【文献阅读】多目标优化算法改进-Part1

一、改进NSGA-Ⅱ算法

1. 文献：改进NSGA-Ⅱ算法的动力总成悬置系统怠速振动优化
2. 摘要：在NSGA-Ⅱ算法的基础上引入自适应遗传因子以提高其寻优性、收敛性，基于改进的NSGA-Ⅱ算法，使用
   振型叠加原理，以动力总成悬置系统的解耦率、固有频率分布以及各阶动反力频响幅值为优化目标，悬置刚度为
   优化变量，进行多目标优化。优化后的动力总成悬置系统固有频率分布合理，综合解耦率提升20.86%，动反力下
   降19.1%。试验结果表明总隔振率提高了16.5%，有效改善了动力总成怠速振动的问题。
3. 问题
   （1）如何改进
   （2）如何评估效果的提升（改进前和改进后对比就可以啦）
4. 具体算法
   （1）贡献：将最高支配族群的拥挤与整个种群的平均拥挤度进行对比，引入迭代因子i，使种群自适应进化，加强算法的搜索能力以及最优解的收敛速度。
   
   
5. 实验设计
   （1）优化算法收敛度比较
   （2）改进算法种群分布对比
   （3）Pareto前沿主要参考点对比
   （4）优化前后系统性能对比

二、改进麻雀算法

1. 文献：改进麻雀算法在列车 ATO 多目标优化中的应用

2. 摘要：针对列车自动驾驶（ATO）运行过程多目标优化问题，以列车运行安全性、列车动力学模型等因素为约束条件，考虑列车准时性、能耗、舒适性等指标，使用模糊隶属度法建立多目标优化模型。利用罚函数处理约束条件，将停车误差与限速作为惩罚项并构造出适当的惩罚函数加入到目标函数中，从而得到增广目标函数，提出基于改进麻雀算法（ISSA）的求解策略。为提高麻雀算法（SSA）的全局寻优能力，避免收敛于局部最优，引入 Logistic 映射、自适应超参数、变异算子对传统麻雀算法进行改进，通过测试函数对算法性能进行验证，表明 ISSA 算法的收敛速度、寻优精度比传统 SSA算法好。以工况转换点为决策变量，通过 ISSA 算法对工况转换点的位置及速度进行寻优，进而获得目标速度-距离曲线。最后选取城轨车辆参数与线路数据进行仿真验证，仿真结果表明：所提优化策略相较于未优化前，舒适性提高了 21.22%，能耗降低了 22.41%，准时性与停车误差满足要求。与 PSO 优化方法相比，收敛速度更快，运行时间几乎一样的情况下能耗降低了 12.74%，节能效果更佳；停车误差降低了 20.45%，舒适性保持在舒适范围之内；对于速度-距离曲线，巡航距离更长、惰行距离变短、最高运行速度降低。由此可见，达到了综合优化 ATO 的目的，验证了 ISSA 优化策略的有效性。

3. 具体算法
   （1）初始种群分布的优化
   
   （2）参数的自适应改变
   
   （3）引入变异算子
   

4. 实验设计
   （1）算法的测试寻优
   （2）两种优化算法优化后对比
   （3）根据实际问题具有的优化指标对比

三、改进天牛须搜索算法

1. 文献：基于改进BAS算法的配电网多目标优化重构

2. 摘要：天牛须搜索（BAS）算法存在早熟收敛、计算效率低下等缺点，文中提出一种改进 BAS 算法，并应用于解决配电
   网优化重构问题。首先建立以网络损耗、负荷均衡度、电压偏差以及系统供电可靠性为目标的数学模型；然后针对传统天牛须搜索算法易陷入局部最优，采用模拟退火的蒙特卡洛准则进行改进，提高了算法的稳定性和可重复性，并采用改进后的天牛须搜索算法对数学模型进行迭代求解，给出配电网最优重构方案；最后结合 IEEE 69总线系统进行实例仿真分析，与未进行系统重构配置进行对比，所提算法减少了网络损耗，提高了系统运行的经济稳定性。

3. 具体算法
   （1）改进天牛须搜索算法（2）基于改进的天牛须搜索算法的多目标配网优化重构
   其中，初始化改进 BAS 算法的基本参数，如步长因子、
   初始温度 T、降温速率 k以及算法最大迭代次数 gen等；

4. 实验设计
   （1）就改进BAS算法验证其效果，看对于多目标配电网重构问题解决效果的提升或者说求解性能；
   （2）为了验证所提算法的有效性，分别通过 GA、PSO、SVM、BAS 算法对 IEEE 69 总线配电网络进行重构，算法对比的结果如表 4所示。

四、改进粒子群优化算法

1. 文献：基于改进粒子群优化算法的外转子永磁同步电机的多目标优化设计
2. 摘要：为降低外转子永磁同步电机作为皮带输送机驱动电机时的永磁体成本并提高电机性能，提出基于响应面法和改进多目标粒子群优化算法的优化设计方法。 在建立电机基本结构的基础上，将永磁体尺寸、气隙长度、槽口宽度等作为优化参数，将永磁体成本、输出转矩、转矩脉动等作为优化目标。 通过参数灵敏度分析筛选出显著参数，基于RSM结合有限元仿真建立样本空间，并拟合出优化目标和优化参数的函数关系，通过IMOPSO 寻优。 最后对比优化前后的方案结果，所提多目标优化算法准确可靠且具有更好的收敛性和多样性，能够在降低永磁体成本的同时优化电机的性能。
3. 具体算法
   （1）传统MOPSO
   
   （2）惯性权重的改进：采用自适应非线性递减的原则来改善算法的收敛性能，使w随着算法的迭代次数产生非线性递减。新的惯性权重公式为
   
   （3）基于拥挤距离的外部档案维护机制
   本文引入拥挤距离的概念，对MOPSO进行改进，对于拥挤距离的求解，以双目标优化问题为例，拥挤距离的计算方法如图3所示，第m个非劣解的拥挤距离即为虚线围成矩形的1/2周长。在迭代过程中，外部档案库已满的情况下，通过计算并淘汰拥挤距离最小的非劣解对外部档案进行维护，保持种群多样性并进一步加快迭代速度。
   （4）引入变异操作
   在粒子位置更新的过程中，有10%的概率进行变异操作，
   
4. 实验设计
   （1） 将改进算法与线性权重和固定权重的MOPSO算法进行比较，利用测试函数测试性能，
   
   （2）将算法用于实际问题，将优化后方案与优化前方案进行对比
   

五、小结

1. 本着快速了解多目标优化算法改进策略的初心，本次文献阅读选择了知网上的一些相关文章，没有考察文章期刊等级；
2. 只从策略上看，确实质量不怎么高，主要是对算法本身算子做的一些改进，包括自适应参数调整、混合策略和多目标问题相关的拥挤距离与外部维度档案机制的引入（一定程度上也算是策略混合吧）；
3. 实验设计的话，也相对单薄，有针对算法改进前后的实际应用效果对比，有改进前后的测试函数对比，也有选择简单经典多目标优化算法对比，看起来都不复杂，最终都要收敛到实际问题的效果提升问题上。