基于免疫进化的蚁群算法在梯级水库优化调度中的应用研究

针对蚁群算法在求解过程中出现初期信息素匮乏、易陷入局部最优解的问题,结合梯级水库优化调度的特点,提出了基于免疫进化的蚁群算法。该混合算法充分利用了免疫进化算法的全局快速收敛性和蚁群算法的正反馈性,提高了求解效率。实例计算表明该混合算法在求解梯级水库优化调度问题时,与逐次逼近动态规划相比较,结果合理、可靠,计算效率较高,从而为求解高维、复杂的梯级水库优化调度提供了一条新的求解思路。     

免疫粒子群算法及其在水库优化调度中的应用

免疫粒子群优化算法(IA-PSO)是将免疫系统的免疫信息处理机制引入粒子群算法(PSO)中,利用其特有的浓度选择机制以及免疫接种功能的原理,改进粒子群优化算法的全局寻优能力,提高收敛速度.在分析水库优化调度的数学模型和IA-PSO算法特点的基础上,提出了基于IA-PSO算法的水库优化调度的方法,建立了数学模型,给出了具体求解步骤.经实例验证,IA-PSO得出的水库优化调度方案优于传统动态规划算法的计算结果,而且算法收敛速度快,为水库调度问题提供了一条新的有效求解途径.     

粒子群优化算法在水库调度中的应用

基于水库优化调度常用优化方法存在的不足,本文根据水库优化调度的数学模型,将粒子群优化算法运用到水库优化调度中。该算法通过个体间的协作与竞争,实现复杂空间中最优解的搜索分析,具有计算简便,收敛速度快等优点。将混沌优化算法运用到水库调度中,并与其它优化方法比较,获得了较为满意的结果。     

水库优化调度的Pareto强度值SCE-UA算法

提出求解水库优化调度问题的Pareto强度值SCE-UA算法,该方法将水库优化调度的约束优化问题转换成两个目标函数的无约束优化问题,一个为原问题的目标函数,另一个为违反约束条件的程度函数;对上述两个目标函数组成的向量个体,利用Pareto 优于关系和个体Pareto 强度值概念,实现个体的优劣比较和群体的优劣排序,在此基础上使用 SCE-UA算法求解。这种算法不需要人工处理罚函数,具有较强的通用性、稳定性及更好的搜索性能。     

基于组织进化粒子群算法的水电站水库优化调度研究

为解决粒子群优化算法存在的早熟和易陷入局部最优的问题,提出了一种组织进化粒子群算法（OEPSO）。该算法将进化操作直接作用在组织上,通过组织间的相互竞争、协作,最终达到全局优化的目的,较好地克服了基本粒子群算法易于早熟和陷入局部最优的缺点。在分析水库优化调度的数学模型和OEPSO算法特点的基础上,提出了基于OEPSO算法的水库优化调度的方法,建立了数学模型,并给出了具体求解步骤。实例验证表明,OEPSO算法具有良好的收敛速度和计算精度,为水库优化调度问题提供了一条新的有效求解途径。     

基于免疫蜂群算法的冷轧生产调度优化方法

冷轧生产调度是一个复杂的约束组合优化问题,生产约束包括轧制板坯的宽度、厚度、硬度跳变及交货期提前和拖后惩罚等。基于TSP(多旅行商)问题,建立了冷轧生产调度问题的最小值模型,提出了一种免疫蜂群优化求解算法。通过给蜂群注射疫苗产生出代表新的解集的种群,避免算法在优化过程中陷于局部极值。针对工业数据的仿真结果表明:免疫蜂群优化算法明显优于人工蜂群优化算法的解,具有较好的收敛性和快速性。     

