多目标并行优化的高级遗传算法在无源滤波器设计中的应用

多目标并行优化的高级遗传算法在无源滤波器设计中的应用

ID:12040352

大小:106.50 KB

页数:11页

时间:2018-07-15

多目标并行优化的高级遗传算法在无源滤波器设计中的应用_第1页
多目标并行优化的高级遗传算法在无源滤波器设计中的应用_第2页
多目标并行优化的高级遗传算法在无源滤波器设计中的应用_第3页
多目标并行优化的高级遗传算法在无源滤波器设计中的应用_第4页
多目标并行优化的高级遗传算法在无源滤波器设计中的应用_第5页
资源描述:

《多目标并行优化的高级遗传算法在无源滤波器设计中的应用》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、多目标并行优化的高级遗传算法在无源滤波器设计中的应用维普资讯////0>.徘莲郴多目标并行优化的高级遗传算法在无源滤波器设计中的应用。年第期、,/中国科学院等离子体物理研究所台肥陶骏刘正之摘要本文首次在利用高级遗传算法处理多目标优化问题中引入了并行寻找的思想,摆脱了传统的通过加权系数的办法,避免了加权系敦确定的盲目性。井成功的应用到无源滤波器的参数优化中,获得了较好的效果。同时高级遗传算子的引入,可保证问题达到垒局收敛。关键词多目标并行优化遗传算法南级遗传算干引言时,一般是根据各目标函数通过一定的加权近年来随着大量的电力电子器件和

2、非线系数,构成单目标函数,对于表现为不同性质性负载的使用,电网的谐波污染日益严重,与的目标,加权系数的确定就有很大的盲目性电网并联的无源滤波器以其经济性得到了广本文利用遗传算法泛应用。这种无源滤波器一般由元件构处理这类多目标、含约束条件的成串联谐振回路.滤去电网中的主要谐波非线性规划问题,并成功的应用到参数电流,使电网的谐波电压、谐波电流达到要求的优化中。遗传算法是模拟生物的“适者生的范围在无源滤波器的设计中,对元件存,优生劣汰”的进化过程,表现出其群体搜参数的优化是关键,同时在有源与无源滤波索策略和群体中的个体之间交换信息的特器

3、相结合的综合滤波器中,为了降低有源滤征。由于遗传算法完全抛弃了传统方法的逐波器的安装容量,同样存在着对参数的个求解的特点,从而使其更适于多目标的优优化问题。化问题,再者,由于遗传算法在可行解域中寻对于参数优化,单凭一个指标难以优,属于全局并行寻优方法,更容易获得全局评价设计质量的优劣,在实际工程设计中应最优解或近乎全局的最优解。文中在简单遗综合考虑多个指标,故这类问胚就是多目标、传算法基础上引入高级遗传算子,同含约束条件的非线性规划问题。处理这类问时以无源滤波器的性能指标和经济指标为目题常用的方法有复合形法、罚函标函数,进行参数的

4、优化,获得比较满意数法等,但是利用这些方法求解时,的结果。很容易限于局部最优解,特别是对存在等式多目标并行寻优的高级遗传算法的原理约束条件的情况。同时,它们在处理多目标基于生物进化机制的遗传算法,是一种.收稿日期:一?维普资讯////.电力电容器年第期叉的两个个体。由生物进化的基本思想,两个通用的自适应随机搜索方法,它对优化问题、个体的交叉过程中,个体中的优秀基因就有约束条件限制较少,只要求其具有可计算性。可能被保留和组合,产生的新个体的两个适同时,它的搜索遍及整个解空间,能够找到近应度都有提高,从而个体在两个目标上都得乎全局的最

5、优解。遗传算法并不直接处理解到了优化。当然这种方法不能排除遗传过程空间的数据,而是通过参数集的二进制编码中的某些个体的退化现象,但可以通过优秀串进行操作,遗传进化的方向决定于由优化个体保留原则将这些退化的个体从群体中剔的目标函数而确定的适应度遗传算法是对除,保证遗传总是向进化的方向进行。遗传过二进制编码进行遗传操作,通过个体之间的程中的变异亦扩大了解的搜索区域,保证问交叉、变异作用,带来它们的迁移,从而逐步题全局收敛。提高个体的适应度,使个体变优。遗传操作的三个基本环节就是选择、交叉和变异个体被在通过加权各目标函数获得的优化方法选

6、择的概率根据个体的适应度而定,交叉和中,由于加权系数的引入,使优化只能沿着一变异也是根据一定的概率来实现。个固定的方向进行,导致优化结果难以满足一所有的目标要求。利用多目标并行寻优的方般的遗传算法在处理多目标优化问题时,都是通过一定的加权系数,将多目标转换法可克服这一缺点,保证最终解分布的合理为单目标问题,但对多种存在根本性质差异性图是将优化转换为单目标问题时的个的目标,加权系数则难以确定。由遗传算法并体迁移情况,可见,解群的优化只能沿着加权行计算的特点,本文提出了同时根据每个目因子确定的一个方向进行,不能保证优化的标函数确定的适

7、应度来评价个体的方法,从结果在各适应度上都得到最佳,图给出了而控制优化的总方向。按双目标并行寻优的个体迁移情况,随着进对于双目标函数的优化问题,设两个适化,个体的两个适应度都增大,最终将获得各应度函数为、,分别根据、确定参加交适应度俱佳的解一图加权系数法下的个体迁移图多目标并行寻优的个体迁移理论上已证明简单的遗传算法,不能保在遗传初期,为了维持种群的优良特性,证问题收敛于全局最优解,本文在简单的遗亦选用较大的交叉概率和较小的变异概率。传算法基础上引入下列高级遗传算子,保证随着遗传的进程,需降低交叉作用,加强变异全局收敛。作用,避免

8、问题陷于局部最优解。式、.动态交叉、变异概率给出了交叉、变异概率的动态调整方法一/维普资讯////.年第期多目标并行优化的高级遗传算法在无源滤波器设计中的应用‘。。’一【/一暑无源滤波器参数的优化问题上式中。为初始交叉、变异概率,在无源滤波器的设计

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。