基于合作博弈论的多机场终端区协同航班调度

针对多机场进离场航班协同调度问题,以协同决策(CDM)理念为基础,结合合作博弈论相关理论建立协同航班调度模型.模型主要分析机场、航空公司以及空管部门的效用函数和拒绝性函数,通过计算各航班拒绝性值和选择性值分析进离场航班次序.实例仿真表明,基于博弈论的协同航班调度优化模型有较好的准确性和实用性,有助于解决机场终端区的航班调度问题,较公平地兼顾了机场、航空公司和空管部门之间的利益.     

基于混沌优化算法的电力系统经济调度和最优潮流

针对电网及电厂经济运行的要求，依据混沌运动的遍历性、规律性、随机性等特点，采用了一种改进的混沌优化方法对电厂与电网进行经济调度。该方法利用混沌变量进行搜索寻优，能不断缩小优化变量的搜索空间并不断提高搜索精度，从而有较高的搜索效率，仿真结果表明，本方法搜索速度快，求解精度高，且使用方便。     

智能电网环境下多电动汽车协同充电优化调度算法

大量电动汽车通过居民侧家庭能源管理系统接入电网充电时,若各用户独自对充电过程进行优化,会使充电负荷集中在低电价时段,形成巨大的负荷峰值,造成变压器和线路严重超载,威胁电力系统的稳定运行。引入了一种智能电网环境下电动汽车协同充电模式,建立了最小化用户用电费用的最优充电模型,提出了一种多电动汽车协同充电优化调度算法。该算法能有效避免用户独自优化调度时出现的弊端,同时显著降低用户的充电费用。通过仿真实验验证了算法的有效性。     

基于改进多粒子群算法的电力系统无功优化

将改进的多粒子群算法应用于电力系统无功优化问题的求解，克服了传统粒子群算法收敛精度不高、易陷入局部最优的缺点．该优化方法对原粒子群算法进行了如下改进：通过增强粒子群间的协同作用、引入惯性因子以及扰动的策略，来平衡集中强化搜索和分散多样化搜索过程．对IEEE6节点和IEEE30节点系统分别进行无功优化计算，并与传统粒子群算法进行了比较，结果表明，该算法求得的有功损耗较原状态降低了近1／5，且电压合格率为100％，具有较强的全局搜索能力和较高的收敛精度，是求解无功优化的有效方法．     

基于启发式规则的柔性制造单元合作协同调度算法研究

柔性制造单元模型为企业提供了一种高柔性和高效率的生产方式.针对该问题,设计了一种基于启发式规则的柔性制造单元合作协同调度算法.通过分解制造单元间的耦合,形成独立的制造单元,按照调度目标选择启发式规则并进行单元合作协同调度,最终形成整体调度方案.数值实验对调度规则进行了验证并表明了这一设计思路的有效性.     

基于种群协同进化算法的固定极性动态逻辑电路功耗优化

基于电路的动态逻辑实现形式,建立了固定极性XNOR/OR电路低功耗极性优化问题的数学模型;针对传统遗传算法(TGA)和量子算法(TQA)的优势和不足,借鉴合作型协同进化思想,提出了种群协同进化算法(PCEA).该算法包含主体种群和小规模的量子比特种群,采取两种群并行进化、统一评估和主体种群择优重组的进化策略.主体种群采...     

基于改进神经网络算法的电力系统经济调度

为解决新能源接入大电网带来的能源损耗问题,进行常规能源发电机组的快速经济调度是一种有效措施。针对存在多种常规能源的电力系统,建立了考虑传输损耗的电力系统经济调度问题模型,基于增广的Lagrange-Hopfield 神经网络优化算法,引入乘子神经元传输速率参数,提出了改进的增广Lagrange-Hopfield 神经网络算法。从理论上证明了该算法的收敛性,以及收敛的快速性。以某一项目为例,选取不同的传输速率参数,验证了改进的增广Lagrange-Hopfield 神经网络算法受传输速率参数的影响,并且工程可行,收敛快速。     

