《表3 换热器设计与能源管理相关优化算法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《启发式多目标优化算法在能源和电力系统中的典型应用综述》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了解决这类多目标约束非线性问题，在2011年，有学者提出了多目标自适应差分进化算法（MOSADE）[83]，采用外部精英归档方法保留非支配解，结合归一化最近邻距离的比较截断算子，有效解决了HEV燃料消耗和排放优化问题.文献[84]采用NSGA-Ⅱ算法对HC、CO、NOx的排放与经济性4个目标同时进行优化，将3个部件的尺寸作为参数一起处理，实验表明该方法得到的帕累托最优解较为理想.另外，文献[85-86]采用NSGA-Ⅱ算法对混合储能系统中的总成本、电池容量损失和部件尺寸等冲突性目标进行优化，得出的实验结果表明，该方法对于提高HEV的性能和降低成本有明显的帮助.PSO算法的变体也在HEV能源管理策略方面取得了较好的应用，文献[87]提出了基于帕累托的多目标粒子群算法（PMOPSO），利用拥挤度距离概念来确定粒子的全局最优，有效解决了车辆成本和燃料消耗的优化问题.文献[88]提出基于PSO的综合性方法，将尾气排放、成本、燃油消耗多目标问题进行转化，采用PSO算法进行优化，通过实验证明了算法的有效性.对于GA进行改进，如基于多目标的遗传算法[89]和自适应的遗传算法[90]以及早期出现的MOGA算法[91]均能够应用到能源管理策略中，实现控制参数、成本、燃油以及排放等问题的优化，有效提高混合电动汽车的性能.应用于换热器设计以及HEV能量管理策略中的相关算法及优化目标总结如表3所示.