黄，T.L。;蔡，C.M。;黄天勇。;黄，C.C。;连战，Y.N。;陈，C.R。;Chang，C.H。 基于免疫多目标算法的电容器优化配置。 （英语） Zbl 1220.90172号 J.信息优化。科学。 31，第5期，973-992（2010）. 摘要：本文提出了一种嵌入折衷规划的两阶段免疫算法来实现多目标最优补偿器配置。提出了一种新的问题描述模型，该模型采用模糊集来反映目标的不精确性，并结合了多种规划要求。该方法找到一组非劣解（Pareto），而不是任何单一的聚合最优解。此外，这种开发的方法不需要任何用户定义的权重因子来聚合所有目标。对实际系统进行了比较研究，结果令人鼓舞，证明了所提方法的有效性。 MSC公司： 90 C90 数学规划的应用 90C29型 多目标规划 关键词：补偿器布置;免疫算法;非劣集;折衷编程 PDF格式BibTeX公司 XML格式引用 \textit{T.L.Huang}等人，J.Inf.Optim。科学。31，第5号，973--992（2010；Zbl 1220.90172） 全文： 内政部 链接 参考文献： [1] Braran M.E.，IEEE Trans Power Delivery 4（1）第725页–（1989）·doi:10.1109/61.19265 [2] Chis M.，《IEEE程序——发电、输电和配电》144（3）第225页–（1997）·doi:10.1049/ip-gtd:19970945 [3] Cho M.Y.，IEEE程序-发电、输电和配电144（6）pp 533–（1997）·doi:10.1049/ip-gtd:19971387 [4] Su，C.T.和Tsai，C.C.一种新的模糊推理方法，用于初级配电系统的电容器优化配置。《1996年IEEE工业技术会议论文集》，第237-241页。 [5] Chiang H.D.，IEEE翻译。电力输送5（2）pp 634–（1990） [6] Chiang H.D.，IEEE翻译。电力输送5（2）pp 634–（1990）·doi:10.1109/61.53065 [7] Huang Y.C.，IEEE翻译。电力系统11（4）第1868页–（1996）·doi:10.1109/59.544656 [8] Sundhararajan S.，IEEE传输。电力系统9第1499页–（1994）·数字对象标识代码：10.1109/59.336111 [9] Ajjarapu V.，《神经网络在电力系统应用的第一次国际形式会议录》，第251页–（1997年） [10] Schweppe F.C.，IEEE会议记录77（6）pp 899–（1989）·数字对象标识代码：10.1109/5.29330 [11] Dasgupta，D.1999。人工免疫系统及其应用，251-255。柏林萨拉德鲁克：柏林-海德堡施普林格-弗拉格出版社。 [12] Tsujimura，Y.和Gen，M.求解TSP的基于熵的遗传算法。1998年4月21日至23日，第二届基于知识的智能电子系统国际会议，第285–290页。澳大利亚阿德莱德2号 [13] Wassendhove L.V.，《欧洲运筹学杂志》4（6），第42页–（1978） [14] Horn，J.、Nafpliotis，N.和Goldberg，D.E.多目标优化的小生境帕累托遗传算法。6月27日至29日。《第一届IEEE进化计算会议论文集》，第82-87页。IEEE计算智能世界大会。第1卷 [15] Goicoecha A.，《工程和商业应用的多目标决策分析》（1982年）·Zbl 0584.90045号 [16] Zeleny M.，《多准则决策》（1982）·Zbl 0588.90019号 [17] 黄S.J.，IEEE Trans。电力输送15（2）pp 744–（2000）·数字对象标识代码：10.1109/61.853014 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。