基于改进免疫遗传算法的配电网网架规划

为了解决传统方法难以实现配电网网架规划组合优化的问题,针对改进免疫遗传算法具有生物免疫系统中抗体多样性的保持机制和基于抗体浓度的调节更新机制,同时又具有一般进化算法的随机搜索能力,采用改进免疫遗传算法对配电网网架规划进行求解,提高了种群的多样性和遗传算法的全局寻优能力.优化模型以网络年费用最小为优化目标,以线路传输容量、电压降、配电网的辐射性等为约束条件;根据配电网辐射性的要求,以备选网络的生成树作为初始解,从而避免了随机产生初始可行解时速度较慢的弊端.并借鉴支路交换的思想设计杂交算子和变异算子,以避免辐射性检查过程,使得算法的寻优能力大为增强.通过算例验证了该算法的有效性,同时算例结果表明该算法的计算速度比常规免疫遗传算法的计算速度有较大提高.     

基于免疫二进制萤火虫算法的主动配电网低碳目标网架规划

主动配电网(ADS)网架规划是一个非常复杂的大规模组合优化问题.萤火虫算法(FA)是一种新型的智能优化算法,全局搜索能力强、算法结构简单,而且收敛速度快.在此基础上借鉴生物免疫机制,群体更新时考虑抗体浓度,进一步提高种群的多样性和算法全局寻优能力,提出了一种免疫二进制萤火虫算法(IBFA)进行主动配电网网架规划.以线路投资、运行维护、网损和碳排放环境成本最小为目标,考虑分布式电源(DG)与柔性负荷(FL),建立了主动配电网网架规划模型.通过与二进制粒子群优化(BPSO)算法对比求解IEEE-14节点算例,验证了免疫萤火虫算法在全局寻优能力和收敛性方面的优越性,同时证明分布式电源和柔性负荷是抑制碳排放、提高系统整体效益的有效方式.     

考虑电网结构脆弱性的配电网网架优化规划

基于复杂网络理论,从网络拓扑结构角度对配电网网架结构的脆弱性进行评估。建立了以配电网投资及运行费用最小、结构脆弱性指标最优为目标的配电网网架多目标优化规划模型。采用改进最小生成树算法,并将经济性指标的减少率和结构脆弱性指标的增长率之和作为迭代过程中的目标函数,将多目标问题转化为单目标进行求解,通过16节点算例验证了该方法在求解多目标配网优化规划问题中的可行性。算例结果表明,所建立的优化规划模型能够有效地评估配电网的结构脆弱性,并能求得结构稳定、经济性好的规划方案。     

考虑不确定性风险及结构脆弱性的配电网网架规划

高比例分布式新能源不确定性特征增加系统运行风险，易引发电压与支路功率越限问题，增大系统网架结构脆弱性。因此提出双层多目标配电网网架规划模型，以满足多元用户对供电可靠性及电能质量要求。首先，建立源荷概率模型，并基于概率潮流量化计算配电网节点线路越限风险；其次，基于复杂网络理论，对配电网结构进行脆弱性评估；然后，提出综合考虑不确定性风险与脆弱性影响的配电网网架结构双层多目标规划模型，上层优化网络拓扑，下层规划光伏容量，采用非支配排序遗传算法与改进粒子群算法分别对上、下层模型进行优化求解；最后，采用IEEE14节点系统对方法进行验证。结果表明，该方法可以得到满足不同光伏渗透率接入要求的经济稳定的网络结构。     

灾变遗传算法在配电系统最优时变重构中应用

提出一种灾变遗传算法来求解中压配电网最优时变重构问题,以达到网损最小和负荷平衡的目的.首先采用协调方法将多目标规划问题转化为单目标寻优问题,并给出了协调后的数学模型.求解过程采用灾变遗传算法以提高种群个体的多样性,防止局部收敛.通过对南方某城区配电系统的计算,证实该算法在求解速度和全局收敛能力上较普通遗传算法均有较大幅度的改善.     

配电网分布式风电与电池储能的协调优化配置

分布式风电(DWG)与电池储能(BES)在配电网中的位置与容量均会影响配电网的运行状态,为提高风电消纳能力,削弱风电出力不确定性对配电网运行的影响,在规划阶段应对二者进行选址定容协调优化配置.文中以计及风-储系统的随机潮流全面反映含DWG及BES的配电网运行状态及不确定性,以等年值综合收益最大化作为目标函数建立机会约束规划模型;提出改进多种群遗传算法,引入有效的寻优机制以增强算法性能.IEEE 33节点配电网算例的仿真分析验证了优化模型的合理性及算法的有效性.     

