改进灾变遗传算法及其在无功优化中的应用

针对灾变遗传算法的早熟和稳定性问题,提出了一种改进灾变遗传算法,设计了与进化代数相关的改进灾变算子;为了兼顾算法的全局性能和收敛速度,设计了与进化代数相关的交叉概率和与个体适应度相关的变异概率.IEEE14节点和IEEE30节点无功优化算例表明,该改进算法具有良好的全局性能和收敛速度,适合求解电力系统的无功优化问题.     

城市客运走廊公交行车间隔协调优化方法

为协调城市客运走廊公交线路运输能力,提出了一种公交线路协调调度模式,建立了以客运走廊运输服务效率最大化为目标、以公交基础设施通行能力限制和客运服务水平条件为约束的公交行车间隔优化模型.原问题转化为组合优化问题后,采用遗传算法进行求解.案例应用结果表明该方法有利于集约化配置客运走廊公交运能资源.     

灾变合作型协同进化遗传算法及其在Job Shop调度中的应用

合作型协同进化遗传算法是多个子种群通过协作而共同进化的新型算法,常应用于多目标、大规模的优化问题。本文在合作型协同进化遗传算法的基础上,进一步模拟自然界中的灾变现象,在原先的算法中加入灾变算子,提出灾变合作型协同进化遗传算法,以防止出现不成熟收敛现象,并用经典的函数优化问题和Job Shop车间调度问题进行仿真实验,其结果验证了改进算法的优良性能.     

基于遗传算法的多目标优化方法

本文通过建立多目标问题模型,提出了运用改进的遗传算法求解多目标物流网络问题.该算法借鉴AHP方法的思想,采用将其与遗传算法混合的求解策略,并采用分阶段化的实数编码思想以及相应的遗传算子设计,对遗传算法进行适应性改进.     

基于混合元胞遗传算法的柔性车间调度问题研究

针对柔性作业车间调度问题,建立了以最大完工时间最小、机器最大负荷最小、总机器负荷最小为优化目标的多目标优化模型.引入多色集合理论,建立了柔性车间调度问题的多色集合约束模型,提出了基于多色集合约束模型的元胞遗传算法(apolychromatic collection based cellular genetic algorithm,PCGA),以解决遗传算法在求解柔性车间调度问题时表现出的早熟和收敛性不足等问题.用改进的元胞遗传算法求解柔性车间调度的多目标优化算例,并与其它遗传算法进行比较,实验结果表明,基于多色集合的改进元胞遗传算法在求解此问题时更为高效.     

一类二层多目标规划的混沌遗传优化算法及其应用

针对求解一类二层多目标规划问题,首先将其转化为等价的单目标规划问题,然后利用遗传算法优化的反演性和混沌优化方法的遍历性,并结合精确罚函数求解非线性约束优化问题,提出了求解此类问题的混沌遗传算法.该方法能够有效改善遗传算法的局部搜索能力和搜索精度,求解精度和可靠性较高.实际算例表明,算法是有效可行的.     

模糊多目标可靠性优化设计的遗传算法

给出模糊多目标可靠性优化设计的一个遗传算法.该方法利用模糊集隶属函数的特性将各子目标函数模糊化处理为能够反映各子目标相对重要程度,具有加权指数的协调满意度函数形式;通过加权函数将各子目标的协调满意度函数综合成统一的单目标优化模型,用遗传算法求解模型.通过实例验证该方法的有效性.     

物流配送中心选址策略研究

把物流配送中心的选址归结为求解使运输成本、变动成本和固定成本之和最小的最优化问题.为便于模型求解,进行了适当的假设,建立了以运输成本与运营成本之和最小为目标的选址模型,并采用遗传算法对选址模型进行求解,运用vb.net编写相应的求解程序.     

二层多目标决策问题的等价变换及其全局优化

针对求解一类二层多目标决策问题,首先将其转化为等价的单目标决策问题,然后利用遗传算法优化的反演性和混沌优化方法的遍历性,并结合精确不可微罚函数求解非线性约束优化问题,提出了求解此类问题的混沌遗传算法.该方法能够有效改善遗传算法的局部搜索能力和搜索精度,求解精度和可靠性较高.实际算例表明是可行、有效算法.     

