【文献阅读】多目标优化算法改进

文献：改进麻雀算法在列车 ATO 多目标优化中的应用

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。

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

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