基于知識(shí)抽取的多目標(biāo)粒子群算法及其在環(huán)境經(jīng)濟(jì)調(diào)度中的研究.pdf

1、電力系統(tǒng)環(huán)境經(jīng)濟(jì)調(diào)度問題是一個(gè)多目標(biāo)優(yōu)化問題，該問題往往含有多個(gè)相互沖突的目標(biāo)函數(shù)，使得該問題的求解非常困難。很多優(yōu)化算法都被用來求解該問題，多目標(biāo)粒子群算法作為一種新型的多目標(biāo)優(yōu)化算法，在求解電力系統(tǒng)環(huán)境經(jīng)濟(jì)調(diào)度問題中具有很大的優(yōu)越性。論文根據(jù)多目標(biāo)優(yōu)化問題的特點(diǎn)，采用多種策略對(duì)多目標(biāo)粒子群算法進(jìn)行改進(jìn)，并用于求解電力系統(tǒng)環(huán)境經(jīng)濟(jì)調(diào)度問題。論文主要完成了以下幾個(gè)方面的工作:
　　首先，結(jié)合聚類技術(shù)的特點(diǎn)，采用聚類策略對(duì)多目標(biāo)粒子

2、群算法進(jìn)行了改進(jìn)。在改進(jìn)算法中，聚類策略直接作用于群體空間，使得群體在進(jìn)化過程中不斷逼近最優(yōu)位置所在的區(qū)域。并且算法通過引入類內(nèi)最優(yōu)的概念，將基本粒子群算法的速度更新公式進(jìn)行了修改，為每個(gè)個(gè)體增加了一個(gè)學(xué)習(xí)因子。采用修改后的更新公式，使得粒子在飛行中得以進(jìn)行更為廣泛的探索，有效地降低了算法陷入局部最優(yōu)的可能性。
　　其次，采用文化算法的雙層演化模式及智能體系統(tǒng)對(duì)多目標(biāo)粒子群算法進(jìn)行改進(jìn)。算法設(shè)計(jì)中，文化算法的群體空間采用多目標(biāo)粒子

3、群優(yōu)化算法對(duì)群體進(jìn)行更新演化操作;信念空間采用智能體系統(tǒng)更新知識(shí)儲(chǔ)備。兩層空間之間利用同步傳輸方式通過接受操作和影響操作來完成知識(shí)信息的交互。通過對(duì)知識(shí)的抽取、更新和學(xué)習(xí)，增強(qiáng)了群體向最優(yōu)學(xué)習(xí)的能力，促進(jìn)算法快速向最優(yōu)位置逼近。
　　此外，結(jié)合聚類技術(shù)增強(qiáng)算法的探索能力以及知識(shí)抽取策略加快了算法的尋優(yōu)速度的特點(diǎn)，將聚類技術(shù)用于基于知識(shí)抽取的多目標(biāo)粒子群優(yōu)化算法的群體空間，作為群體的演化策略，采用聚類技術(shù)和知識(shí)抽取兩種策略共同改進(jìn)基