控制与决策

作者：慈雨,荣淼,彭晨

单位：上海大学 机电工程与自动化学院,上海 200444,,上海大学 机电工程与自动化学院,上海 200444,,上海大学 机电工程与自动化学院,上海 200444,

关键词：平均距离;拥挤距离;邻域信息;多目标粒子群优化;多目标问题;环境/经济调度

基金：国家自然科学基金项目(62103255,61833011).

多目标粒子群优化(multi-objective particle swarm optimization,MOPSO)算法在维护收敛性的同时搜索分布良好的最优解集较为费力.为此,提出一种基于双重距离的MOPSO,由种群的平均距离定义粒子的邻域空间,邻域粒子数为粒子的等级,数量越多,粒子的等级越大.当等级相同时,算法结合粒子的拥挤距离选择最优粒子,并更新外部归档集.此外,算法结合粒子的变异行为避免陷入局部最优.在对比实验中,该算法在收敛性和多样性上可取得较优结果.最后,将该算法应用到电力系统的环境/经济调度模型(environmental/economic dispatch,EED),也可获得性能较好的解集.

来源：2024年第6期

《控制与决策》期刊编辑部

查看控制与决策杂志2024年第6期