综合客运枢纽内各方式协调调度模型研究

以乘客费用最小为优化目标, 以各种客运方式（地铁、轻轨和常规公交）的发车间隔为决策变量, 以各方式的车辆配置及各方式间的运能匹配为约束条件, 建立了综合客运枢纽各方式协调调度模型, 利用Matlab遗传算法工具箱对模型进行求解, 并以北京市西直门综合客运枢纽为例对模型进行了验证. 结果表明实施协调调度后乘客费用显著减少, 已建模型能够较好地解决枢纽内各方式间的协调调度问题.     

基于改进哈里斯鹰优化算法的配电网动态重构

针对风光荷不确定性的配电网重构问题,建立分布式电源和负荷出力模型,以系统运行成本和电压偏移构建多目标函数。提出一种改进粒子群算法融合K-means(improved particle swarm optimization and K-means, IPSO-Kmeans)聚类算法来划分典型日负荷曲线,将改进哈里斯鹰优化(improved Harris hawk optimization, IHHO)算法应用于配电网重构,进行寻优计算。为了改善哈里斯鹰优化(Harris hawk optimization, HHO)算法种群分布不均、无法完整搜索到最优解空间范围、易于陷入局部收敛等问题,引入佳点集生成种群初始化,提高种群搜索空间的均匀性。将麻雀搜索算法中的探索者位置更新公式与哈里斯鹰优化算法探索阶段的位置更新公式结合,以提高算法的全局搜索能力。利用柯西-高斯变异扰动策略跳出局部最优解。最后在IEEE33节点配网系统仿真,结果表明所提方法的有效性。     

基于SA-CS算法的含分布式电源配电网优化重构

电力行业作为拯救国民经济、社会和人类生活的基础产业,将面临重大改善,而作为电力系统重要组成部分的电网结构调整也应得到优化。本文针对配电网优化重构问题,以系统有功网络损耗最小、节点电压偏移量最小作为优化目标建立配电网重构目标函数;对于含分布式电源配电网系统,系统环形拓扑结构变得更加复杂,布谷鸟搜索算法容易出现收敛速度慢,容易陷入局部最优,后期收敛精度差的缺点,本文提出一种基于混合模拟退火布谷鸟搜索算法的配电网重构算法。通过引入模拟退火操作,提高算法收敛速度与精度。将该算法应该用于配电网重构问题,仿真结果表明相较于传统算法此算法有更快的收敛速度,同时有效的降低了配电网络的有功损耗,极大的提高了节点电压幅值;提高了配电网运行的稳定性与供电质量,对配电网安全经济稳定的运行提供了参考。     

Sequencing of Mixed Model Assembly Lines Based on Improved Shuffled Frog Leaping Algorithm

Shuffled frog leaping algorithm( SFLA) was used to solve multi-objective sequencing problem of mixed model assembly line( MMAL). Local convergence can be avoided and optimal solution can be obtained to a certain extent. However,the multi-objective sequencing problem of MMAL is an non-deterministic polynomial hard( NP-hard) problem and the shortcomings are slow convergence rate and low precision. To solve the shortcomings for optimization objectives of minimizing total utility time and keeping average consumption rate of parts, a chaos differential evolution SFLA( CDESFLA) is proposed in this study. Because SFLA is easy to fall into local optimum,the evolution operator of differential evolution algorithms is introduced in SFLA as a local search strategy,and differential mutation operator is introduced in chaotic sequence to prevent premature convergence. The examples show that the proposed CDESFLA is better for convergence accuracy than SFLA,genetic algorithm( GA) and particle swarm optimization( PSO)     

考虑配电网故障停电风险和负荷变化的动态网络重构

配电网重构可以改善和提升系统的运行效率,但目前重构方法中较少考虑配电网的可靠性和负荷动态变化.文中针对由配电网支路故障引起的配电网可靠性降低问题,提出了一种考虑配电网支路故障停电风险和负荷变化的动态重构方法,并以支路故障停电风险指标来评价配电网网络结构的优劣,建立了考虑支路故障和负荷变化的配电网分时段动态重构模型,给出了利用量子遗传算法求解所提模型的方法和流程.IEEE 33-节点系统仿真结果表明,采用考虑障停电风险的配电网动态重构方法,在16∶00和17∶45可以明显降低配电网故障停电风险（分别降低13.52千瓦小时/年和13.62千瓦小时/年）,验证了所提出的考虑故障停电风险的配电网动态重构方法的有效性.     

