有什么免费的网站,电商企业网站建设情况,石狮做网站,福永响应式网站多少钱一、NSGA-II简介
NSGA-Ⅱ算法是Kalyanmoy Deb等人于 2002年在 NSGA 的基础上提出的#xff0c;它比 NSGA算法更加优越#xff1a;它采用了快速非支配排序算法#xff0c;计算复杂度比 NSGA 大大的降低#xff1b;采用了拥挤度和拥挤度比较算子#xff0c;代替了需要指定的…一、NSGA-II简介
NSGA-Ⅱ算法是Kalyanmoy Deb等人于 2002年在 NSGA 的基础上提出的它比 NSGA算法更加优越它采用了快速非支配排序算法计算复杂度比 NSGA 大大的降低采用了拥挤度和拥挤度比较算子代替了需要指定的共享半径 shareQ并在快速排序后的同级比较中作为胜出标准使准 Pareto 域中的个体能扩展到整个 Pareto 域并均匀分布保持了种群的多样性引入了精英策略扩大了采样空间防止最佳个体的丢失提高了算法的运算速度和鲁棒性。 NSGA-Ⅱ就是在第一代非支配排序遗传算法的基础上改进而来其改进主要是针对如上所述的三个方面
①提出了快速非支配排序算法一方面降低了计算的复杂度另一方面它将父代种群跟子代种群进行合并使得下一代的种群从双倍的空间中进行选取从而保留了最为优秀的所有个体
②引进精英策略保证某些优良的种群个体在进化过程中不会被丢弃从而提高了优化结果的精度
③采用拥挤度和拥挤度比较算子不但克服了NSGA中需要人为指定共享参数的缺陷而且将其作为种群中个体间的比较标准使得准Pareto域中的个体能均匀地扩展到整个Pareto域保证了种群的多样性。
二、微网系统运行优化模型
微电网优化模型介绍
weixin的博客_CSDN博客46204734/article/details/132700070?csdnshare_tail%7B%22type%22%3A%22blog%22%2C%22rType%22%3A%22article%22%2C%22rId%22%3A%22132700070%22%2C%22source%22%3A%22weixin_46204734%22%7D
三、NSGA2求解微电网多目标优化调度
1部分代码
close all;
clear ;
clc;
global P_load; %电负荷
global WT;%风电
global PV;%光伏
%%
addpath(./NSGA2/)%添加算法路径
TestProblem1;
MultiObj GetFunInfo(TestProblem);
MultiObjFncMultiObj.name;%问题名
% Parameters
params.Np 100; % Population size
params.Nr 200; % Archive size
params.maxgen 200; % Maximum number of iteration
params.ngrid 20; % Number of grids in each dimension
[Xbest,Fbest] NSGA2(params,MultiObj);%% 画结果图ParetoFont
figure(1)
plot(Fbest(:,1),Fbest(:,2),ko);
legend(NSGA2);
xlabel(运行成本)
ylabel(环境保护成本)
saveas(gcf,./Picture/ParetoFont.jpg) %将图片保存到Picture文件夹下面%% 比较不同目标函数寻优对调度结果的影响
%idxn1 第1种.将两个目标函数值归一化相加取相加后最小的目标值的粒子即寻找折衷解并画图
%idxn2 第2种寻找总成本最低时的解并画图
%idxn3 第3种寻找运行成本最低时的解并画图
%idxn4 第4种寻找环境保护成本最低时的解并画图
for idxn1:4pgplotFigure(Xbest,Fbest,idxn);
end
2部分结果
pareto前沿 第1种.将两个目标函数值归一化相加取相加后最小的目标值的粒子即寻找折衷解并画图 第2种寻找总成本最低时的解并画图 第3种寻找运行成本最低时的解并画图 第4种寻找环境保护成本最低时的解并画图 四、完整MATLAB代码
