开放式遗传算法及其在水资源优化配置中的应用

在分析遗传算法求解过程中对不可行个体处理方法的基础上,提出开放式遗传算法,即在传统遗传算法中加入一个必要的基本过程——修正,用来处理交叉、变异产生的不可行个体.介绍了开放式遗传算法的基本流程,并使用两个优化模型进行算法性能测试.采用开放式遗传算法对南水北调中线河南受水区内郑州市水资源进行优化配置,结果表明,该算法能够有效地处理不可行个体.     

免疫遗传算法在BP神经网络中的应用

提出了一种基于免疫遗传算法(IGA)的BP神经网络设计方法.该算法在遗传算法(GA)的基础上引入生物免疫系统中的多样性保持机制和抗体浓度调节机制,有效地克服了GA算法的搜索效率低、个体多样性差及早熟现象,提高了算法的收敛性能.为了解决BP神经网络权值随机初始化带来的问题,用多样性模拟退火算法(SAND)进行神经网络权值初始化,并给出了算法详细的设计步骤.仿真结果表明,同混合遗传算法相比,该算法设计的BP神经网络具有较快的收敛速度和较强的全局收敛性能.     

遗传算法及神经网络在锅炉负荷优化分配中的应用

针对并列运行锅炉群的负荷优化分配问题,提出用遗传神经网络辨识给煤量-产气量模型,并用改进的遗传算法进行负荷优化分配.给出了改进遗传算法和遗传神经网络的辨识原理.负荷优化分配结果表明,该方法优于平均分配方法.     

BP算法改进及其在变形数据处理中的应用

针对传统BP(back propagetion)算法存在的缺陷,分别对其收敛性标准、激活函数等进行改进,并采取措施防止振荡、加速收敛以及防止陷入局部极小.将改进后的BP神经网络运用到变形监测数据处理中,应用结果表明,改进后的BP神经网络比传统BP神经网络在精度等方面有了很大的改善.     

遗传算法在兰州西部电网规划中的应用

利用遗传算法进行电网规划，建立了电网规划的数学模型。将该模型应用于兰州西部１１０ｋＶ电网规划中，取得了满意的结果。     

遗传算法在制造资源优化配置中的实现

资源优化配置是网络化制造系统中的一个重点,也是一个难点问题．文中分析传统算法在解决优化配置问题上的缺陷．提出一个基于遗传算法的资源优化配置算法模型．通过具体实例．说明该模型的有效性、先进性和可行性．最后．给出基于该模型的原型系统运行界面。     

基于学习策略的遗传算法在最优潮流中的应用

最优潮流问题是电力系统中一个重要的问题,从数学角度上讲,它是一个非线性规划问题。提出了一种基于学习策略的遗传算法用于解决最优潮流问题。学习策略使得种群中的普通个体可以向优良个体学习其优秀的基因结构,从而提高了个体的适应度,加快了算法的寻优速度,增强了算法的搜索能力。该算法中还采用排挤策略来避免个体的过度拥挤,增强了算法的全局搜索能力。通过算例验证了算法的可行性和有效性。     

应用遗传算法实现配电网的无功规划优化

以配网系统全年电能损耗和无功补偿设备投资之和最小为目标，建立了考虑系统不同运行方式下无功规划的数学模型。采用结合灵敏度分析的改进遗传算法求解数学模型，提出容性和感性无功的补偿规划原则。实例验结果表明，应用该模型和算法可以有效地对配电系统进行无功优化，优化后系统的网损明显降低，节点电压明显提高。     

人力资源优化配置模型及算法研究

从可操作性出发,基于系统分析和定量评价的方法,建立了人力资源优化配置模型,为人力资源的优化配置提供了一种量化管理的具体方法,并设计了求解此问题的改进的粒子群优化算法,数值模拟结果表明了该算法的有效性.     

燃料电池公交车电源配置生命周期评价优化

在设计燃料电池公交车电源配置方案时,普遍只考虑行驶过程中的动力性和燃料经济性,忽略了车辆其余各阶段对设计方案的影响,针对这一情况,基于生命周期评价理论,分析了燃料电池公交车全生命周期内各阶段的能耗与排放,建立了其生命周期评价模型.在中国典型城市公交循环工况下,通过生命周期评价模型分析得出,在一定的条件下燃料电池公交车的电源配置存在最优解,并利用遗传算法得到最优电源配置方案.对于所分析的样车,在最优电源配置下其生命周期能耗与排放比纯电动公交车分别降低了24.86%和25.76%,比使用大功率燃料电池系统的燃料电池公交车分别降低了12.11%和6.51%.     

基于遗传算法的FACTS网络最优潮流计算

基于遗传算法建立了一种新的含有FACTS元件的网络最优潮流模型。该模型引入了两种不同的FACTS元件，通过ward＆Hade-6节点系统进行仿真计算，得出用遗传算法选择最佳调节状态可较快达到系统总网损最小，且潮流都在安全极限内。该算法具有较好的实用性。     

基于改进共享小生境遗传算法的配电网无功规划

为了减少配网损耗和保证配网电压质量,解决应用传统适应值共享小生境遗传算法进行无功规划时,由于小生境半径设定值的不同会导致全局寻优能力不稳定、寻优结果波动性较大的问题,将改进共享小生境遗传算法应用于配电网无功规划.首先建立了以净收益现值为目标函数的数学模型,该模型更直观地反映了补偿方案的降损节能收益能力;然后采用基于自适应调整小生境半径的改进共享小生境遗传算法进行配电网无功规划,该算法具有良好的全局寻优能力和解的稳定性;最后采用面向对象的Visual 2005C#高级语言开发编制了配电网无功规划计算程序,算例结果表明了该算法的有效性和实用性.     

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。     

基于改进遗传算法的配电网动态无功优化

综合混沌变异的泛化能力和邻域搜索的局部寻优能力,实现配电网动态无功优化问题的快速求解.利用混沌神经元的输入输出特性建立变异算子与种群多样性测度的自适应关系,实现种群多样性的动态调节,提出基于优秀个体特征信息的邻域搜索,实现局部寻优.在编码过程中,结合配电网动态无功优化的特点提出一种由投运组数和投运时间构成的两段式整数编码方式,缩短了染色体长度、消除了不可行码.IEEE69配电网算例结果表明本文方法在全局收敛性以及克服早熟等方面具有优势.