一种求解约束优化问题的进化规划型文化算法

为了求解复杂约束优化问题,提出了一种新的进化算法——进化规划型文化算法。求解过程中,在基于自适应的文化算法中引入进化规划,有效利用进化过程中相关知识引导种群进化。针对约束优化问题,对这一算法的信念空间进行了设计,并利用基准函数和丁烯烷化生产调度问题进行了仿真,仿真结果表明该算法具有较好的全局搜索能力,而且大大减少了计算量。     

基于人工蜂群算法的现场服务调度问题研究

现场服务调度问题是一类极为复杂的NP难题,是影响现场服务效率的关键问题。针对现有研究中未考虑客户满意度的问题,综合运用前景理论与模糊理论,以降低客户平均不满意度为目标,建立了有时间窗约束的现场服务调度问题模型;并借助改进的最廉价插入法与人工蜂群算法结合的方法对该问题进行优化求解。最后,通过算例仿真发现,与传统的贪婪算法相比,人工蜂群算法在优化质量和鲁棒性方面的优势更为明显。     

基于二维调度图的双库联合供水调度规则研究

针对双库库群联合供水调度问题,提出了一种基于二维水库调度图的水库群联合供水优化调度方法.二维水库调度图在由表示双库系统中各水库蓄水量的2条坐标轴与时间轴构成的三维坐标系下充分考虑每个水库蓄水量,在此基础上确定水库群的联合供水决策,并采用粒子群优化算法对调度图关键控制点位置进行优化.碧流河、英那河水库群的调度实验表明：二...     

具有多种备选方案的露天矿统一运输调度优化

受客观条件限制,使得露天矿统一运输调度的优化存在多个复杂约束,需要多种备选方案的问题.提出了一种新型优化方法,该方法采用一种自适应的惩罚函数方法来处理约束,然后运用多元优化算法进行优化.该自适应惩罚函数参数少,简单高效,对问题依赖小.多元优化算法将搜索个体按其不同的功能组合成一个特殊的数据结构,利用该结构保存和共享寻优过程信息,实现搜索过程记忆,能以较大概率找到最优解,同时保留多个次优解.以某露天铁矿为工程应用实例研究,将该方法与GA、PSO-w、DMS-PSO-HS几种群智能算法的优化结果进行比较验证,结果表明本文提出的方法在露天矿统一运输调度优化中处理约束简单、高效,能够提供多种备选方案且最优解精度更高.对露天矿统一运输调度优化问题进行多个备选方案的研究具有理论依据和实际意义,采用该方法进行具有多个备选方案的露天矿统一运输调度优化是可行有效的.     

基于配置约束处理的产品配置设计方法

为了解决复杂的配置设计问题，提出了一种集成配置设计方法．该方法包括3个相互协作的过程：通过实例匹配技术从现有设计实例库中搜索满意设计解；通过领域知识的支持解决具有强烈知识依赖性的模块配置问题及关键参数的赋初值问题；通过进化算法解决配置设计过程中参数的求解和优化问题．针对参数求解和优化过程中的一些复杂配置约束，在传统进化算法的基础上提出了约束校核操作和再设计规则的配置约束处理方法．最后以蜗杆减速器为实例，验证了所提出的基于配置约束处理的产品配置设计方法能够快速给出良好的设计解，从而为复杂产品的配置设计问题提供求解方案．     

网络化集成制造模式下调度问题的混合遗传算法

研究了网络化集成制造模式下的JOB-SHOP调度问题，即各任务有具体交货期约束的提前／拖期不同惩罚系数的复杂调度问题；提出了一种新的编码方案和相应的交叉算子，进而提出混合遗传算法；成功解决了上述问题，即找到一个最优调度，使在交货期窗口外完工的任务所受到的提前／拖期惩罚的总和最小．该算法解码复杂度低、通用性强、罗拔性强，最后用算例说明了算法的有效性并指出了工件车间调度问题中尚待解决的问题．     

基于混沌粒子群算法的高速旅客列车优化调度

列车优化调度是一个大规模、复杂的、具有非线性离散变量和多约束的多目标数学优化问题.在优化过程中,考虑了特快旅客列车中途离开时间和整个运行时间等因素.首次将粒子群优化(particle swarmoptimization,PSO)技术引入列车优化调度,克服了传统优化方法易陷入局部最优和维数灾难等弊端.通过一个工程实例验证了该算法的可行性和有效性.同时,与现存的列车优化调度方法相比,粒子群优化方法的搜索时间短而且优化结果更接近最优解.     