基于多目标遗传算法的路径规划

研究三维地形中的路径规划问题.针对三维地形中路径涉及的因素多,将多目标优化的思想引入路径规划.提出一种基于多目标遗传算法的路径规划方法,设计了优化路径的遗传算法实现方案.使用大范围初始化种群的方法,设计了适合于路径规划的遗传算子.实验证明,该算法能综合考虑多种因素,并能同时提供不同特点的多条路径供决策者选择.     

基于改进遗传算法的拆卸序列优化研究

针对复杂机械装配关键系统的拆卸序列优化问题,建立了拆卸序列规划模型,提出了一种改进的双种群遗传算法.通过拆卸混合图的表达拆卸序列信息,在改进的遗传算法中利用优先约束矩阵生成TOP序列种群,以拆卸时间最少为优化目标对拆卸序列进行优化.某企业生产的装载机变速箱的再制造拆卸序列优化,进一步验证了该算法的有效性和可行性.     

基于改进免疫遗传的配电网故障区段定位研究

针对目前智能算法在配电网故障定位中存在收敛速度慢、易陷入局部最优的问题,提出将基于免疫遗传算法(Immune Genetic Algorithm,IGA)应用于配电网故障定位中,同时引入精英保留思想对传统免疫遗传算法进行改进.改进后的算法拥有遗传算法搜索特性的同时保留了免疫算法多机制寻求多目标函数最优解的自适应特性,很...     

基于混合遗传算法的敏捷卫星任务规划求解

针对新一代对地观测敏捷卫星任务规划问题,首先研究了敏捷卫星的特点,分析了敏捷卫星工作模式及对地观测过程,在此基础上构建了基于多目标的任务规划模型。针对敏捷卫星任务规划问题具有多约束、多冲突、非线性NP-hard特点,本文提出了基于混合遗传求解算法,该算法将免疫遗传算法与蚁群算法相结合,以蚁群算法所产生的解作为免疫遗传算法的初始种群,同时以蚁群算法中的全局最优解作为疫苗。通过实验表明本文提出的算法比遗传算法和免疫遗传算法精度更高,收敛速度更快。     

基于组合GA的双向物流网动态优化设计与求解

为实现整合正/逆向物流网络的动态优化,建立了随机环境下多品种、多周期、有容量限制的整合正/逆向物流网络动态优化模型,并设计了组合遗传算法(genetic algorithm,GA)进行模型求解.对整个规划期拆分成多个决策期,进行生产工厂与物流中心的准确定位,对物流网络中各节点间的流量合理优化,基于随机机会约束规划建立了物流网络动态优化模型,设计了相应的组合遗传算法.采用8个消费域,2类产品,5个备选物流中心,3个生产工厂和3个规划期数进行数值模拟仿真.结果表明,该方法可以得到设施布局决策变量最优值,能够灵活实现不同需求下物流网络的最优布局,可以有效用于物流网络的动态优化.该模型根据现实情况的需求进行合理的物流网络布局,同时可以进行灵活变换,具有重要的实用价值.     

遗传算法在优化CDMA功率配置中的应用

针对CDMA网络规划中的功率参数经验配置法存在的盲目性,提出一种将CDMA覆盖分析与遗传算法相结合的最优化算法.该算法将所有基站最大发射功率表示为实数编码染色体,以反映网络规划质量的覆盖率、切换率和成本三项关键指标的加权求和作为目标函数.CDMA覆盖分析用于仿真得到规划方案的关键指标以及图形结果.经过对一个规划方案实例的参数优化,得到遗传算法的目标值收敛曲线以及多种CDMA仿真图形结果,说明本算法能够有效优化网络规划的功率配置方案.     