基于解空间高效编码的配电网重构连续化算法

提出一种基于解空间高效编码的配电网重构连续化算法.推导基于负荷电流的网损计算近似公式以估计开关交换支路范围,压缩解空间,提高寻优效率;建立连续变量解与离散变量解存在映射关系的双种群解空间,避开直接求解离散变量,减小计算量且适用连续变量优化方法求解;在一定编码规则下降维并减小变量置信区间半径后,通过编码规则和算法特性从概率上规避第一类非有效解,比对专家库完全规避第二类非有效解,使潮流计算次数大幅减少;改进纵横交叉算法,横向交叉引入方向性,采纳模糊聚类思想将静态纵向交叉因子动态化,收敛速度和精度得到改善.仿真结果验证了该方法的正确性和有效性.     

遗传狮群算法的分布式电源定容选址

近年来接入配电网的分布式电源容量越来越大,但不合理的分布式电源定容选址方案不利于配电网的优化运行,故针对分布式电源定容选址问题,分析了分布式电源对配电网线路损耗、节点电压和快速电压稳定裕度指数的影响,并建立了相关的目标函数,同时为加强狮群算法跳出局部最优解的能力将遗传算法的交叉、变异环节引入到狮群算法中,最后在标准的IEEE 33节点配电网络的基础上,对所提方法进行验证,结果表明所得的分布式电源定容选址方案能够有效地降低网络线路损耗,提高节点电压和加强配电网的稳定运行,同时表明遗传狮群算法优化算法比原算法有更强的跳出局部最优解的能力,收敛速度也较快。     

NSGA-II与改进粒子群算法相结合的储能优化配置

储能系统的选址定容在接入新能源的电力系统中具有重要意义,合理选择储能容量可以很好地平抑风电接入后的系统有功功率波动,同时减少能源浪费。本文提出了一种混合智能优化算法(Hybrid Intelligent Optimization Algorithm,HIOA),以电压偏差、负荷波动最小及最少储能配置容量为目标进行优化配置。该算法将多目标粒子群算法改进后(IMOPSO)与精英非支配排序算法(NSGA-II)结合,与常规多目标粒子群算法相比,大幅提高了算法的寻优性能,保证了Pareto 解的多样性和分布性。通过非支配排序求解获得Pareto 最优解集,采用逼近理想解排序(technique for order preference by similarity to an ideal solution,TOPSIS)选出储能的最优接入方案。通过IEEE-33 节点测试系统的仿真实验验证了本文所提算法的准确性及有效性,在求解配电网储能选址定容问题中有很好的收敛性和全局寻优能力。     

面向车辆路径问题的改进蚁群算法研究

为解决基础蚁群算法在求解车辆路径问题时出现收敛速度慢、易陷入局部最优解等问题,提出了一种改进蚁群算法.首先,引入节约矩阵更新选择概率公式引导蚂蚁搜索;其次,运用分段函数改进挥发因子,调整算法的收敛速度;再次,使用2-opt法,提高算法的局部搜索能力;最后,选取车辆路径问题国际通用数据集进行仿真,运用控制变量法找到信息素...     

基于模拟退火粒子群算法的含DG配电网重构研究

含分布式电源的配电网重构是配网优化的重要课题．二进制粒子群算法（BPSO）是解决优化问题的重要算法,首先根据配电网重构的拓扑约束条件,将轮盘赌操作引入到BPSO中,改进了BPSO算法中粒子位置状态更新策略．接着将模拟退火算法中的动态变异机制引入到改进的BP—So中,解决了BPSO容易陷入局部最优的缺点,最终能够快速有效地达到网路损耗最小的目的．选取IEEE69节点系统进行算例仿真,并与现有研究成果进行对比,结果表明该算法在继承了粒子群优化算法简单容易实现的特点同时,使其具有了摆脱局部极值点的能力,能够优化最优解,提高算法的收敛速度,适合解决含分布式电源的配电网重构问题．     

桁架材料和结构组合多目标优化设计

同时为桁架的每个杆件确定最为合适的材料和结构尺寸属于桁架材料和结构组合优化问题．提出一种桁架材料和结构组合多目标优化的方法．为材料分配唯一的标识编码，把杆件所用材料直接作为设计变量，并且和杆件截面积一起构成设计变量空间．考虑结构重量、成本和节点位移3个目标以及应力约束，建立了桁架材料和结构组合优化问题的数学模型．应用多目标遗传算法进行求解．算例结果表明，采用多目标遗传算法可以为桁架设计参数的确定提供多种选择方案，决策者可以根据目标的重要程度确定最后设计方案．算例分析结果验证了该方法的有效性．