多样性、收敛性、收缩能力等方面提高了算法的性能。算例包括火电机组启停和不启停两种情况，计算了不考虑预测误差、只考虑风电预测误差和考虑风电与负荷预测误差三种结果；并从分布性、收敛性和计算时间三个方面将本章提出的多目标免疫粒子群和多目标粒子群算法进行对比。算例分析表明，在处理含有随机变量的多目标问题时，多目标免疫粒子群算法性能更优。（４）构建了互联区域多目标调度模型并求解第五章构建了考虑火力发电经济性与环保性的互联区域多目标调度模型；并基于分布式并行计算原理，将互联区域调度模型进行分解，通过对拉格朗日函数的求导分析，提出了互联区域多目标调度的分区等偏好准则。将电网分为若干分区后，同一分区内的发电机组采用相同的多目标偏好（权重），而各分区的多目标权重由本区内的污染排放系数、生产成本系数、以及网络结构和区域传输费用等情况决定。分区等偏好准则突破了以往将系统中所有发电机均设为相同的权重系数的模式，考虑了各分区不同的情况及其协调。算例采用ＩＥＥＥ３０：肯点与１１８节点系统在Ｍａｔｌａｂ分布式仿真环境中进行计算。算例分析表明，根据各分区实际情况设置多目标决策偏好，能够充分利用互联区域中各分区的差异进行互补，使的整个系统的发电经济性与环保性达到更佳协调度。（５）提出了分布式电力调度的技术方案――电力网格第人章针对电力调度面临的新挑战，提出了分布式电力调度的技术方案――电力网格；并对电力网格的资源注册与发现机制、服务协同框架、服务协同中的异构信息集成提出了具体的方案。基于电力资源的混杂式层次树组织模式，设计了基于拓扑层次表的网格资源注册方式；并对资源分布重度不均衡、中度不均衡和基本均衡三种情况进行了查找方式的仿真。将电力网格服务大致分为基础服务、信息服务、计算服务几种类型，并构建了电力广域协同服务框架。在电力信息表达中，将物理本体与事件本体相结合，提出由事件引擎驱动的本体知识链模型，并阐述了基于本体的电力信息集成方案及其实现步骤。本文针对目前节能环保调度模式下，火力发电需要同时兼顾经济性与环保性目标，具体考虑了水．火协调、风．火协调与互联区域协调的多目标调度策略，弥补了以往电力多目标调度研究的空白；并分析了电力调度技术支持面临的挑战，提出了电力网格的解决方案。９第－二章多目标优化幕奉理论‘ｊ方法第二章２．１引言多目标优化基本理论与方法在科学研究与工程实践中，许多优化问题都是多目标优化问题。多目标优化或多目标规划（Ｍｕｌｔｉ．ＯｂｊｅｃｔｉｖｅＰｒｏｇｒａｍｍｉｎｇ）主要研究在某种意义卜．多个数值目标的同时最优化。其起源应该追溯到１７７２年，当时Ｆｒａｎｋｌｉｎ就提出了多目标矛盾如何协调的问题【ｌ巧Ｊ。最早的多目标最优化问题由法国经济学家Ｐａｒｅｔｏ于１８９６年在经济福利理论的著作中提出．多目标优化中的目标实际上往往互相冲突，要同时满足它们是矛盾的。各目标之间通过决策变量相互制约，对其中一个目标优化必须以其它目标作为代价，所以，多目标决策问题总是以牺牲一部分目标的利益来换取另一些目标利１；ｉｉ的改善；而且各目标的单位义往往不一致，冈此很难客观地评价多目标问题解的优劣性。这就是多目标规划问题的最大的特点――目标之间的相互冲突和不可公度性【１２引。目标之间的相互冲突指一个目标的改善往往会导致其它目标的恶化；目标的不可公度性是指目标之间没有统一的度量单位和度量标准，因而雉以进行比较。