基于粒子群優(yōu)化算法的動(dòng)態(tài)多目標(biāo)優(yōu)化算法研究及應(yīng)用.pdf

1、在智能算法領(lǐng)域，除了以Darwin進(jìn)化論“適者生存”思想為基礎(chǔ)的進(jìn)化算法在求解優(yōu)化問題方面已經(jīng)獲得了不同程度的成功之外，群智能算法之一的粒子群優(yōu)化算法也在解決優(yōu)化問題方面取得了一定的成功。粒子群優(yōu)化算法(ParticleSwarmOptimization，PSO)即是其中一種相對新穎的優(yōu)化技術(shù)，它的主體思想是基于模擬魚群鳥群的群體智能效應(yīng)，即通過一些簡單個(gè)體在環(huán)境中局部的相互交流而產(chǎn)生的全局優(yōu)化的集體效應(yīng)。自從在1995年由Kenned

2、y和Eberhart提出粒子群優(yōu)化算法，由于它在概念上容易理解，方便應(yīng)用而且收斂迅速，跟其他的進(jìn)化算法相比，它具有一個(gè)突出優(yōu)勢，即可以用較少的個(gè)體進(jìn)行搜索而得到較好的結(jié)果，儲(chǔ)存量和計(jì)算量都相對比較低，因而引起了很多研究人員的興趣而逐漸成為進(jìn)化算法的一個(gè)重要分支。
　　 在利用進(jìn)化算法解決靜態(tài)多目標(biāo)優(yōu)化問題方面已經(jīng)取得了不錯(cuò)成果。然而在現(xiàn)實(shí)生活中，許多問題不僅有多個(gè)目標(biāo)，而且各個(gè)目標(biāo)是與時(shí)間因素有關(guān)的，人們把這類與時(shí)間有關(guān)且有多個(gè)

3、目標(biāo)函數(shù)需要同時(shí)優(yōu)化的的問題稱為動(dòng)態(tài)多目標(biāo)優(yōu)化問題。因?yàn)閯?dòng)態(tài)多目標(biāo)優(yōu)化問題具有多個(gè)依賴時(shí)間（環(huán)境）的互相矛盾、單位不一的目標(biāo)，同時(shí)隨著時(shí)間（環(huán)境）的變化，帕雷托最優(yōu)解也會(huì)發(fā)生改變，所以對其優(yōu)化相對比較困難，這就給粒子群算法以及進(jìn)化算法帶來了新的挑戰(zhàn)。
　　 本文主要有以下幾個(gè)方面:
　　 第一部分主要敘述了優(yōu)化問題相關(guān)概念，數(shù)學(xué)模型以及解決優(yōu)化問題的傳統(tǒng)進(jìn)化算法以及基于進(jìn)化算法的群智能算法，并著重介紹了解決多目標(biāo)優(yōu)化問題

4、以及動(dòng)態(tài)多目標(biāo)優(yōu)化問題的研究現(xiàn)狀，總結(jié)了算法中較為常用的提高算法性能的策略。
　　 第二部分首先引入了粒子群優(yōu)化算法，并對粒子群優(yōu)化算法進(jìn)行了分析，介紹了幾種常用的改進(jìn)粒子群優(yōu)化算法的方法。然后重點(diǎn)介紹了基于動(dòng)態(tài)多種群的粒子群優(yōu)化算法的思想，分析了動(dòng)態(tài)多種群粒子群優(yōu)化算法的優(yōu)勢，說明了動(dòng)態(tài)多種群粒子群優(yōu)化算法的有效性。
　　 第三部分首先為了進(jìn)一步證實(shí)動(dòng)態(tài)多種群粒子群算法在解決多目標(biāo)問題上的算法的有效性，在標(biāo)準(zhǔn)的IEEE

5、30-bus6-genenrator測試系統(tǒng)上進(jìn)行了關(guān)于環(huán)境/經(jīng)濟(jì)調(diào)度的實(shí)際應(yīng)用的仿真驗(yàn)證，進(jìn)一步證實(shí)了動(dòng)態(tài)多種群粒子群優(yōu)化算法在解決多目標(biāo)優(yōu)化問題的有效性。
　　 第四部分首先對動(dòng)態(tài)環(huán)境的變化模式以及動(dòng)態(tài)多目標(biāo)問題的變化種類進(jìn)行數(shù)學(xué)描述，分析介紹算法的性能評價(jià)標(biāo)準(zhǔn)，并使用改進(jìn)的動(dòng)態(tài)多種群粒子群優(yōu)化算法在建立的動(dòng)態(tài)多目標(biāo)的測試平臺(tái)上進(jìn)行測試仿真，以驗(yàn)證算法可以對變換的帕雷托前沿進(jìn)行快速跟蹤，并且帕雷托最優(yōu)解集有較好的分布性。