×
段建东;王静;刘兴华;肖高熙

基于鞅理论的多目标闪电算法设计及其收敛性分析。 （英语） Zbl 1453.90140号

复杂性 2020，文章ID 8451639，第10页（2020）.
摘要：本文提出了一种新的多目标闪电算法（MOLFA）来解决多目标优化问题。定义了闪电算法的电荷分布状态，证明了电荷分布状态序列是马尔可夫链。由于MOLFA的收敛性分析是为了研究当获得最优电荷布居状态时是否可以达到Pareto最优解，因此为了实现本文的目标，对电荷布居态的发展进行了分析。基于鞅理论，利用上鞅收敛定理进行了MOLFA收敛性分析，表明MOLFA可以以概率1达到全局最优。最后，通过数值仿真实例验证了所提MOLFA的有效性。

MSC公司：

90C29型 多目标规划
60J20型 马尔可夫链和离散时间马尔可夫过程在一般状态空间（社会流动、学习理论、工业过程等）上的应用
90 C59 数学规划中的近似方法和启发式

软件：

NSGA-II公司
PDF格式BibTeX公司 XML格式引用
\textit{J.Duan}等人，《复杂性2020》，文章ID 8451639，10 p.（2020；Zbl 1453.90140）
全文： 内政部
OA许可证

