2.根据权利要求1所述的基于nsga-ii算法的多目标优化电网降压节能方法,其特征在于,所述快速非支配排序的具体步骤如下: 3.根据权利要求2所述的基于nsga-ii算法的多目标优化电网降压节能方法,其特征在于,所述快速非支配排序的计算复杂度为o(mn2)+o(n2)=o(mn2)。 4.根据权利要求1所述的基于nsga-ii算法的多目标
以搜索最优的pareto前沿解组合;该nsga-ii将采用实数编码的方式进行染色体设计,如染色体{5,4,3,3,4,1,3,4,6,4};其中元素5表示第一个跟随者的第5个pareto前沿解,第二个元素4表示第五个跟随者的第4个pareto前沿解,以此类推;染色体对应的适应度函数值由目标函数fi(x,y)确定;交叉和变异的方式...
s6.采用改进的nsga-ii算法对模型求解步骤:提出改进的nsga-ii算法对s5建立的三相不平衡配电网多目标优化模型进行求解,且采用s2得到的光伏有功功率的出力值及其概率处理光伏有功功率的不确定性。对于改进的nsga-ii算法,主要提出简化的离散变量编码方式,采用非支配概念处理状态变量约束,提出优先保留优良个体及新的拥挤距离...
本发明公开的一种基于nsga-ii的车削参数优化方法,综合考虑了车削参数对表面粗糙度和加工效率的影响,利用车削工艺实验获得的数据建立二者数学模型,并使用nsga-ii算法进行求解,获得最优的车削参数解集,之后根据实际情况选择当前工况下的最优切削参数,有助于提高车削参数选择的科学性,提高了表面质量和加工效率。 以上所述仅...
一种采用变学习率bp神经网络以及nsga-ii算法的热泵多目标优化控制方法,包括以下步骤: 步骤1、根据用户需求将输入输出变量输入进系统中 选择压缩机频率f、膨胀阀开度p、水泵频率n作为输入变量,系统cop和制热量qh或者二氧化碳释放量m和制热量qh作为输出变量,并对输入训练的样本数据作归一化处理,使其处于[0,1]之间,归...