欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2020114588762
申请人: 湖北工业大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种改进的多目标灰狼优化算法的实现方法,用于实现微电网容量优化配置,其特征在于,包括以下步骤:步骤1、输入研究系统相关数据参数;

步骤2、确定系统优化目标及约束条件,确定系统变量及边界;

步骤3、狼群初始化,设置外部种群Archive,配置算法参数、差分参数,确定最大迭代次数;

步骤4、求解出当代狼群的非支配最优解并对外部种群Archive进行更新;

步骤5、解出当代的初始化参数a和k的值,通过轮盘赌的方法从外部种群中筛选出3个领导者;

步骤6、求出当前个体狼的4个候选解;

步骤7、求解候选解中的全部非支配解,采用精英策略并对其排序,对每只狼的更新位置进行择优选取;

步骤8、将非支配解添加至外部种群,同时去除外部种群中的支配解,若种群满员,则去除外部种群中的部分解;

步骤9、采用最大迭代次数对算法结束条件进行判断,如果达到最大迭代次数,则算法结束,输出外部种群的非支配解;反之,如果未达到最大迭代次数,则返回到步骤5,继续执行算法;

步骤10、基于改进的多目标灰狼算法性能测试;

所述步骤7中,包括以下子步骤:

7.1、收敛因子改进,将收敛因子改进如下:

式中,t表示当前迭代次数;Maxiter表示种群最大迭代次数;

7.2、差分机制引入,更新过程表达如下:

X1(t+1)=u(Xα(t)‑A1·Dα)+k((Xβ(t)‑A2·Dβ)‑(Xδ(t)‑A3·Dδ))

X2(t+1)=u(Xβ(t)‑A2·Dβ)+k((Xα(t)‑A1·Dα)‑(Xδ(t)‑A3·Dδ))

X3(t+1)=u(Xδ(t)‑A3·Dδ)+k((Xα(t)‑A1·Dα)‑(Xβ(t)‑A2·Dβ))

式中:Xα、Xβ、Xδ分别表示α、β、δ狼的当前位置,Dα、Dβ、Dδ分别表示当前候选灰狼与最优三条狼之间的距离;u表示差分机制的支配系数,其数值在1左右;k表示差分机制的扰动系数,根据个体之间的差异动态调整;个体差异越小,则k值越大,算法将加强全局探索,相反如果个体之间的差异越大,则k值越小,算法将加强局部探索,实现过程如下:式中:Sjg(g=1,2,3,4)表示当前个体产生的新位置目标函数值加权之和,参数k0是k的基准值,参数q1与q2是k的影响因子;

7.3、精英选择策略,为了保障种群个体的优秀率,通过下式对非支配解求得的目标函数加权求和,将计算结果进行排序,设置大小顺序为Sj1<Sj2<Sj3<Sj4,选择排序中函数值最小的解xjg,将其作为最新个体狼最终更新位置;

式中:wj表示加权参数,且满足 fj(xjg)表示第j个目标函数值。