计及电网运行协调性的节能减排多目标发电调度

建立了综合考虑电力系统节能减排和协调运行的多目标发电调度模型.模型中以降低燃料成本、有功网损和提高电网运行协调性指标为优化目标,其中运行协调性指标定义为支路负载率的标准差,以衡量支路潮流分布的均衡度.基于改进多目标差分进化算法(I-DEMO)获取模型的帕累托最优解集后,采用逼近理想解排序法(TOPSIS)提取出最优发电调度方案.IEEE 30节点系统算例结果验证了所述发电调度方法的有效性.     

改进多目标进化算法的云工作流调度

针对云计算和云存储资源复杂变化的定价机制给云工作流调度带来了极大的挑战问题,建立了考虑定价机制的多目标云工作流调度模型。针对云工作流调度问题的特点,设计了一种实数编码机制,使得现有的基于实数编码的交叉算子能够直接用于求解云工作流调度问题,从而避免了现有组合优化方法需要进行解的可行性修正的问题。进一步在MOEA/D算法框架下,设计了一种启发式局部搜索策略,提出了一种新的进化多目标云工作流调度算法。仿真试验结果表明,与目前主流的进化多目标优化算法相比,该算法在求得帕累托最优解集的宽广性和均匀性上具有明显的优势,且算法稳定性更好。该方法对于云平台资源利用率的提升具有重要的应用价值。     

相控阵雷达搜索和跟踪资源博弈分配策略

为了解决搜索和跟踪（SAT）资源分配（RA）实时性的问题,提出博弈论视角下的资源分配策略. 建立搜索与跟踪的系统模型,将SATRA建模为非合作博弈问题,将模型中搜索子空域和跟踪多目标间的资源分配问题看作合作博弈关系,利用Shapley值完成相应资源的分配,给出纳什均衡求解的双目标优化模型;为了快速找到符合决策者偏好的分配解,将双目标优化模型通过动态加权的理想点法转化为单目标优化问题,提出并行混合遗传粒子群优化（PHGAPSO）算法求解上述优化问题最优分配方案,仿真验证了博弈分配策略的有效性和先进性以及混合算法性能的优越性. 在相同的条件下,与帕累托双目标优化方法进行对比. 实验结果表明,博弈论的方法具有更高的灵活性,平均搜索信噪比提高了1.02%,平均跟踪目标误差降低了1.55%.     

基于可靠性约束的工作流调度算法

移动边缘计算(Mobile Edge Computing, MEC)环境中,工作流调度算法存在可靠性约束的问题,为此,提出一种基于可靠性约束的工作流调度算法。首先,根据工作流子任务依赖关系生成优先级就绪队列;其次,根据不同服务器的故障率建立可靠性模型,保证工作流调度方案满足工作流可靠性的要求;然后,针对未分配调度位置的任务,根据服务器可靠性信息,按照执行队列顺序进行初始化,得到满足可靠性约束的初始种群;最后,采用改进的非支配排序遗传算法(Non-dominated Sorting Genetic AlgorithmⅡ,NSGA-Ⅱ)求解工作流的最优卸载位置,并生成调度方案。仿真实验表明,相较于轮询调度算法、贪心算法和粒子群算法,提出算法降低了移动设备的能耗,减少了任务时延,提高了工作流执行可靠性。     

基于Pareto最优解的梯级泵站双目标优化调度

针对大型梯级泵站运行特点,用调度周期内的机组启动次数衡量维修成本,建立以抽水电费最小和机组启动次数最少为优化目标,以调度周期内流量分配为决策变量的双目标优化调度模型,并基于Pareto最优解理论,开展混合粒子群求解算法研究,并将双目标优化调度模型应用于工程实际.研究表明,双目标优化调度能够反映抽水电费与机组维修费用之间的内在联系,即抽水电费最优解随着机组启动次数的增加,呈现出先减少后增大的趋势,但在某一范围内,随着机组启动次数的增加,抽水电费最优解变化幅度较小,系统最优调度方案在此区间内选择不仅能够有效地降低抽水电费,也能够避免维修成本的急剧增加,这为梯级泵站调度决策提供了有力的理论依据.     

