基于制造技术

技术编号:39835760 阅读:11 留言:0更新日期:2023-12-29 16:19
本发明专利技术公开了基于

【技术实现步骤摘要】
基于GAPSO算法的电网绿色建造多目标协同优化方法


[0001]本专利技术涉及计算机辅助设计
,特别涉及基于
GAPSO
算法的电网绿色建造多目标协同优化方法


技术介绍

[0002]现有的绿色建造技术大都集中在设计方案和评价方法上,而且研究对象多为建筑工程,而针对电网工程绿色建造多目标协同优化的研究相对较少

[0003]在多目标协同的研究中,现有技术则主要集中在工期

成本

质量

安全等方面的协同优化,并没有考虑到绿色建造项目独有的生态效益

[0004]现有的多目标协同研究提供了协同优化的思路和方法,但却并未考虑电网工程的独特性,且实际应用中还要将绿建技术带来的生态效益纳入研究,导致现有技术无法全面的实现电网工程绿色建造的多目标协同优化

[0005]因此,如何从成本投入的角度,在工期效益理论

质量成本理论

生态成本理论的基础上建立电网工程绿色建造多目标间的协同优化成为本领域技术人员亟需解决的技术问题


技术实现思路

[0006]有鉴于现有技术的上述缺陷,本专利技术提供基于
GAPSO
算法的电网绿色建造多目标协同优化方法,实现的目的是从成本投入的角度,在工期效益理论

质量成本理论

生态成本理论的基础上建立电网工程绿色建造多目标间的协同优化

[0007]为实现上述目的,本专利技术公开了基于
GAPSO
算法的电网绿色建造多目标协同优化方法,包括如下步骤:
[0008]步骤
1、
设定种群的数量

迭代次数

交叉概率和变异概率;
[0009]步骤
2、
初始化所述种群,计算适应度;具体为:随机产生多个个体的基因编码,即所述种群的位置,计算所有所述个体的适应度
D
,初始化当代最优种群
Pbest
和全局最优个体
Gbest
;所述适应度
D
的计算公式如下:
[0010]D

w
T
·
D
T
+w
Q
·
D
Q
+w
E
·
D
E
+w
C
·
D
C

[0011]其中,
w
T
为成本目标的权重;
w
Q
为工期目标的权重;
w
E
为质量目标的权重;
w
C
为生态目标的权重;
[0012]D
T
是工期目标函数归一化处理后的值;
D
Q
是质量目标函数归一化处理后的值;
D
E
是生态目标函数归一化处理后的值;
D
C
是成本目标函数归一化处理后的值;
[0013][0014][0015][0016][0017]其中,
T
i
算法求解过程中的工期目标函数值;
T
max
为成本目标优化时的最大值;
T
min
为成本目标优化时的最小值;
Q
i
算法求解过程中的质量目标函数值;
Q
max
为工期目标优化时的最大值;
Q
min
为工期目标优化时的最小值;
E
i
算法求解过程中的生态目标函数值;
E
max
为质量目标优化时的最大值;
E
min
为质量目标优化时的最小值;
C
i
算法求解过程中的成本目标函数值;
C
max
为生态目标优化时的最大值;
C
min
为生态目标优化时的最小值;
[0018]步骤
3、
与所述当代最优种群
Pbest
交叉;对所述当前最优种群
Pbest
的所有个体进行两两分组,对每组里的两个个体按照交叉概率进行交叉,产生第一新个体,所有第一新个体形成第一新种群

[0019]计算所述第一新种群中所有第一新个体的所述适应度
D
;若所述第一新种群中第一新个体的所述适应度
D
优于所述当代最优种群
Pbest
中对应个体的所述适应度
D
,则更新所述当代最优种群
Pbest
和所述全局最优个体
Gbest
,反之不更新;
[0020]步骤
4、
与所述全局最优个体
Gbest
交叉;具体为:对所述全局最优个体
Gbest
与所述当代最优种群
Pbest
中每一个个体按交叉概率进行交叉,产生第二新个体,所有第二新个体形成第二新种群

[0021]计算所述第二新种群中所有第二新个体的所述适应度
D
;若所述第二新种群中的第二新个体的所述适应度
D
优于当代最优种群
Pbest
中对应个体的所述适应度
D
,则更新所述当代最优种群
Pbest
和所述全局最优个体
Gbest
,反之不更新;
[0022]步骤
5、
变异;具体为:对所述当代最优种群
Pbest
的所有个体按照所述变异概率进行变异,产生第三新个体,形成第三新种群;
[0023]步骤
6、
计算每个所述第三新种群中的第三新个体的所述适应度
D
,若所述第三新种群中的第三新个体的所述适应度
D
优于当代最优种群
Pbest
中对应个体的所述适应度
D
,则更新所述当代最优种群
Pbest
和所述全局最优个体
Gbest
,反之不更新;
[0024]步骤7:若达到终止条件,输出达到终止条件时所述全局最优个体
Gbest
对应的最优目标值,即适应度函数值,反之则重复执行步骤3至步骤6直至达到终止条件

[0025]优选的,采用的计算机软件平台为
Matlab2022b
;其中,所述种群的所述数量设定为
50
,所述迭代次数设定为
300
,所述交叉概率设定为
0.03
,所述变异概率设定为
0.01。
[0026]本发本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.
基于
GAPSO
算法的电网绿色建造多目标协同优化方法;其特征在于,包括如下步骤:步骤
1、
设定种群的数量

迭代次数

交叉概率和变异概率;步骤
2、
初始化所述种群,计算适应度;具体为:随机产生多个个体的基因编码,即所述种群的位置,计算所有所述个体的适应度
D
,初始化当代最优种群
Pbest
和全局最优个体
Gbest
;所述适应度
D
的计算公式如下:
D

w
T
·
D
T
+w
Q
·
D
Q
+w
E
·
D
E
+w
C
·
D
C
;其中,
w
T
为成本目标的权重;
w
Q
为工期目标的权重;
w
E
为质量目标的权重;
w
C
为生态目标的权重;
D
T
是工期目标函数归一化处理后的值;
D
Q
是质量目标函数归一化处理后的值;
D
E
是生态目标函数归一化处理后的值;
D
C
是成本目标函数归一化处理后的值;是成本目标函数归一化处理后的值;是成本目标函数归一化处理后的值;是成本目标函数归一化处理后的值;其中,
T
i
算法求解过程中的工期目标函数值;
T
max
为成本目标优化时的最大值;
T
min
为成本目标优化时的最小值;
Q
i
算法求解过程中的质量目标函数值;
Q
max
为工期目标优化时的最大值;
Q
min
为工期目标优化时的最小值;
E
i
算法求解过程中的生态目标函数值;
E
max
为质量目标优化时的最大值;
E
min
为质量目标优化时的最小值;
C
i
算法求解过程中的成本目标函数值;
C
max
为生态目标优化时的最大值;
C
min
为生态目标优化时的最小值;步...

【专利技术属性】
技术研发人员:史松峰彭彩虹陈凯玲张福利陆为赟张学栋朱理
申请(专利权)人:上海电力设计院有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1