步骤三、采用nsga ‑ iii算法求解pareto解集。nsga算法是一种改进的遗传算法,目前已经更新至第三代(nsga ‑ iii),相比于前一代算法(nsga ‑ ii),nsga ‑ iii的框架基本和nsga ‑ ii相同,同样利用快速非支配排序将种群个体分类进入不同的非支配前沿,不同的是:对于在临界层中的环境选择,nsga ‑ ii的...
1、本发明主要解决原有的技术方案涉及数据少,计算结果准确度有限的技术问题,提供基于改进nsga-iii算法的风电电力系统无功容量规划方法,采用改进后的nsga-iii算法,通过设计自适应突变率、采用差分进化算子、融合拉丁超立方采样方法,解决了传统启发式算法难以高效处理四个目标优化问题的难点,提高了通用启发式算法对电力系统规...
本发明使用多目标遗传算法u-nsga-iii,使用mme算法和随机生成方法对种群进行高质量初始化。与其他两种算法(nsga-ii和nsga-iii)相比,在扩展的taillard作业车间基准中测试了u-nsga-iii的性能。结果表明, u-nsga-iii可以获得针对这三个目标的大多数最佳值。此外,分别从生成的非支配进度表(dm)中的边界扩展,帕累托解决...
45.水位预测模型以lstm神经网络为框架并采用nsga-iii进行参数优化。 46.在本实施方式中,获取所要预测时间点前的水位数据,所要预测时间点前的水位数据为设定数量的水位值,将预处理后的水位数据输入进水位预测模型,输出得到水位预测结果,利用深度学习方法解决传统水位预测方法专业性较强,迁移困难的问题,利用nsga-iii对水...