[发明专利]一种基于随机增强和声算法的系统多目标优化方法

权利要求书

1.一种基于随机增强和声算法的系统多目标优化方法，其特征在于，该方法包括如下步骤：

确定待优化系统的数学模型；

确定待优化系统的多个优化目标；

基于随机增强和声算法对待优化系统进行多目标优化。

2.根据权利要求1所述的方法，其特征在于，

所述待优化系统的数学模型为所述待优化系统的适应度函数。

3.根据权利要求1所述的方法，其特征在于，所述待优化系统包括源模块、运行控制模块和负荷模块。

4.根据权利要求1所述的方法，其特征在于，所述待优化系统的多个优化目标包括经济性目标、可靠性目标和环保性目标。

5.根据权利要求4所述的方法，其特征在于，所述经济性目标包括系统建设成本、维护成本、使用成本和维修成本。

6.根据权利要求4所述的方法，其特征在于，所述可靠性目标包括系统稳定性、系统故障率和系统抗扰性。

7.根据权利要求4所述的方法，其特征在于，所述环保性目标包括系统有害气体排放率、可再生率和可再生能源使用率。

8.根据权利要求1所述的方法，其特征在于，所述确定待优化系统的数学模型具体包括：

确定和声记忆库的大小HMS、和声记忆考虑率HMCR、微调扰动偏好ξ、音调微调带宽bw、随机游走函数的步长因子λ以及搜索范围[LB,UB]；其中，UB和LB是搜索范围的上下限；

在所述搜索范围[LB,UB]内随机生成HMS组解向量X_i，其中i＝1,2,…,HMS，并利用适应度计算法，生成每组解向量对应的适应度函数值f(X_i)。

9.根据权利要求8所述的方法，其特征在于，所述基于随机增强和声算法对待优化系统进行多目标优化具体包括：

解向量X_i及其适应度函数值f(X_i)共同形成和声记忆库HM；

解向量X_i(j)的生成公式为：

X_i(j)＝LB(j)+(UB(j)-LB(j))×rand()

和声记忆库HM为：

式中，i＝1,2,…,HMS，j＝1,2,…,n，n为和声变量的最大维数，rand()是[0,1]之间的随机数；

在[0,1]之间生成随机数r；

若r小于HMCR，

则从和声记忆库HM中随机选取变量X_i，以概率ξ对变量X_i向上确界方向扰动，以概率1-ξ对变量X_i向下确界方向扰动，产生新的和声变量X_{i_new}

其中，X_{i_new}∈[LB,UB]，rand是[0,1]之间的随机数，bw是音调微调带宽，ξ是偏好因子；

若r大于等于HMCR，

则在搜索范围内随机生成和声变量X_i；

基于随机增强机制更新和声变量X_i，更新和声变量的公式为：

X_{i_new}＝X_i+λ·Rand(d)

式中，λ是步长因子，Rand(d)是随机搜索路径，d是和声变量的维度，X_{i_new}约束条件为X_{i_new}∈[LB,UB]；

若新产生的X_{i_new}优于和声库中的最劣和声变量，则用新的和声变量X_{i_new}替换和声库中的最劣和声变量，若新产生的X_{i_new}不优于和声库中的最劣和声变量，判断是否满足结束条件，若满足，则结束输出结果，若不满足，重新在[0,1]之间生成随机数r，进行新一轮的搜索。