这些特点导致了解决多目标优化问题的难度要远人于单目标优化问题，多目标优化的求解越来越成为研究者们关注的重点。２．２多目标优化的数学描述２．２．１问题的数学表达单目标优化问题表述为下面的形式：ｍｓ２：ｇｆ（ｘ）三吖０器１，２，…ｍ）．（２－ｔ）、７。（ｘ）≤Ｏ＝，…ｍ）其中，ｘ∈Ｒ”是带有ｎ个决策变量的向量，ｆ（ｘ）是目标函数，ｇ，（ｘ）是ｍ个等式或不等式约束函数，由形成了可行解区域。通常在据测空间中用‘５≥ｌ∈表示可行区域，如下表示：．Ｓ＝｛ｘ∈Ｒ”Ｉｇ，（ｘ）≤０，ｉ＝１，２，…，ｍ，ｘ≥Ｏ）不失一般性，多目标决策问题可以表述为下面的形式：（２－２）ｍ珐ａｘｓＪ．其中，ｚｇ蒜０阢高乏锗，（ｘ）ｓ（ｆ＝ｌ，２，…ｍ）∞，、’ｘ＝【ｚｌ，Ｘ２，…ｘｎ］ｒ是决策向量，ｘ所在的空间是决策空间。Ｚ（ｘ），…，‘（ｘ）称为目标函数，雠向量（Ｚ（ｘ），…，‘（ｘ））所在的空间称为目标空间，ｇ，（ｘ）是ｍ个等式或不等式约束函数ａ多目标优化在决策空间上的可行集表示为Ｘｆ＝｛ｘ∈Ｒ４ｇｆ（ｘ）≤０，ｉ＝ｌ，２，…，ｍ，ｘ≥０）（２－４）多目标优化在目标空间上的可行集表示为Ｆ＝｛（Ｚ，…，‘）∈ＥｐｌＺ＝Ｚ（ｘ），ｉ＝１，…，Ｐ，ｘ∈Ｘｆ）（２―５）东南人学博Ｉｊ学位论文２．２．２多目标优化的解在求解单目标优化问题时，人们寻找的是一个最好的解。与单目标优化问题的本质区别在于，多目标优化问题的解不是唯一的，而是存在一个最优解集合。下面介绍多目标优化中几个基本解的概念。（１）非劣解（Ｎｏｎ．ＩｎｆｅｒｉｏｒＳｏｌｕｄｏｎ）对ｘ‘∈Ｘｆ，若不存在ｘ∈Ｘｆ（ｘ≠ｘ。）使得ｆ（ｘ）≤ｆ（ｘ＋）成立，即不存在ｘ，使得（２―６）Ｚ（ｘ）≤Ｚ（ｘ’）（２．７）对所：ｆｆｉ（ｉ＝１，２，…Ｐ）成立，且其中至少一个为严格不等式，则称ｘ’为多目标优化的一个非劣解。具体地说，设／（ｘ）＝（Ｚ（ｘ），…，‘（ｘ））ｒ是多目标问题的向量目标函数，ｘ‘是此问题的非劣解意味着在可行域ｘｆ中找不到一个解ｘ，使得（１）／（ｘ）中的每一个分量目标值都不比厂（ｘ‘）中相应值大；（２）ｆ（ｘ）中的至少有一个目标值都比／（ｘ‘）小。非劣解也称有效解（ＥｆｆｉｃｉｅｎｔＳｏｌｕｔｉｏｎ）、非支配解（ＮｏｎＯｐｔｉｍａｌｄｏｍｉｎａｔｅｄＳｏｌｕｔｉｏｎ）、Ｐａｒｅｔｏ最优解（ＰａｒｃｔｏＳｏｌｕｔｉｏｎ）或Ｐａｒｅｔｏ解。从其定义中可以看出，在可行域中找不到比非劣解更好的解，如果要改善问题的一个目标，必然会导致其它目标的损失。多目标优化问题的非劣解一般不止一个，由所有非劣解构成的集合Ｘ＋称为非劣解集（ＮｏｎＩｎｆｅｒｉｏｒＳｅｔ）所有非劣解对应的目标函数构成了多目标优化问题的非劣最优目标域，也称为Ｐａｒｅｔｏ前沿（ＰａｒｃｔｏＦｒｏｎｔ），在不引起混淆的情况下也可称为非劣解集。（２）Ｐａｒｅｔｏ前沿（ＰａｒｅｔｏＦｒｏｎｔ）Ｐａｒｅｔｏ前沿也称为最优边界。最优解是目标函数的切点，它总是落在搜索区域的边界线（面）上。如图２．１所示，粗线段表示二个优化目标的最优边界（ＰａｒｅｔｏＦｒｏｎＯ。三个优化目标的最优边界构成一个曲面，三个以上的最优边界则构成超曲面。图２．１中，实心点Ａ、Ｂ、Ｃ、Ｄ、Ｅ、Ｆ均处在最优边界上，它们都是最优解，是非支配的（ｎｏｎ－ｄｏｍｉｎａｔｅｄ）；空心点Ｇ、Ｈ、Ｉ、Ｊ、Ｋ、Ｌ落在搜索区域内，但不在最优边界上，不是最优解，是被支配的（ｄｏｍｉｎａｔｅｄ），它们直接或间接受最优边界上的最优解支配。三亿文库包含各类专业文献、高等教育、中学教育、专业论文、各类资格考试、幼儿教育、小学教育、电力调度的多目标优化与分布式技术支持研究40等内容。　
