基于改进遗传算法的AGC机组优化组合研究

为降低发电成本,该文对自动发电控制(AGC)机组优化组合问题进行了研究.基于改进遗传算法,建立了包含AGC的机组优化组合模型;针对遗传算法存在的不足,结合包含AGC机组优化组合模型的特殊性,提出了可变长二进制编码;设计了专门的遗传操作,并采用等微增法对其中的连续变量进行了处理.将所研究的算法和模型应用于包含16台机组24时段的机组优化系统中,仿真结果表明该改进遗传算法的计算结果优于实数编码方法结果11.33%,并在搜索区间及收敛速度等方面都具有较好的性能,适用于大、中型发电系统.     

离散变量模糊优化的组合形遗传算法及应用

为解决离散变量结构优化客观追求的应该是"满意解"的问题,提出离散变量模糊优化的模型,构造了离散变量模糊优化的对称解法.把离散组合形算法作为组合形操作算子融合到遗传算法中,构造一种离散变量结构优化算法-组合形遗传算法.在建立的对称模糊优化模型中,利用交模糊判决,将模糊优化问题转化成非模糊优化问题来求解,然后运用组合形遗传算法进行非模糊优化问题的求解.最后通过算例证明该方法具有良好的效果,为工程结构优化设计提供具有参考价值的理论依据.     

基于遗传算法与模式搜索法组合的MPPT技术

针对传统单一MPPT算法无法兼顾动态性和稳态性的问题,尝试将传统遗传算法与模式搜索法进行组合应用于光伏发电MPPT控制,技术原理是当系统靠近功率曲线两端时采用遗传算法跟踪,当系统位于最大功率点附近采用模式搜索法跟踪.通过MATLAB/Simulink仿真分析,分别对比研究了扰动观察法、电导增量法、模糊控制法与组合算法跟踪光伏发电最大功率的输出特性.研究结果表明,遗传算法和模式搜索法的组合算法与扰动观察法、电导增量法和模糊控制法等传统最大功率跟踪方法相比,具有响应速度快,控制精度高,稳定性良好等优点.     

模糊遗传算法在机器调动问题运用

单机器调度问题是研究工件在多道工序进行加工的加工活动排序的组合最优化问题.由于调度问题中绝大多数属于NP难类问题,不存在有效的最优求解算法.针对用智能优化算法-遗传算法求解单机器调度问题中交叉率和变异率难以确定的问题,设计了一种模糊算法以便自动确定交叉率和变异率.通过数值实验,嵌入模糊规则的遗传算法比简单的遗传算法要好,说明在实际生产中,此算法具有强大的发展前途.     

多模式资源受限项目调度问题的混合遗传算法

多模式资源受限项目调度问题是一种NP难的组合优化问题.提出了与基于关键链的启发式算法相结合的二层混合遗传算法对该问题进行求解.在由上层算法确定的调度顺序下,下层遗传算法结合基于关键链的启发式算法,对系统资源重新优化配置,使算法加速向最优解区域收敛,并在下层设计了随迭代代数增加的可变变异概率,以避免早熟收敛.利用标准问题库对算法进行测试,分析问题参数与算法参数对算法结果的影响,发现实验结果的绩效随迭代数的增加而提高,算法耗时随任务数和迭代数的增加而增加.数值测试结果验证了算法的可行性和可靠性.     

模糊证券投资组合的期望值模型

讨论了当投资的预期收益率和风险损失率为模糊变量时,证券投资组合模型的优化问题.建立了证券投资组合决策系统的期望值模型,并设计了基于模糊模拟的遗传算法进行求解.该方法有效地解决了模糊证券投资组合问题.     

风火电打捆输电系统风火电配置比例研究

针对风火打捆外送的风火电比例配置问题,以机组总运行成本最低和输电功率最大为目标建立电源出力配置模型.采用考虑系统约束条件的等微增率法进行求解,并在不同风火电配置比例、不同弃风率情况下对单位煤耗、系统输电通道利用率、单位发电成本和单位发电的氮氧化物排放量等指标进行计算分析.在此基础上深入讨论了氮氧化物排放价格对系统单位发电成本的影响,结果表明,当氮氧化物排放价格达到一定值时,风电机组与火电机组可平等参与日前发电调度,实现系统的经济性和环保性.     

基于需求响应的含光伏电力系统优化及其算法改进

为解决光伏并网发电的不稳定性以及发电调度成本高的问题,建立了以发电调度成本最小为目标的含光伏电力系统优化模型。该模型借助电价的需求响应来增加对负荷的调控能力,以减少光伏的不稳定性对发电调度优化结果造成的影响。为求解该模型,对经典的遗传算法进行了改进。仿真结果表明:考虑需求响应有利于含光伏电力系统负荷削峰填谷,提高机组发电的稳定性,并且降低了含光伏电力系统机组的发电调度成本,验证了所建模型的正确性和有效性。     

遗传算法求解非线性方程组的应用研究

针对传统非线性方程组解法的初始点敏感、收敛性差等问题,结合遗传算法和拟牛顿法的优点,提出了一种用于求解非线性方程组的混合遗传算法.该算法具有遗传算法的群体搜索和全局收敛性,有效地克服了拟牛顿法的初始点敏感问题;同时引入拟牛顿迭代法对精英个体进行局部强搜索,克服了遗传算法收敛速度慢和精度差的缺点,使得算法具有较高的收敛速度和求解精度.选择了几个典型非线性方程组,从收敛可靠性、计算成本和适用性等指标分析对不同算法进行了比较.计算结果表明所设计的混合算法有着可靠的收敛性和较高的收敛速度与精度.     

