10.16085/j.issn.1000-6613.2019-1466
NSGA-Ⅱ和NSGA-Ⅲ应用于换热网络多目标优化的对比
针对换热网络多目标优化问题,采用目前应用较广泛的两种多目标遗传算法,即NSGA-Ⅱ和NSGA-Ⅲ,对两种算法的性能进行对比研究.案例研究结果表明,NSGA-Ⅱ算法比NSGA-Ⅲ算法运行效率更高,NSGA-Ⅲ的运行时间是NSGA-Ⅱ的2倍以上;NSGA-Ⅱ算法的应用并不严格地受限于3个目标的最大目标数量,NSGA-Ⅱ在求解大于3个目标的多目标优化问题时也可能具有良好的性能,目标数量并非选择NSGA-Ⅱ和NSGA-Ⅲ算法的严格标准.对10×5换热网络案例进行4个相关目标改造优化时,从换热网络的单一性能指标来看,NSGA-Ⅱ算法更容易获得各目标的极值.从最小年度总费用的评价指标来看,两种算法的最优方案效果相近.对7×3换热网络案例进行6个目标的优化时,NSGA-Ⅲ算法得到各目标的极值较优.从最小年度总费用的评价指标来看,NSGA-Ⅲ算法获得的投资费用和年度总费用更小.对于目标函数数量不超过3个,或者3个以上具有一定相关性的多目标优化问题,推荐优先使用NSGA-Ⅱ算法实现快速寻优;而NSGA-Ⅲ算法由于其基于参考点的选择机制,运行效率较慢,更适合用于收敛困难的高维多目标优化问题.
NSGA-Ⅱ、NSGA-Ⅲ、换热网络、多个目标、优化
39
TQ021.8(一般性问题)
浙江省自然科学基金;国家自然科学基金
2020-07-17（万方平台首次上网日期，不代表论文的发表时间）
共14页
2534-2547