　新一代智能电网调度技术支持系统架构研究 20……含...基于交替方向乘子法的互联微电网系统分布式优化调度 ...考虑负荷满意度的微电网运行多目标优化方法研究 39…... 　智能电网环境下分布式阻尼控制器设计 3……消息触发...新一代智能电网调度技术支持系统架构研究 10……基于...基于模糊 CVaR 理论的水火电系统随机调度多目标优化... 　鲁棒优化在电力系统调度决策中的应用研究综述 2……...电网调度广域分布式实时数据库系统体系架构和关键技术 ...采用混沌多目标差分进化算法并考虑协调运行的环境经济... 　主动配电网下分布式能源系统双层双阶段调度优化模型 ...考虑不确定性的智能电网多目标机组组合研究 30……...基于双核架构的分布式地县配一体化技术支持系统设计 ... 　基于决策者偏好的微电网经济/环保多目标优化调度研究 35……基于交替方向乘子法的互联微电网系统分布式优化调度 36……电力大数据全景实时分析关键技术 37……基于... 　计及运行风险的电力系统优化调度方法 7……计及风险...轻量级分布式文件管理在调度自动化系统中的研究与应用...基于源荷互动的含风电场电力系统多目标模糊优化调度... 　鲁棒优化在电力系统调度决策中的应用研究综述 2……...主动配电网下分布式能源系统双层双阶段调度优化模型 7...低碳电力下多目标机组组合优化调度 35……包含可控... 　智能电网环境下分布式阻尼控制器设计 2……基于成熟...7……智能电网调度控制系统中历史数据服务优化方案 8...考虑不确定性的智能电网多目标机组组合研究 27……...我参加的：
您的位置：&&&&&&&&&&&&[Z18995]编程求多目标函数最优解（一般为粒子群算法
编程求多目标函数最优解（一般为粒子群算法&&&&&&&&
开始时间： 11:39&&&&&截止时间： 11:39
&&招标剩余时间&0天0小时
任务预算：1000元 至 3000元
序号：Z18995　　分类： &
应征情况：已有 1029 人关注　　　5 人应征
收藏人数：0 人　
分享此任务还能挣钱，赶快参与吧！点我关闭
编程求多目标函数最优解（一般为粒子群算法
利用C语言或Matlab编程求解多目标函数的最优解，实现另一台计算机从web使用该程序
附件：(下载附件请直接右键，“目标另存为”来下载，下载软件会导致下载失败)
雇主信用：0
累计发布：1
认证情况：
注册时间： 11:17
姓名：客服
电话：010-
京公网安备号&是的注册商标君，已阅读到文档的结尾了呢~~
约束多目标进化算法的研究与应用约束,应用,研究,应用研究,约束多目标,进化算法,多约束,多目标,多目标约束,多目标优化
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
约束多目标进化算法的研究与应用
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='/DocinViewer-4.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口}