基于多目标拆分优化思维的拥塞网络数值调度方法

针对网络拥塞数值调度中存在的盲目性问题,提出了一种基于多目标拆分优化的网络拥塞数值调度方法.将拥塞网络的数值调度问题进行模型化表示,并将拥塞过程调度的最优问题分解为多个目标同时优化问题:即信道最优任务分配问题和路由拥塞调度问题.根据粒子群算法,对信道分配问题的最优解进行计算,同时设计约束模型并利用遗传算法求解拥塞调度问题,实现了在拥塞状态下的网络数值调度.结果表明,所提出算法获得的拥塞调度方案具有较好的可执行性.     

基于量子粒子群的软件模糊可靠性分配模型

针对软件可靠性分配中存在多个优化目标的问题,提出了一种新的模糊多目标分配模型,并采用量子粒子群优化算法求解该模型。将软件可靠性和成本作为模糊目标函数,通过三角形隶属函数对模糊目标进行处理,将优化后的量子粒子群算法用来求解软件模糊可靠性分配模型。实验结果验证了文章提出的软件模糊可靠性分配模型是有效的,多目标的Pareto最优解为可靠性和成本之间的决策提供了依据。     

基于改进NSGA-Ⅱ的云服务PDTs调度算法

基于多目标优化的云计算PDTs调度是一个NP问题,考虑云计算用户的服务质量(Qo S)要求,将处理PDTs的成本和时间要求作为目标,提出一种基于改进NSGA-Ⅱ的云服务PDTs调度算法.采用相似任务序列交叉(STOX)操作加快进化,而采用位移变异避免算法过早收敛,此外,还利用一个拥挤距离自适应算子(SCD)来改善Pareto最优前沿的个体多样性.仿真结果表明该算法在云PDTs调度中保持Pareto最优解的多样性和分布性方面优于NSGA-Ⅱ算法.     

基于改进量子粒子群算法的微网多目标优化调度

根据微网与主网之间不同的交互方式制定2种不同的优化策略,建立以微网经济成本和环境效益为目标的优化调度模型,采用蜂群搜索策略的改进量子粒子群(BQPSO)算法进行求解。该算法具有较强的全局搜索能力,能够提高计算精度,避免陷入局部最优解,有效改善多目标优化调度的Pareto前沿分布特性。最后,以典型的微型燃气轮机、柴油发电机和燃料电池组成的微网系统为例,验证了所建模型和所提方法的有效性。     

高占比新能源电源接入区域电网的无功优化策略研究

从高占比风电、光伏接入电网运行的安全性和稳定性等方面综合考虑,建立了以电压偏移量和网损最小为目标的无功优化模型。利用MATLAB软件对风电、光伏电站接入IEEE-33节点系统进行无功优化仿真分析,采用多目标粒子群（MOPSO）算法进行无功优化调度方案求解。基于Pareto前沿解的MOPSO算法可为决策者根据不同需求提供方案,并且同时达到提高测试系统的电压稳定性、降低网损的目标,验证了所提优化策略的有效性。     

基于改进萤火虫算法的冷热电联供系统多目标优化调度

冷热电联供系统应用和优化具有重要的意义。所提出的新型冷热电联供系统优化模型考虑了能源利用、环境保护和成本等限制因素。在该模型基础上提出了一种改进萤火虫算法,采用了多群组搜索、无用的内部种群删除和改变步长因子等方法,这能提高搜索速度、寻找最优解。同时提出基于规范法线约束的改进萤火虫算法的双目标帕累托前沿优化算法,该方法通过规范法线约束法转化为两类单目标问题,然后通过改进的萤火虫算法进行单目标搜索。仿真算例采用标准IEEE39节点系统验证了所提算法在解决多目标冷热电联供系统优化问题时的优越性。     

考虑工人负荷的多目标流水车间优化调度

针对流水车间工人负荷不平衡的现象,构建了工件总延误时间和工人作业分配标准差最小化的双目标优化调度模型。设计了基于两段式染色体编码的NSGA-Ⅱ算法,获得了模型的Pareto最优解集。引入两种嵌入启发式规则:交货期最接近(EDD)规则和加工时间最短(SPT)规则,形成了NSGA-Ⅱ-EDD和NSGA-Ⅱ-SPT两种对比情境。算例分析表明:NSGA-Ⅱ算法的Pareto解的平均个数N、Pareto前沿解误差比ER、Pareto前沿解空间评价指标S、Pareto前沿跨度K比NSGA-Ⅱ-EDD和NSGA-Ⅱ-SPT的性能好,在算法运算时间T上性能较差。     

集群时变拓扑下的链路修复

针对集群拓扑的时变特性引起的网络分割问题,设计了一种多目标的协同修复方法.基于拓扑修复模型,将链路修复节点引入,建立了信道链路模型.通过多目标链路约束,设计了多目标链路优化算法.结果表明:该算法通过解密集度策略以及速率约束策略,实现了最优的通信位置规划.通过扩大种群数,该算法取得较为精确的帕累托最优解集,能够在两个分割...     

