MEDICINE & AI

タイトル：Sperm swarm optimization for many objective power flow problems with enhanced performance evaluation in power systems. 雑誌名：Sci Rep. 2025 May 18; 15(1): 17253. 概　要： 本研究では、電力システムにおける多目的最適電力フロー（MaO-OPF）問題に特化した精子群最適化（SSO）アルゴリズムに基づく高度な最適化フレームワークを提案します。多目的最適化の進展にもかかわらず、高次元で多面的な矛盾する目的空間における収束性、多様性、計算効率の問題が依然として存在します。提案するMaOSSOアルゴリズムは、適応的な多様性メカニズムと群知能的なハイパーダイナミック制御を組み合わせ、これらの課題に対処し、スケーラブルなアーキテクチャにおける解の質を向上させます。MaOSSOは、最先端のアルゴリズムNSGA-IIIおよびRVEAと比較し、IEEEの30、57、118バス電力システムで検証され、最大15-20%の収束速度向上と25%の計算時間短縮を示しました。 方　法： 本研究は、MaO-OPF問題に対するコホート研究として、MaOSSOアルゴリズムを用いて電力システムの最適化を行いました。提案手法は、DTLZおよびMaFテストスイートでの先進的なアルゴリズムとの比較を通じて評価され、IEEEの30、57、118バスシステムで実際の検証が行われました。主要評価指標には、ハイパーボリューム（HV）、逆世代距離、世代距離、分散、実行時間の効率が含まれます。 結　果： MaOSSOは、競合する手法に対して一貫して優れた性能を示し、最大15-20%の収束速度向上と25%の計算時間短縮を達成しました。アクティブ/リアクティブ電力損失の最小化、電圧安定性、排出量、運用コスト、パレートフロントの多様性を最適化しました。また、MaOSSOは、GWO、MOPSO、MOGWOなどの最近の群ベースのアルゴリズムと比較しても優れた結果を示しました。 結　論： MaOSSOは、電力システムにおける適応的で持続可能な運用を可能にする最も堅牢で柔軟なアプローチとして際立っています。将来的な改善策が示されている一方で、非常に大規模なシステムに対する制約も認められています。