多粒子群协同优化算法

提出一种多粒子群协同优化(PSCO)方法．PSCO是2层结构：底层用多个粒子群相互独立地搜索解空间以扩大搜索范围;上层用1个粒子群追逐当前全局最优解以加快算法收敛．这些粒子群含的粒子数以及粒子状态更新策略不要求相同．为改善粒子群容易陷入局部极小的弱点,提出扰动策略,当1个粒子群的当前全局最优解未更新时间大于扰动因子时,重置粒子的速度,迫使粒子群摆脱局部极小．用Rosenbrock函数等3种基准函数做优化实验表明,PSCO性能优于经典PSO,FPSO和HPSO等算法．     

基于多目标优化的BRadio系统资源调度算法研究

不同特性和需求的业务共存是未来网络融合所必然带来的状况,也是影响业务性能的主要问题之一.首先简介基于BRadio的专用宽带无线接入网标准,然后通过分析业务特性,在MAC层上提出了一种多目标优化的资源调度算法.该算法包括基于带宽预留的接入控制算法和基于有限状态机的分组调度算法,针对系统带宽利用率、业务分级、时延性能和公平性进行了综合优化.最后通过仿真证明该算法能有效地在保证系统带宽利用率的情况下体现业务分级特性,并能够在时延性能和公平性之间取得很好的平衡.     

基于生物地理学算法的微电网多目标优化调度

针对含风力发电机、光伏电池、微型燃气轮机、柴油发电机、蓄电池组成的微电网系统优化调度问题,设置系统相关约束条件,建立以运行成本最小、用户停电损失费用最小及环保成本最低的微电网多目标优化调度模型,采用生物地理学算法对模型进行求解;对某独立型微电网算例的单目标优化调度与多目标优化调度的仿真结果进行对比。结果表明:单目标下的微电网优化调度,虽然可以在单一方面达到最优,但是以其他目标的增加为代价;多目标优化调度综合考虑了微电网的经济性、节能型、可靠性之间关系,实现了运行成本、用户停电损失费用、环保成本下的全局最优,可根据用户的实际需求提供一种更合理的微电网优化调度方案。     

基于演化多目标算法的混合流水作业调度优化

针对供应链网络优化领域中的混合流水作业调度问题提出了一种新的多目标演化优化算法。给出了这类问题的通用优化模型，在此基础上，提出了基于流程的矩阵基因编码方案，动态适应度分配机制，并引入小生境保优策略构造了算法过程，利用收敛进程参数分析了算法的收敛性能。性能分析和算例实验表明算法对于高维多目标优化问题是有效的，且能够以较快的速度收敛。     

一种双种群协同多目标粒子群优化算法及应用

针对当前我国油田开采难度大、 经济效益较低等问题, 建立以利润最大化为优化指标, 以年度增油目标、 增液目标、 增注目标为约束条件的多目标油田开采优化模型, 并提出一种双种群协同多目标粒子群优化算法求解该优化模型. 该算法通过双种群协同进化策略扩大搜索空间, 提高算法的全局搜索能力, 并结合Lévy飞行保证种群多样性, 提高算法收敛效率. 实验结果表明, 该算法能有效求解油田开采优化模型, 可优选出满足目标和约束条件的结果.     

基于果蝇优化算法的电力系统无功优化

针对电力系统无功优化存在的问题,提出了一种基于果蝇优化算法的无功优化。首先将该算法运用到无功优化问题中,并对IEEE30节点进行仿真计算,结果表明,该算法对于求解复杂无功优化问题具有可行性和有效性,同时运用PSO优化算法对IEEE30节点进行了优化,对比结果表明果蝇优化算法具有更好的优化能力。     

WSN中基于多目标优化的协同任务分配算法

对无线传感器网络目标跟踪中的协同任务分配机制进行了研究,针对一般任务分配算法中优化目标单一的缺陷,提出了一种基于多目标优化的任务分配算法.首先,建立了基于动态联盟的具有跟踪精度、系统能耗、负载均衡等多个目标参数的优化模型,并采用多目标进化算法NSGA-Ⅱ对模型进行求解;然后,提出了一种基于折中度的决策精选策略,从最优解集中决策出最终的任务分配方案.针对跟踪精度、能耗、负载均衡的仿真结果表明:所提算法可以对多个目标并行优化,较快收敛到全局最优解;与一般任务分配算法相比,该算法可获得更佳的调度结果.     