基于多目标优化的低压台区三相不平衡治理

针对低压用户用电负荷随机性大、不确定性强导致台区三相不平衡治理的难题,提出了一种基于强度帕累托进化算法的低压台区三相不平衡治理方法。在低压用户连接台区变压器相序识别的基础上,以某段时间内台区变压器加权平均三相不平衡度最小、调整相序用户数量最少为目标,采用强度帕累托进化算法搜寻调整用户相序组合的帕累托最优解集。采用优劣解距离法（TOPSIS）选取加权平均三相不平衡度、调整相序用户数量二者整体最优方案。以某供电公司三相不平衡较严重的台区为例,通过仿真计算表明,该方法不仅可以降低台区三相不平衡危害,而且调整用户相序的成本相对较低。     

柔性作业车间多目标调度优化研究

研究了多目标柔性作业车间调度问题（FJSP）,提出了一种基于Pareto的混合遗传算法,并建立了包括生产周期、总拖期时间和机床负载在内的多目标优化模型．该算法采用基于工序的编码方式和活动化解码方法,将Pareto排序策略与Pareto竞争方法结合起来．为了保证解的多样性,采用小生境技术并同时使用多种交叉方法,用Pareto解集过滤器保存进化过程中的最优个体,防止最优解的遗失．算法最后给出问题的Pareto最优解集．仿真试验证明,提出的混合遗传算法可以有效解决多目标FJSP．     

改进型云计算VM资源调度方法

针对云计算框架中VM资源调度问题,提出一种改进型云计算VM资源调度方法.首先,将直觉模糊机制和Canopy算法融入传统的模糊c均值聚类算法,设计一种改进型直觉模糊c均值聚类算法,用以完成对用户任务请求进行聚类;其次,设计一种改进型粒子群算法,对云计算中的VM资源进行分配.通过在Cloudsim平台上的仿真实验结果表明,本文方法无论在资源调度效率,还是收敛性效果方面均优于经典调度方法,预期可以作为云计算框架中一种有效的资源调度方案.     

流水工序调度与生产效率的关系模型分析

提出一种基于粒子群算法的流水工序调度任务优化模型.利用流水工序调度任务的特点得到流水工序时间约束条件,利用粒子群算法的原理建立流水工序调度任务优化模型,利用粒子群算法对模型进行求解.仿真实验表明,利用该算法能够得到流水工序调度问题的最优解,提高生产效率.     

基于粒子群优化算法的Hadoop调度算法研究

为提高Hadoop平台性能,提出一种基于粒子群优化算法的Hadoop调度算法。以粒子位置代表可行的资源调度方案,以任务完成时间及资源负载均衡度作为目标函数,通过粒子群优化算法,找到最优的资源调度方案。实验结果表明,该算法能够很好的平衡资源负载,减少任务完成时间,有效的提高了Hadoop平台的性能。     

基于模糊多目标粒子群算法的热电联供型微网环境经济调度

热电联供型微网具有安全可靠、节能环保的优点。兼顾经济和环保目标,提出了计及制热收益的热电联供型微网环境经济调度模型。针对微网中存在的可再生能源出力随机波动及负荷预测误差等问题,采用基于机会约束规划的模糊多目标混合粒子群算法求解模型,引入模糊全局最优解和同步粒子局部搜索以提高寻优效率。对一个含储能装置的热电联供型微网系统,分别给出了其并网运行方式下经济最优和环保最优的调度策略及多目标Pareto最优解集,算例表明本调度模型能兼顾微网运行的经济性和环保性。     

混合云环境下考虑工作流的任务调度策略

针对混合云环境下的工作流调度问题, 提出一种结合黏菌算法和粒子群算法思想的工作流调度算法。利用粒子群算法的优点, 对较差解进行引导, 加快较差解的收敛速度, 对质量较好的解进行局部变异, 避免陷入局部最优, 同时增加交叉算子, 细化算法在任务调度问题中的寻优粒度, 根据混合云环境下的工作流调度模型, 进行离散编码, 完成对多个调度目标的优化。在现实工作流下进行仿真实验, 结果表明, 本文算法与单一启发式算法以及对应改进算法相比, 具有更好的优化性能。