基于分解的增强型多目标进化算法求解机组组合问题
神经与进化计算
2014-10-24 v2
摘要
机组组合（UC）问题是一个非线性、高维、强约束的混合整数电力系统优化问题，文献中通常仅将最小化系统运行成本作为单一目标进行求解。然而，由于日益关注的环境问题，近期的研究重心已转向在问题公式中纳入排放因素。在本文中，提出了一种基于分解的多目标进化算法（MOEA/D），将 UC 问题作为多目标优化问题求解，同时考虑最小化成本和排放作为多个目标。由于 UC 问题是包含二进制 UC 变量和连续功率调度变量的混合整数优化问题，我们在 MOEA/D 框架内提出了一种新颖的混合策略：利用遗传算法（GA）演化二进制变量，同时利用差分进化（DE）演化连续变量。此外，提出了一种新颖的非均匀权重向量分布策略，并实现了一种基于 MOEA/D 与均匀及非均匀权重向量分布策略相结合的并行岛屿模型，以增强所提算法的性能。我们在不同的测试系统上进行了广泛的案例研究，并通过严格的仿真结果验证了所提混合策略、非均匀权重向量分布策略及并行岛屿模型的有效性。此外，通过与文献中提出的算法进行详尽的基准测试，证明了所提算法在获得显著更优收敛性和均匀分布的折衷解方面的优越性。
引用
@article{arxiv.1410.4343,
title = {Enhanced Multiobjective Evolutionary Algorithm based on Decomposition for Solving the Unit Commitment Problem},
author = {Anupam Trivedi and Kunal Pal and Chiranjib Saha and Dipti Srinivasan},
journal= {arXiv preprint arXiv:1410.4343},
year = {2014}
}
备注
This paper has been withdrawn by the author due to 1. inconsistency of vector representation in equation (12) and 2. algorithm 3 has not been included in this text which makes the description incomplete