基于多目标粒子群协同算法的状态参数优化

针对铅锌烧结过程综合透气性、烧结终点的优化具有强非线性、计算复杂等特点,提出了一种有效的多目标粒子群协同优化算法。首先,建立了有综合透气性、烧结终点两个目标的优化模型。接着,通过改进的约束比较方法、粒子极值选取方法,以及利用不同的粒子群来分别优化相应的变量,提出了一种改进的多目标粒子群协同优化算法。最后,利用提出的多目标优化算法进行综合透气性、烧结终点的优化。仿真结果表明,所提出的多目标优化算法能较好地解决综合透气性、烧结终点的优化问题。     

基于多目标协同优化算法的卫星结构优化设计

针对卫星系统中多目标、多约束、耗时的结构优化问题,建立了卫星结构的多目标协同优化模型.将协同优化方法与全局多目标优化算法相结合,并针对协同优化方法的缺陷采取一些改进措施,提出了协同优化方法与全局多目标优化算法(CO-PE)组合优化方法.以某卫星结构多目标优化问题为例,在iSIGHT优化软件中对卫星结构进行多目标协同优化设计,通过CO-PE组合优化方法获取Pareto最优解集.优化结果表明,多目标协同优化模型能够简化优化问题的复杂度,基于近似模型的CO-PE组合优化方法具有较好的准确性和高效性,对实际工程中类似的复杂结构优化问题具有一定的参考价值.     

基于种群分区的多策略综合粒子群优化算法

针对标准粒子群优化算法容易陷入局部最优收敛精度不高的问题,提出一种基于种群分区的多策略综合学习粒子群优化算法(MSPSO).该算法利用竞争机制将种群分为两个子种群：潜力子群与普通子群,对这两个子群实行不同的进化策略,潜力子群中的粒子主要负责全局探索,普通子群中的粒子则侧重于局部勘探.为验证算法的性能,在不同类型的基准函数上与其他粒子群算法及其他群智能算法进行对比,所提算法都能取到最优的平均结果,证明所提算法具有更优异的算法性能.     

基于带随机网络的多种群粒子群优化算法求解多资源受限柔性作业车间调度问题

多资源受限柔性作业车间调度问题(MRC-FJSP,multi-resource constrained flexible job shop scheduling problem)是一类复杂的组合优化问题。针对以最小化最大完工时间为目标的MRC-FJSP,提出了一种带随机网络的多种群粒子群优化算法(MPSO-RDnet, multi-population particle swarm optimization algorithm with random network)。首先,设计了一种半主动解码和基于启发式规则解码相结合的新型解码方式,对原有解空间进行有效裁剪。其次,提出了基于关键路径的两种邻域结构,提高算法局部搜索能力;引入了基于随机网络的多种群策略,提高算法全局搜索能力;提出了面向算法搜索停滞问题的重新初始化策略,增强算法的鲁棒性。最后,采用MRC-FJSP基准算例SFTSP进行测试,验证了算法的可行性和有效性。     

基于PPSO算法的电力系统无功优化

电力系统无功优化可以降低系统的有功损耗,保证系统运行的安全性和经济性.采用向量粒子群优化（PPSO）算法求解电力系统无功优化问题,在算法中通过初始化得到向量的相位角,并将相位角引入速度更新过程,这样可以更有效地提高搜索精度.在IEEE-14节点系统中,采用PPSO算法、标准粒子群优化算法、随机惯性权重粒子群优化算法和改进吸引排斥粒子群优化算法进行无功优化仿真实验对比,结果表明,PPSO算法可以更好地降低有功损耗.