解优化问题的遗传加速信赖域搜索算法

针对解优化问题的信赖域算法迭代点变化受到信赖域半径约束导致运算速度下降,作者提出了一种遗传加速信赖域搜索算法,该算法在信赖域迭代点变化速度受到信赖域半径约束时,用遗传算法在扩大了的信赖域内求解信赖域子问题,得到加大了的迭代步长,摆脱了短步长迭代的约束,同时通过调节参数可以控制遗传算法加速次数的多寡,从而提高了收敛速度.算法分析和算例表明了新算法的有效性.     

遗传算法参数自适应控制的新方法

根据遗传算法参数自适应控制方法的不同分类,采用基于启发式规则的参数控制方法对遗传算法的种群数进行了宏观调控和微观调控。并采用不同特点的模糊控制器分别控制交叉率和变异率,使种群数、交叉率和变异率都能够随进化的实际情况发生自动调整,形成了一种新的种群数变化的模糊自适应遗传算法。实验数据表明这种算法能够有效防止遗传算法早收敛,同时也说明对参数进行自适应控制能够使遗传算法性能大大提高。     

基于遗传算法的模糊关系确定方法及仿真

模糊系统的模糊推理方法常依赖于一系列由主观决定的参数,如模糊隶属函数、模糊关系矩阵等．如何确定这些参数会直接影响系统的性能．为了能对这些参数进行优化,文中采用一种新型的模糊推理方法,在此基础上,利用遗传算法产生出模糊推理方法中的最优参数．同时,在进化演变的搜索过程中,使用不断调整适应函数的手段,解决了遗传算法过早收敛于次优解的问题,提高了遗传算法的搜索精度．     

模糊约束的网格服务流程编排方法及其性能评价

为解决具有不确定时间约束的网格服务流程编排问题,提出了一种基于模糊集的智能优化技术.建立了基于模糊集的服务时间模型,并对不确定的服务时间和用户期望完成时间进行形式化描述.该模型求解属于NP难题,因此在标准遗传算法(GA)中引入了自适应混沌控制策略.分析和模拟实验结果表明,混沌特性能引导GA快速收敛并避免局部最小解.根据改进的基于熵的性能评价策略,该方法的收敛速度和稳定性均优于标准GA.     

基于改进PSO算法的电力系统机组优化组合

机组组合优化问题是一个大规模、多约束、非线性的混合整数规划问题，因此求解非常困难．粒子群优化（PSO）算法是一类随机全局优化技术，它通过粒子间的相互作用发现复杂搜索空间中的最优区域．采用二进制粒子群优化方法解决机组状态组合问题，用遗传算法结合启发式技术解决经济分配问题，并对最小开停机时间及启停费用进行了处理，使得运算速度大大加快．方法的可行性在10台机组系统中检验．模拟结果表明文章所提出的算法具有收敛速度快及解的质量高等优点．     

A fuzzy rule based genetic algorithm and its application in FMS

Most of the FMS (flexible manufacturing systems) problems belong to NP-hard (non-polynomial hard) problems. The facility layout problem and job-shop schedule problem are such examples. GA (genetic algorithm) is applied to get an optimal solution. However, traditional GAs are usually of low efficiency because of their early convergence. In order to overcome the shortcoming of the GA a fuzzy rule based GA is proposed, in which a fuzzy logical controller is introduced to adjust the value of crossover probability, mutation probability and crossover length. The HGA (hybrid genetic algorithm), which is integrated with a fuzzy logic controller, can avoid premature convergence, and improve the efficiency greatly. Finally, simulation results of the facility layout problem and job-shop schedule problem are given. The results show that the new genetic algorithm integrated with fuzzy logic controller is excellent in searching efficiency.     

利用非精确算法求解模糊规划问题

提出一种基于遗传算法求解模糊线性规划的非精确算法,它将遗传算法将做为算法的框架,在遗传算子之中运用了模糊控制思想,最终求解出一个模糊优解,取代了利用单纯形法求解模糊线性规划问题的一个最优解。实验结果表明,算法能使决策者更加满意,并有潜力解决实际的规划问题。     

多约束条件车辆路径问题的二阶段遗传退火算法

针对多约束条件的多配送中心有时间窗车辆路径问题,提出了一种二阶段遗传退火算法.在第1阶段,使用遗传算法对客户按供应量和路径长度进行模糊分区;在第2阶段,采用二维变长染色体编码及相应的遗传算子进行混合遗传算法的全局优化.在初始种群生成和交叉、变异算子中采用了随机贪心算法以避免无效解,并利用退火选择来提高种群的多样性.实验结果表明,二阶段遗传退火算法可加速收敛,提高搜索效率,在模糊分区上的搜索速度较之标准遗传算法提高了3～10倍.     

基于佳点集遗传算法的边缘检测

为了提高遗传算法应用于边缘检测的收敛速度,提出了一种基于佳点集遗传算法(GGA)的边缘检测方法.该方法利用佳点集理论构造交叉操作使得子代保留最能代表其家族性能的双亲共同基因以提高算法收敛速度.在用遗传算法进行边缘检测之前,将图像的灰度值特征空间转换为模糊熵特征空间,然后运用模糊熵理论对图像进行相异性增强处理,滤去非边缘像素以便缩小解空间规模,为提高算法的收敛速度提供了另一个有效的途径.实验结果表明,所提出的图像边缘检测方法具有较好收敛效率,所检测出的图像边缘细节丰富、单边缘、定位准确.     

一种改进型遗传算法的网格工作流调度研究

用有向无环图表示的网格工作流调度问题是一种典型的NP-完全问题,因而,有效的调度算法是必不可少的。为解决这一问题,提出了一种改进型的遗传算法。运用适应度差的染色体与最优个体进行二级优先杂交和变异,不仅保障了种群的多样性,也提高了种群的收敛速度。采用Gridsim工具进行模拟后,证实该算法较标准的遗传算法更适用、更有效。