提出改进非劣分类遗传算法NSGA-Ⅱ在燃煤锅炉多目标燃烧优化中的应用, 优化的目标是锅炉热损失及NOx排放最小化。首先, 采用BP神经网络模型分别建立了300MW燃煤锅炉的NOx排放特性模型和锅炉热损失模型, 同时利用锅炉热态实验数据对模型进行了训练和验证, 结果表明, BP神经网络模型可以很好地预测锅炉的排放特性和锅炉的热损失特性。在建立的锅炉排放特性和热损失BP神经网络模型基础上, 采用非劣分类遗传算法对锅炉进行多目标优化, 针对NSGA-Ⅱ在燃煤锅炉燃烧多目标优化问题应用中Pareto解集分布不理想、易早熟收敛的问题, 在拥挤算子及交叉算子上进行了相应改进。优化结果表明, 改进NSGA-Ⅱ方法与BP神经网络模型结合可以对锅炉燃烧实现有效的多目标寻优、得到理想的Pareto解, 是对锅炉燃烧进行多目标优化的有效工具, 同改进前的NSGA-Ⅱ优化结果比较, 其Pareto优化结果集分布更好、解的质量更优。
2021-02-25 22:44:56
1.13MB
1
多目标进化优化算法基础篇——NSGA-Ⅱ算法。
NSGA主要问题：
1、构造pareto最优解集计算复杂度太高，为O( ),m为目标个数，N为种群大小
2、需预先设定共享参数
3、没有采取外部种群策略
（即精英保留机制）
NSGA-Ⅱ改进情况：
1、快速非支配解排序
2、基于拥挤距离保持解集多样性
3、引入精英保留机制保持优良个体
2020-01-16 03:11:47
1.56MB
1
NSGA-Ⅱ是目前最流行的多目标进化算法之一，它降低了非劣排序遗传算法的复杂性，具有运行速度快，解集的收敛性好的优点，成为其他多目标优化算法性能的基准。NSGA-Ⅱ算法是 Srinivas 和 Deb 于 2000 年在 NSGA 的基础上提出的，它比 NSGA算法更加优越：它采用了快速非支配排序算法，计算复杂度比 NSGA 大大的降低；采用了拥挤度和拥挤度比较算子，代替了需要指定的共享半径 shareQ，并在快速排序后的同级比较中作为胜出标准，使准 Pareto 域中的个体能扩展到整个 Pareto 域，并均匀分布，保持了种群的多样性；引入了精英策略，扩大了采样空间，防止最佳个体的丢失，提高了算法的运算速度和鲁棒性。
2019-12-21 21:32:06
628B
1
1）本程序主要针对测试函数集ZDT1进行的NSGA-Ⅱ算法的编写；
2）本程序有详细的备注解释；
3）本文件里包含论文《非支配排序遗传算法（NSGA）的研究与应用》.pdf，用来指导学习NSGA-Ⅱ算法
2019-12-21 19:49:54
1.82MB
1