尊敬的各位读者:
根据当前疫情防控要求,我馆部分原文传递服务可能会有延期,无法在24小时内提供,给您带来的不便敬请谅解!
国家工程技术图书馆
2022年11月29日
摘要: 多目标优化问题是指需要同时对两个及以上目标进行优化然后求解的问题,在优化其中一个目标的同时可能会导致劣化其他的目标,该类问题的求解是需要找到一组能够使各个多目标之间优化性能均衡的解。机组组合优化问题是多目标优化问题的一个典型问题,... 展开 多目标优化问题是指需要同时对两个及以上目标进行优化然后求解的问题,在优化其中一个目标的同时可能会导致劣化其他的目标,该类问题的求解是需要找到一组能够使各个多目标之间优化性能均衡的解。机组组合优化问题是多目标优化问题的一个典型问题,由于其研究可以带来显著的经济效益,故提出各种方法来解决这个问题。遗传算法在解决机组组合优化问题时有较大优势,但也存在着容易陷入局部最优、搜索能力较弱等缺点,粒子群算法具有搜索速度快、效率高等优点,但对离散型问题处理效果不佳。针对这些问题,本文对此做了研究与改进并应用到机组组合优化问题中。 本文对遗传算法和粒子群算法进行改进结合,通过研究遗传算法和粒子群算法的操作流程以及各自的改进算法,深入分析遗传算法和粒子群算法的优缺点,讨论研究两种算法的结合方法,并对结合方法进行选择探讨。针对传统的遗传算法局部搜索能力较弱的问题,本文使用了一种将遗传算法和粒子群算法结合的方法,提高了算法的局部搜索能力,加快了收敛速度。将混合智能算法与单一的遗传算法和粒子群优化算法同时对测试函数进行优化,比较实验结果,验证混合智能优化算法的性能。 将混合智能优化算法应用于机组组合优化问题中,在目标函数中加入节能减排约束,完成实现多目标功能的需求。并通过对比遗传算法和粒子群优化算法的实验结果,进一步证明了混合智能优化算法的良好性能。 收起
系统维护,暂停服务。
根据《著作权法》“合理使用”原则,您当前的文献传递请求已超限。
如您有科学或教学任务亟需,需我馆提供文献传递服务,可由单位单位签署《图书馆馆际互借协议》说明情况,我馆将根据馆际互借的原则,为您提供更优质的服务。
《图书馆馆际互借协议》扫描件请发送至service@istic.ac.cn邮箱,《图书馆馆际互借协议》模板详见附件。
根据《著作权法》规定, NETL仅提供少量文献资源原文复制件,用户在使用过程中须遵循“合理使用”原则。
您当日的文献传递请求已超限。