基于协同进化遗传算法的水库群供水优化调度研究

针对水库群供水优化调度问题,介绍了一种改进的协同进化遗传算法。该算法针对求解高维、复杂的水库群优化调度时多约束条件难以处理、计算机时长、易陷入局部最优解等缺陷,建立了相应的罚因子的评价机制,生成了两类进化子种群,运用改进遗传算法同时对不同种群进行操作,并将其应用在滦河下游六水库联合供水优化调度中。实例计算结果表明,用该算法求解水库群供水优化调度问题,结果可靠、合理,计算效率高。     

基于模拟遗传混合算法的梯级水库优化调度图制定

将遗传算法与系统模拟相结合,提出了基于模拟遗传混合算法制定梯级水库优化调度图的理论及方法,并以乌江上游梯级水库为研究对象,进行实例分析,绘制了梯级水库优化调度图。结果表明,采用该调度图指导水库运行,与长系列补偿调节计算相比,梯级电站多年平均发电量增加了4.3亿kW.h,可为乌江梯级水库群合理调度提供可靠的技术支持。     

多群体阶段性杂交遗传算法

借鉴生物遗传学提出了一种多群体阶段性杂交遗传算法。引入相对顺序交叉算子对标准遗传算法进行了改进。为验证该算法的性能，对旅行商问题进行了求解，采用多群体和阶段性杂交的改进策略，并分别和标准遗传算法进行了比较。计算结果表明，该方法能较好地保证个体多样性，并能促进优秀基因型的杂交和遗传，在收敛和鲁棒性方面优于一般的单群体、非杂交算法。另外，将其应用于水电站优化调度也取得了较好的效果。     

基于二维函数地貌的遗传算法控制参数优化研究

针对遗传算法求解函数优化问题时控制参数难于确定的问题,提出先将函数按地貌信息聚成不同类,按类给出最佳的控制参数指导知识的解决方案。本文以复杂二维函数优化为例,提取表达函数的地貌信息特征参数,采用模糊C均值法将其聚类,得到适于不同类函数的最佳控制参数的知识。该知识可以指导遗传算法以最佳的控制参数进行函数优化。本研究为获取遗传优化最佳控制参数提供了一种新方法。     

遗传算法在电力电子电路控制参数优化中的应用

本文综述了遗传算法在电力电子电路控制参数中各个方面的应用情况,主要包括PWM控制参数优化、SHEPWM参数优化、交流斩波控制参数优化以及遗传算法与其他方法相结合的应用,详细分析了各种应用的核心问题,为遗传算法在电力电子电路控制参数中的进一步应用研究与实现提供一定理论依据。     

金沙江梯级水库发电优化调度研究

以金沙江干流梯级水库群为研究对象,建立了兼顾保证出力要求以发电量最大为目标的梯级长期优化调度模型,利用遗传算法求解,同时还考虑了虎跳峡龙头水库的补偿调节作用,结果显示,梯级优化联合调度的效果更好,虎跳峡水库的补偿作用较为明显．     

基于改进遗传算法的Job-shop调度问题

建立了作业调度问题的模型,阐明了遗传算法是一种有效的全局随机优化方法,并将遗传算法用于Job-shop调度问题的研究中.针对标准遗传算法计算费时、稳定性差等不足,从适应度尺度变换、稳态繁殖、自适应遗传参数等方面作了改进.给出了基于改进遗传算法的模型求解方法和步骤.经过实例计算,取得了良好的调度效果,表明该方法可为制定工程装备作战保障的指挥自动化决策提供科学、有效的支持.     

清江梯级水库群联合优化调度图研究

针对清江梯级水库群中长期调度问题,根据最优凋度结果确定了调度图的型式,引入了可能出力的概念,对水库群进行聚合,建立梯级总出力与梯级可能出力之间的关系.然后根据总出力是否为保证出力进行决策分解,由此采用一连串的二维水库调度图来描述水库群的联合调度规则.基于模拟调度.建立了优化模型,采用多目标遗传算法NSGA-Ⅱ进行优化计算,得到较好的联合优化调度图.模拟计算表明:对于1951～2005年实测径流系列,若采用梯级水库群联合优化调度图较常规调度方案年均发电量增幅可达2.62%;对于两种随机模拟方法生成的水文径流系列,若采用梯级水库群联合优化调度图,年均发电量可分别提高1.77%和2.52%,理论上经济效益显著.     

并行机调度问题的最优公共交货期和最优调度

现有的提前／拖后调度问题主要针对单机情况，且大多采用启发式方法。为了有效地解决带有待定公共交货期的并行机提前／拖后优化调度问题，提出了一种分段编码的遗传算法，使遗传编码能同时反映调度方案和公共交货期，并对初始种群产生、交叉和变异方法作了研究。计算实例表明了该遗传算法有很好的性能，所得解的质量优于启发式算法，且适用于较大规模并行机提前／拖后优化调度问题     

一种抑制早熟收敛的改进遗传算法

遗传算法在许多优化问题中都有成功的应用,但其本身也存在一些不足.针对遗传算法的早熟收敛问题,本文在分析基本遗传算法的遗传算子和控制参数的基础之上提出一种改进算法.改进的遗传算法采用了实数编码、算术交叉算子、非均匀变异算子,并对控制参数进行了较合理地选取.改进遗传算法前期能均匀地搜索解空间,后期能对局部进行越来越细微的搜索,并使个体可以进入最优点的吸引域,在一定选择条件的作用下,算法后期可使群体逐渐集中到最优点的吸引域内,从而防止了遗传算法的过早收敛.理论和实例分析均表明,改进后的遗传算法在一些性能上明显优于基本遗传算法,较好地避免了遗传算法的早熟收敛,提高了遗传算法的进化效率,具有良好的有效性和可行性.     