参考文献：

[1] Kheshti，M.，一种新的优化方法——闪电算法及其在电力系统中的应用（2017），中国西安：西安交通大学，中国西安，博士论文
[2] Kheshti，M。；康，X。；贝尔，Z。；焦，Z。；Wang，X.，发电机组上具有阀点和多燃料选项的大规模非凸经济调度的有效闪电算法解决方案，Energy，129，1-15（2017）·doi:10.1016/j.energy.2017.04.081
[3] Kheshti，M。；康，X。；李，J。；Regulski，P。；Terzija，V.，《解决带发电机约束的非凸组合排放经济调度的闪电闪光算法》，IET发电、输电和配电，12，1，104-116（2018）·doi:10.1049/iet-gtd.2017.0257
[4] Kheshti先生。；Kang，X.，《基于闪电算法的配电网最优过流继电器协调》，工程计算，35，3，1140-1160（2018）·doi:10.1108/ec-01-2017-0003
[5] Kheshti，M。；丁·L。；Nayeripour，M。；王，X。；Terzija，V.，使用可靠的功率参考方案为电网频率事件提供风力涡轮机的有功功率支持，可再生能源，1391241-1254（2019）·doi:10.1016/j.rene.2019.03.016
[6] Kheshti，M。；丁·L。；Bao，W。；尹，M。；吴琼。；Terzija，V.，《风电场智能惯性频率参与电网频率控制》，IEEE工业信息学报，16，11，6772-6786（2020）·doi:10.1109/tii.2019.2924662
[7] 曹，B。；赵，J。；Lv，Z.，用于多目标大规模优化的分布式并行粒子群优化，IEEE Access，5，8214-8221（2017）·doi:10.1109/access.2017.2702561
[8] Hannan，文学硕士。；Ali，J.A。；Hussain，A.，感应电机驱动的基于量子闪电搜索算法的模糊速度控制器，IEEE Access，61214-1223（2018）·doi:10.1109/access.2017.2778081
[9] 黄，H.-C。；Lin，S.-K.，使用超变异萤火虫算法优化的径向基函数神经网络的智能车辆混合元启发式嵌入式系统，IEEE工业信息学报，15，2，1062-1069（2019）·doi:10.1109/tii.2018.2796556
[10] Al-Omoush，A.A.A。；Alsewari，A.A。；Alamri，H.S。；Zamli，K.Z.，《和声搜索算法及其应用发展综述》，IEEE Access，714233-14245（2019）·doi:10.1109/access.2019.2893662
[11] 林，Q。；李，J。；杜，Z。；陈，J。；Ming，Z.，一种具有多种搜索策略的新型多目标粒子群优化算法，《欧洲运筹学杂志》，247，3，732-744（2015）·Zbl 1346.90742号 ·doi:10.1016/j.ejor.2015.06.071
[12] Shigenobu，R。；Noorzad，A.S。；Yona，A。；Senjyu，T.，使用链接组合更新非支配排序遗传算法-II对步进电压调节器操作进行多目标优化和配电系统设计的优化布局，IET发电、输电和配电，12，1，20-30（2018）·doi:10.1049/iet-gtd.2016.1361
[13] 田海勇。；李世杰。；Wu，T.Q。；Yao，M.，基于人工免疫系统的极端学习机器，计算智能与神经科学，2018（2018）·doi:10.1155/2018/3635845
[14] 刘，X.Y。；张，A.L。；高永乐。；赵伟，基于最速下降算法的新型混合免疫算法及其收敛性，应用数学与计算，218，4，1291-1296（2011）·Zbl 1229.90275号 ·doi:10.1016/j.amc.2011.06.010
[15] Jin，X.L。；Ma，L.H。；Wu，T.J。；钱建新，基于随机过程的粒子群优化算法的收敛性分析，自动化学报，33，12，1263-1268（2007）·Zbl 1164.68401号
[16] 卢，Z.-G。；赵，H。；肖海峰。；Wang，H.-R。；Wang，H.-J.，一种改进的多目标菌群趋化算法及其收敛性分析，应用软计算，31274-292（2015）·doi:10.1016/j.asoc.2015.02.046
[17] 魏毅。；邱，J。；Shi，P。；Wu，L.，具有时滞和执行器故障的模糊仿射系统的可靠输出反馈控制的分段马尔可夫lyapunov方法，IEEE控制论汇刊，48，9，2723-2735（2018）·doi:10.1109/tcyb.2017.2749239
[18] 魏毅。；邱，J。；Karimi，H.R。；Ji，W.，半马尔可夫跳变时滞系统的新型存储器滤波设计，IEEE系统、人与控制论汇刊：系统，48，12，2229-2241（2018）·doi:10.1109/tsmc.2017.2759900
[19] 刘，X。；马，G。；P.R.帕吉拉。；Ge，S.S.，离散时间马尔科夫交换系统基于状态估计器的异步重复控制，复杂性，2020，1-13（2020）·Zbl 1435.93162号 ·doi:10.1155/2020/6195162
[20] 刘，X。；马，G。；P.R.帕吉拉。；Ge，S.S.，网络马尔可夫跳跃系统的动态输出反馈异步控制，IEEE系统、人与控制论汇刊：系统，50，7，2705-2715（2020）·doi:10.1109/tsmc.2018.2827166
[21] Francois，O.，《全局最小化的进化策略及其马尔可夫链分析》，IEEE进化计算汇刊，2，3，77-90（1998）·数字对象标识代码：10.1109/4235.735430
[22] Wu，D。；徐，S。；Kong，F.，鸡群优化算法的收敛性分析与改进，IEEE Access，42940-9412（2016）·doi:10.1109/access.2016.2604738
[23] 黄，H。；Wu，C.G。；Hao，Z.F.，基于信息素速率的ACO算法收敛时间分析，IEEE系统、人与控制论事务，B部分（控制论），39，4，910-923（2009）·doi:10.1109/TSMCB.2009.2012867
[24] Nakama，T.，遗传算法应用于受加性和乘性噪声同时扰动的适应度函数的马尔可夫链分析，计算优化与应用，51，2，601-622（2012）·Zbl 1283.90039号 ·doi:10.1007/s10589-010-9371-1
[25] 宁，A。；张晓勇，人工蜂群算法的收敛性分析，控制与决策，28，10，1554-1558（2013）
[26] 陈，S。；彭，G.-H。；他，X.-S。；Yang，X.-S.，使用马尔科夫框架和动力系统理论对bat算法的全局收敛性分析，应用专家系统，114173-182（2018）·doi:10.1016/j.eswa.2018年7月36日
[27] 薛，J。；Wang，Y。；Li，H.，智能狼群算法及其收敛性分析，控制与决策，31，12，2131-2139（2016）
[28] 潘，F。；李，X.-T。；周，Q。；李，W.-X。；高奇，基于马尔可夫链的标准粒子群优化算法分析，自动化学报，39，4，381-389（2013）·Zbl 1289.90267号 ·doi:10.1016/s1874-1029（13）60037-3
[29] Yang，T。；Ren，Y.-X.，微分鞅在临界状态下的极限定理，分支布朗运动，统计与概率快报，81，2，195-200（2011）·Zbl 1371.60150号 ·doi:10.1016/j.spl.2010.11.007
[30] 徐，G。；Yu，G.，《粒子群优化算法的收敛性分析》，《计算与应用数学杂志》，33365-73（2018）·Zbl 1388.90129号 ·doi:10.1016/j.cam.2017.10.026
[31] 段，H.B。；王，D。；Yu，X.F.，基于马尔可夫链和鞅理论的蚁群算法收敛性证明及其仿真平台，第六届世界智能控制与自动化大会论文集
[32] Chiandussi，G。；Codegone，M。；费雷罗，S。；Varesio，F.E.，《工程应用多目标优化方法的比较》，《计算机与数学与应用》，63，5，912-942（2012）·Zbl 1247.74052号 ·doi:10.1016/j.camwa.2011.11.057
[33] 科埃罗，C.A.C。；Pulido，G.T。；Lechuga，M.S.，用粒子群优化处理多目标，IEEE进化计算汇刊，8，3，256-279（2004）·doi:10.1109/tevc.2004.826067
[34] 齐茨勒，E。；Deb，K。；Thiele，L.，《多目标进化算法的比较：经验结果》，进化计算，8，2，173-195（2000）·数字对象标识代码：10.1162/106365600568202
[35] Deb，K。；Thiele，L。；Laumanns，M。；Zitzler，E.，可扩展多目标优化测试问题，2002年进化计算大会论文集
[36] 新罕布什尔州阿瓦德。；阿里，M.Z。；Liang，J.J。；Qu，B.Y。；Suganthan，P.N.，《2017年中国电子商务大会（CEC2017）特别会议和单目标约束实际参数数值优化竞赛的问题定义和评估标准》（2016），新加坡：新加坡南洋理工大学，新加坡，技术报告
[37] Deb，K。；普拉塔普，A。；阿加瓦尔，S。；Meyarivan，T.，一种快速的精英多目标遗传算法：NSGA-II，IEEE进化计算汇刊，6，2，182-197（2002）·数字对象标识代码：10.1109/4235.996017
[38] Schott，J.R.，《使用单准则和多准则遗传算法优化的容错设计》（1995年），马萨诸塞州坎布里奇，美国：马萨诸塞理工学院航空航天系，马萨诸塞诸塞州剑桥，美国，硕士论文
[39] Van Veldhuizen，D.A.，《多目标进化算法：分类、分析和新创新》（1999），美国俄亥俄州怀特-帕特森：美国俄亥俄州赖特-帕特森空军技术学院电子计算机工程系，博士论文
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。