标签: NSGAII算法

IP核集成化的SoC测试，测试时间与测试功耗是两个相互影响的因素。多目标进化算法能够处理相互制约的多目标优化问题。在无约束条件下，对IP核的测试时间与测试功耗建立联合优化模型，并采用多目标进化算法中的改进型非劣分类遗传算法（Non-dominatedSortingGeneticAlgorithmII，NSGA-II）对模型进行求解。通过应用ITC’02标准电路中的h953做应用验证，结果表明该方法能够给出模型的均衡解，证明了模型的实用性和有效性。

本文针对风功率的不确定性，大规模风电并网给电力系统调度带来很多问题，考虑了风电功率波动对动态经济调度旋转备用的约束，在优化目标中计及了火电机组阀点效应和最小化污染物排放量对发电成本的影响。在10机系统上采用NSGA-II算法进行仿真，并通过与改进的粒子群算法和遗传算法进行比较，验证了该算法对含风电场电力系统动态经济调度模型求解的合理性和优越性。