基于Pareto最優(yōu)解的多目標(biāo)PSO算法在電機優(yōu)化設(shè)計中的應(yīng)用.pdf

1、電動機優(yōu)化設(shè)計的最優(yōu)解與許多因素有關(guān)，如模型的建立、優(yōu)化變量的選取、其某些參量的確定等，最重要的是優(yōu)化方法。傳統(tǒng)的優(yōu)化策略大多基于梯度計算，對函數(shù)的連續(xù)性、導(dǎo)數(shù)的存在性都有較高的要求，對于某些函數(shù)甚至無法保證算法收斂到最優(yōu)，從而限制了其進一步發(fā)展。而粒子群（PSO）智能算法在多目標(biāo)搜索領(lǐng)域有很大發(fā)展?jié)摿Γ渲饕攸c在全局隨機搜索策略，能夠不依賴于初值的選取和不用考慮目標(biāo)函數(shù)本身的是否連續(xù)或者可微。 本文的主要目的是建立一個多目標(biāo)

2、電機優(yōu)化設(shè)計模型，并對多目標(biāo)粒子群算法進行研究，在此基礎(chǔ)上通過Pareto最優(yōu)化理論分析，提出一種改進的多目標(biāo)優(yōu)化算法，將其應(yīng)用到該電機優(yōu)化模型上，證明該算法有其相對的合理性和優(yōu)越性。同時，本文介紹了一個電機多目標(biāo)優(yōu)化系統(tǒng)的設(shè)計與實現(xiàn)。 本文的主要研究工作包括： 1.對電機多目標(biāo)優(yōu)化設(shè)計進行了分析，指出了傳統(tǒng)的優(yōu)化方法存在的不足，建立電機多目標(biāo)優(yōu)化設(shè)計模型。 2.重點對多目標(biāo)粒子群算法進行了研究?；仡櫫水?dāng)前流行的