.png){kind=icon}
返回
A Time-Division-Based Constrained Multiobjective Optimization Method for Coal Mine Integrated Energy System Dispatch Problem
.png){kind=icon}
PRE
AI
DOI：10.1109/TCYB.2025.3649862.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
煤矿综合能源系统调度问题（CMIES-DP）是一个具有多目标、高维决策变量和多约束特性的约束多目标优化问题（CMOP），这使得现有方法面临挑战。一方面，现有的约束多目标进化算法（CMOEAs）在处理高维变量问题时容易陷入局部最优；另一方面，CMIES-DP中目标与约束的关系尚未被充分分析以指导针对性求解技术的开发。因此，本文提出了一种基于时间划分的CMOEA（TDCEA），通过分析CMIES-DP的特性设计了两种主要策略。首先，通过分析目标和约束的时间关系，将CMIES-DP分解为多个变量和约束较少的子问题，并依次求解以获得更优的决策变量；随后设计随机拼接方法，将子问题输出的决策变量合并为完整决策变量的解集，并进一步优化以寻找可行的帕累托最优解。其次，通过分析约束与目标的关系来指导进化种群的设计，从而提升算法的搜索能力。实验中，将所提算法应用于实际CMIES-DP案例，结果表明与先进算法相比，该算法在多样性、收敛性和分布性方面表现更优。
Keyword:
Coal mine integrated energy system (CMIES)
constrained multiobjective optimization
dispatch optimization
evolutionary algorithm (EA)
期刊
IF:
10.5
论文数:
1.1W
被引数:
5.0W
机构
引用论文
Constrained Multi-objective Optimization-Based Temporal Network Observability for Biomarker Identification of Individual Patients基于约束的多目标优化方法的个体患者生物标志物识别的时间网络可观测性
PREAI
分享收藏A dynamic granularity-based multi-objective evolutionary algorithm for coal mine integrated energy system dispatch optimization一种基于动态粒度的煤矿综合能源系统调度优化的多目标进化算法
PREAI
分享收藏PlatEMO: A MATLAB Platform for Evolutionary Multi-Objective OptimizationPlatEMO: 用于进化多目标优化的MATLAB平台
OAAI
OAAI分享收藏A Condition Knowledge Representation and Feedback Learning Framework for Dynamic Optimization of Integrated Energy Systems综合能源系统动态优化的条件知识表示和反馈学习框架
PREAI
分享收藏Multiobjective evolutionary algorithms: A comparative case study and the Strength Pareto approach多目标进化算法: 比较案例研究和强度帕累托方法
PREAI
分享收藏Two-Stage Cooperation Multiobjective Evolutionary Algorithm Guided by Constraint-Sensitive Variables.png)
IF0
PREAI
分享收藏
查看更多内容