用改进的遗传算法实现网络计划优化

遗传算法的网络计划优化属于离散的非单调、欺骗性问题，较难得到全局最优解．而采用改进的遗传算法，并运用数据库，通过对大量实际运算结果的统计分析表明：改进后遗传算法，能显著提高全局最优解的成功率．研究中发现，该类问题适应度的动态缩放技术具有最好的效果，并就该类问题提出了合适的参数取值．     

考虑网络韧性的三级轴辐式物流网络模型及算法研究

为了实现城市物流运作的集约化，并尽可能降低因突发事件导致的物流供需中断，以物流节点定位和通道布局为落脚点，研究了三级轴辐式物流网络的多目标规划。考虑轴辐式网络的结构约束、多级节点间的连通关系限制，以多级轴辐点选址、轴辐点间的连通关系及强度为决策变量，以网络建设成本最小和网络韧性度最大为目标函数，构建三级轴辐式物流网络模型。结合模型的特点设计了具有双层结构的遗传算法，其中外层为三段编码结构的小生境Pareto遗传算法，用于求解多目标规划，内层为0-1编码的遗传算法，用于求解网络韧性度。以某区域14个节点城市作为案例，验证模型及算法的有效性，并将优化结果与两类传统的单目标物流网络进行了比较。研究结果表明：双层遗传算法能够有效求解三级轴辐式物流网络规划模型；选取案例计算得到的Pareto最优解参与比较分析，优化结果与传统三级轴辐式物流网络相比，网络韧性度提高了6倍，但网络建设成本也随之增加；与单纯以韧性度最大化为优化目标的物流网络相比，网络建设成本降低了7倍，网络韧性度也随之降低。可见提出的双目标三级轴辐式物流网络模型实现了网络建设成本和网络韧性度间的均衡，对于追求具备一定抗毁性能的轴辐式物流网络规划人员，具有参考和应用价值。     

基于改进免疫遗传算法的水电站优化调度应用研究

根据免疫算法的生物学机理,提出了一种改进的免疫遗传算法.该算法将微粒群算法作为免疫算法的全局搜索策略,提高算法的全局搜索能力;利用逐步优化算法对免疫算法的控制策略进行进化操作,提高算法的局部搜索能力;利用免疫算法本身基于浓度的自我调节机制,提高群体的多样性,避免算法过早陷入局部最优解.最后给出了该算法实现的具体步骤,并将其应用于水电站的优化调度中,取得了较为满意的结果,且与动态规划、遗传算法、免疫算法和微粒群算法等比较,验证了算法的有效性和优越性.     

贪婪随机自适应搜索法在电网规划中的应用

基于贪婪随机自适应搜索法(GRASP)能有效地解决电网规划的组合优化问题,其每一次迭代包含构造和局域搜索两阶段.在构造阶段,以改进线路综合有效性指标为贪婪函数,采用比例法形成限制候选列表,并随机选择元素构成可行方案.根据线路的实际效用比剔除可行方案中的冗余线路,为局域搜索提供一个简练经济的初始网络,并采用1-1交换产生邻居集来拓展搜索空间寻找局优解.所有迭代中的最好方案作为电网规划问题的最优解.对于网络规模增大所引起的“维数灾”,提出5种邻居删减技术来提高算法的解算速度.算例分析证明了该方法的可行性、有效性.     

网格协同设计环境下基于资源负载均衡策略的任务调度优化模型及其算法

为了解决协同环境中的冲突问题,设计了一种基于现代协同设计系统的网格仿真模型,并结合免疫克隆算法和遗传算法的优点,提出了一种网格任务调度优化模型和遗传克隆负载均衡算法.仿真实验结果表明,这种调度算法有效地实现了资源的负载均衡,克服了遗传算法容易陷入局部最优的缺点,可以成功地应用于网格任务调度中.     

(N+M)容错系统优化模型求解的父代保留免疫遗传算法

针对(N M)容错系统优化模型复杂非线性的特点,结合免疫遗传算法和父代保留策略,提出了模型求解的父代保留免疫遗传算法。该算法在进行交叉和变异操作后,新产生的个体不覆盖父代个体,扩展种群进行基于矢量距浓度机制的选择操作,这样可避免较优个体的损失,增强种群的多样性,提高算法的搜索能力及收敛性能。算法性能分析揭示了算法性能改善的机理。优化模型求解结果表明,该文提出的算法较免疫遗传算法在寻优精度和收敛速度方面有一定改善。     

资源优化模型及遗传算法

在网络计划中提出了资源优化问题,并建立了资源优化数学模型.同时,指出现代优化算法是求解资源优化模型的主要算法,并使用遗传算法对资源优化模型进行求解.此遗传算法与传统的遗传算法有所不同,第一是根据资源优化过程的特点设计的独特的杂交概率和变异概率,可以既尽快获得最佳模式又扩大搜索范围,避免早熟现象的发生;第二是引进了检查和修复算子以保证杂交和变异的子代满足可行性的要求;最后给出了算例以验证算法的有效性和正确性.