遗传算法和蚁群算法在水库优化调动中的联合应用

为了更好地解决水库优化调度问题,将遗传算法和蚁群算法融合应用于水库调度,指出遗传蚁群混合算法的收敛率更高,具有更好的全局收敛性能,遗传蚁群混合算法在更少的迭代次数迭到全局最优解,具有更高的收敛速度.     

混合优化算法及在约束优化问题中的应用

针对混沌优化方法和Alopex算法的特性,将改进的Alopex算法嵌入到混沌优化算法中,提出了一种混合优化算法,此算法充分发挥了改进的Alopex算法的快速搜索能力和混沌优化方法细致寻优的特性,提高了算法的收敛速度,避免了优化算法陷入局部最优的缺陷;同时将混合优化算法应用于约束优化问题中．仿真结果表明了混合优化算法的有效性．     

一种快速带环数据流图的流水线调度算法

在带反馈环的数据流图的高层次综合调度中。提出了一种基于时间约束并考虑资源约束的调度算法．该算法利用了数据流图中的迭代内及迭代间的优先约束，采用retiming和流水线操作来进行并行的构造调度．提出的基于待调度稍点的retiming算法可以缩短常规的对调度空间搜索最优解的时间，从而快速地完成满足时间和空间约束的调度．     

基于改进NSGA-Ⅱ算法的水库双目标优化调度

针对NSGA-Ⅱ算法选择机制的缺陷,本文提出一种更好保护优秀个体的择优方法——雄狮选择法,进而提出了一种基于雄狮选择法的改进NSGA-Ⅱ算法——NSGA2-Pride算法。将新算法应用于水库双目标调度问题中,结果表明,NSGA2-Pride算法的优化调度结果优于NSGA-Ⅱ算法的优化调度结果,其优化调度将各调度期供水强度平均值提高到83%以上,并将供水强度最小值从49.13%提升至72.51%,改善了水库供水状况。本研究为解决水库优化调度问题提供了新的方法。     

区间优化方法在水库调度中的应用

应用区间分析思想,将区间优化方法引入水库调度问题,同时以水库防洪调度为例,建立了区间优化模型．结合实例对水库调度区间优化方法进行验证,并与传统的动态规划方法做了对比．结果表明,区间优化方法用于水库调度问题,不仅优化原理清晰、计算方法易于理解,而且所得结果优于动态规划方法．     

SCE-UA算法在水环境系统优化问题中的应用

把SCE-UA算法应用到水环境系统优化问题的求解当中,成功求解了3个典型的优化问题:二维稳态水质模型横向扩散系数及流速推求、排放口最优化处理、水工建筑物调度参数识别.结果表明:该算法不但能求解一元函数约束的优化问题,通过构造罚函数,该算法还能够成功求解有多元函数约束的优化问题.该算法不依赖导数和优化问题的具体形式,并且参数极少,求解精度高,通用性较强,可高效识别水工建筑物的调度参数,在环境系统优化中有很高的推广价值.     

时变网络拓扑图下智能电网中基于优化算法的分布式调度响应

就时变网络拓扑图下智能电网中基于优化算法的分布式调度响应问题进行了研究.利用原对偶方法将带有约束的智能电网优化问题转化为一个无约束的优化问题同时提出相应的求解算法.该算法允许不同发电机之间采用异构常数步长进行更新,同时给出了算法的收敛速度.理论推导表明文中所提出的算法能以线性收敛的速度达到该问题的最优解.