控制与决策

作者：曾亮,向思颖,曾维钧,王嘉诚,王珊珊,李维刚

单位：湖北工业大学 电气与电子工程学院,武汉 430068;湖北工业大学 太阳能高效利用及储能运行控制 湖北省重点实验室,武汉 430068,,湖北工业大学 电气与电子工程学院,武汉 430068,,湖北工业大学 电气与电子工程学院,武汉 430068,,湖北工业大学 电气与电子工程学院,武汉 430068,,湖北工业大学 电气与电子工程学院,武汉 430068;湖北工业大学 太阳能高效利用及储能运行控制 湖北省重点实验室,武汉 430068,,武汉科技大学 信息科学与工程学院,武汉 430081,

关键词：高维多目标优化;进化算法;角度惩罚距离;自适应参考向量;帕累托前沿;收敛性;分布性

基金：国家重点研发计划项目(2018YFC0116100)；湖北省重点研发计划项目(2020BAB114,2023BAB094)；湖北省教育厅科学研究计划重点项目(D20211402)；太阳能高效利用及储能运行控制湖北省重点实验室2023年度开放研究基金项目(HBSEES202309).

为了解决现有多目标进化算法难以处理复杂帕累托前沿的问题,提出一种基于改进角度惩罚距离和自适应参考向量的高维多目标进化算法(improved angle penalized distance and adaptive reference vector based many-objective evolutionary algorithm,PDAREA).算法中采用改进的角度惩罚距离策略进行个体选择,有效减少种群中个体收敛性与分布性的冲突.自适应参考向量策略能够根据目标函数的变化动态调整参考向量的分布,可有效改善个体在帕累托前沿上分布不均的问题.通过参考向量再生策略,提高算法处理带有不规则帕累托前沿问题的能力和效率.最后,将所提出算法与7个主流算法进行仿真实验对比,并应用于两个实际问题中.结果表明,所提出算法在求解带有复杂帕累托前沿的高维多目标优化问题上具有较强的竞争力,能有效平衡种群收敛性与分布性.

来源：2024年第10期

《控制与决策》期刊编辑部

查看控制与决策杂志2024年第10期