基于数据处理分组法(GMDH)的遗传选择算法与数据挖掘克隆技术

数据处理分组法(GMDH)的多层算法(MIA)是通过利用遗传算法的选择程序来实现的,该算法包含了为获取更少误差而生成的最优神经元的克隆操作.选择程序根据适应度以及网络输入的某种概率从已有的神经元中为新神经元寻找父代.克隆实质是对最优神经元的克隆体参数进行稍微调整.从机器学习库选出实验结果表明,通过克隆操作进行基因改造后的GMDH网络表现得比其它方法优越.     

基于遗传算法PID控制器在张力控制中的应用

采用遗传算法进行PID参数的优化设计．根据控制任务的要求建立综合优化指标，在此基础上提出采用遗传算法进行PID参数优化的基本步骤，并具体以数字控制系统PID参数的优化为例进行了仿真计算．研究表明，对比传统的优化方法，遗传算法是一种十分有效的优化方法，遗传算法不要求优化对象的数学模型连续，而具有更宽的适用范围，同时遗传算法还具有较好的鲁棒性和稳定性．     

进化算法的PID参数最优设计

提出用进化算法最优设计PID参数的方法,获得最优设计结果,分析控制系统常用性能指标作为进化评价函数的不足,构建控制系统新的评价函数,为使优化模型简化,设计参数采用实数编码及归一化处理,进化算法使用新型的,以基因为单位进化的遗传算法,数值实验表明,设计结果得到显著改善。     

遗传算法在水污染控制系统最优规划中的应用

针对水污染控制系统最优规划中存在的问题，提出应用遗传算法求解区域最优化模型，充分利用遗传算法全局搜索的能力，快速获得最优解。结果表明，这种算法可以克服试探法分段优化的不足，使规划结果更合理，投资费用更节省，为求解区域最优化模型提供了一种新方法。     

遗传算法在区域水污染控制系统规划中应用

针对传统最优化方法求解区域水污染控制系统的非线性规划问题难度较大,以及很难保证得到全局最优解的问题,给出一种求解非线性水污染控制系统规划的遗传算法(GA),由于GA方法具有全局搜索能力,从而快速获得最优解.实验证明GA方法在通用性、有效性及可靠性方面均具有一定的优越性,为区域最优化模型提供了一种新方法.     

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.     

A hybrid genetic algorithm based on mutative scale chaos optimization strategy

In order to avoid such problems as low convergent speed and local optimal solution in simple genetic algorithms, a new hybrid genetic algorithm is proposed. In this algorithm, a mutative scale chaos optimization strategy is operated on the population after a genetic operation. And according to the searching process, the searching space of the optimal variables is gradually diminished and the regulating coefficient of the secondary searching process is gradually changed which will lead to the quick evolution of the population. The algorithm has such advantages as fast search, precise results and convenient using etc. The simulation results show that the performance of the method is better than that of simple genetic algorithms.     

指派问题的遗传算法研究与实现

提出了用遗传算法（ＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍ）进行运筹学中指派问题（ＡｓｓｉｇｎｍｅｎｔＰｒｏｂｌｅｍ）优化的新方法。根据优化问题的性质，设计了两种编码方案，以及适合此类问题的复制、交换、倒位、变异四种遗传操作符。在此基础上，完成了整个优化算法及程序框图，并用Ｃ语言实现。计算结果表明，算法设计正确，程序灵活可靠，是解决此类问题的一种行之有效的方法。     

基于遗传算法优化的双回路模糊控制倒立摆系统

通过遗传算法、模糊控制、PID的结合,对直线一级倒立摆的平衡控制问题进行了优化控制。首先用牛顿-欧拉法建立倒立摆的动力学模型,得出系统的传递函数和状态空间表达式,分析系统的稳定性和可控性。以此为基础,先设计了PID单回路和双回路控制器;然后用遗传算法优化PID参数;再用优化的参数设计双回路模糊PID控制器;并用MATLAB对系统进行了仿真。纵向和横向控制方法的对比分析表明:该方案控制效果最好,能同时控制角度和位移;其参数可在最优PID初值的基础上在线修改,实现最佳调整,使对象具有良好的静态和动态性能。     

天然气管网优化调度方法研究

以压缩机站最小年运营费用为目标函数,考虑气田资源、压缩机站特性参数、管网输送工艺等多种约束条件,建立了天然气管网优化调度数学模型。基于现代启发式演化算法的基本思想,将差分进化算法的繁殖策略与遗传算法的交叉、变异结合起来形成了一种新的混合遗传算法,应用于模型的优化求解,避免了一般演化算法早熟收敛现象,并以一个12个节点、11条管段、2个压缩机站的天然气管网为例,评选出了最优的管网运行方案,用于该管网的日常运营调度和后期改造设计。结果表明,所建模型和优化方法是有效的,具有一定的实用性。