三角函数选择算子的遗传算法在梯级水库优化调度中的应用

针对遗传算法求解水库优化调度时传统选择算子无法克服适应度非负问题,提出了一种三角函数选择算子遗传算法的梯级水库优化调度求解方法,并通过实例对正弦函数轮盘赌选择与单纯轮盘赌选择的自适应遗传算法做了比较．结果表明,由于基于正弦函数的选择算子克服了轮盘赌对适应值非负的要求,非常适用于求解水库优化调度,且能够很好地保持种群多样性,因此在进化后期能够找到更加优良的解．在实例的选择上,选用“以水定电”的三峡梯级调度模型,并采用由大量实测资料建立的三峡出库流量和葛洲坝入库流量变系数线性回归方程来处理水库间流量传播问题．本文提出的梯级水库优化调度求解方法,有效地改善了遗传算法的收敛性能,而且由于考虑了流量演进,提高了模型精度,具有较高的实用价值．     

基于无监督学习的实时公交动态调度的研究

针对广州智能公交调度的优化问题,提出一种基于无监督学习的实时公交动态调度算法,结合乘客利益和公交公司利益总体最优为目标,通过无监督学习方法学习到公交客流出行特征表达的提取,利用吸引子传播(affinity propagation,AP)聚类算法的优化数据集与支持向量机(support vector machine,SVM)的训练样本集相结合建立预测模型训练,运用公交线网发车间隔和加权系数的目标函数优化调度数学模型,将多源信息融合及多策略的实时公交动态调度算法引入到求解模型中,利用深度学习的异常突发事件分类检测方法实现调度优化模型的实时调整。实验结果表明,AP聚类算法程序运行耗时16 s、高峰发车间隔5 min,比遗传算法运行效率更高、时间间隔更精确,实例证明模型和算法具有实用性和可靠性。     

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.     

NURBS插补快速求值算法

当对非均匀有理B样条(NURBS)曲线进行高密度插值时,运用分段幂函数方法对基函数进行求值的效率远高于传统的de-Boor算法.为此,文中从NURBS插补计算的特点出发,结合de-Boor递推计算规律,设计了NURBS插补快速求值算法.首先采用该算法计算NURBS在各节点区间的基函数显式方程,再运用显式方程进行NURBS插补点求值,并设计相应的NURBS曲线插补器.复杂NURBS曲线的铣削加工实验结果表明,该算法能够有效地缩减NURBS曲线插补求值的计算耗时,提高插补计算的实时性.     

泄洪闸门动态跟踪控制理论研究

从理论模型和计算方法上对水库泄洪闸门控制问题作了深入的探讨 ,提出了实际下泄流量动态跟踪优化过程的新模型 ,并以一次洪水优化调度计算出的优化泄水曲线为依据 ,建立能量损失函数 ,求解闸门启闭方案 ,制定闸门控制策略 .     

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。     

基于多策略融合灰狼优化算法的特征选择方法

针对基本灰狼优化算法(grey wolf optimizer,GWO)在求解复杂优化问题时存在解精度低、探索与开发能力不平衡、收敛速度慢和易陷入局部最优的缺点,提出一种基于多策略融合的改进灰狼优化算法.首先,设计一种基于正弦函数的非线性过渡参数策略替代原灰狼优化算法中的线性递减策略,以实现算法从勘探到开发的良好过渡;其次,利用个体自身历史最佳位置和决策层个体共同引导群体进行搜索,以加速算法收敛速度和提高寻优精度;然后,在当前最优灰狼个体上引入小孔成像学习策略产生新的候选个体,以降低算法陷入局部最优的概率.选取6个基准测试函数进行数值实验.结果 表明:改进算法在求解精度和收敛速度指标上均优于其他比较算法.最后,将改进算法用于求解特征选择问题,对10个基准数据集的仿真结果表明,改进算法能有效地提高分类精度和选择最优特征.     

三次和五次B样条函数在动力响应分析中的应用

工程结构动力响应分析中有多种近似算法,但都存在计算精度和计算效率不够高的问题,为进一步优化,该文在H am ilton型拟变分原理体系下,建立了一种时间子域以三次和五次B样条函数插值的时间子域法。结构动力计算算例表明,以B样条函数插值的新方法最大计算误差是传统算法的1/17~2/5,计算耗时是传统算法的1/10~1/3,而且这种时间子域法的三次B样条函数插值比五次B样条函数插值在某些工程问题中更具有适用性。     

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。     

基于负荷曲线分段的配电网无功优化策略

针对电网负荷的波动性,采取分时段无功补偿策略对改善电压质量和保证运行经济性具有重要实用价值。首先,基于典型日负荷曲线建立了负荷曲线的优化分段模型。在此基础上基于平均节点电压偏移灵敏度指标和网损灵敏度指标建立了无功补偿点的筛选确定方法,并以平均电压偏移和网损最小为优化目标建立无功补偿优化模型。其次,通过基于分解的多目标优化算法对所建立优化模型分别进行求解,可得出负荷曲线的分段点及每个负荷分段下对应的最优补偿方案。最后,以IEEE 33节点配网系统和实际电网仿真分析,验证了所建立优化策略的可行性和有效性。     

改进混沌优化算法在水电站水库优化调度中的应用

为提高多维目标函数全局最优解的计算精度,提出了一种改进的混沌优化算法(MCOA).利用混沌运动的随机性、遍历性和规律性进行全局寻优;通过引入解向量的优选,将解向量定位到最优解的附近,从而找出全局最优解.最后将该算法应用于水电站水库优化调度问题,并进行仿真计算,计算结果验证了算法的有效性.MCOA原理简单,易于编程实现,具有较大的实用价值,为求解水电站水库优化调度问题提供了一种有效方法.     

解信赖域子问题的分段Hermite插值法

基于求解信赖域子问题的分段割线法,在Hessian矩阵正定的前提下,利用分段三次Hermite插值方法构造了一条曲线,提出了一种求解信赖域子问题的分段Hermite插值法,并证明了此曲线路径的合理性。数值结果表明新算法是有效且可行的。     

船舶组合分段堆场调度方法

针对船舶分段堆场调度中的堆场空间利用率低和作业调度效率低的现状,建立以最小阻挡分段移动数量为优化目标的组合分段堆场调度模型;提出一种基于位置权重的进场及阻挡分段堆位的分配策略;采用深度优先搜索与分段移动方向相结合的方式获取路径,并用遗传算法与禁忌搜索相结合的混合启发式算法优化任务分段的执行顺序;分析验证调度周期、场地规格及通行能力对调度结果的影响.实验结果表明:考虑组合分段的堆场可以处理的分段数量更多;优化堆位分配策略与混合启发式算法可以明显地提高堆场空间的利用率和调度效率,并能够有效地减少堆场调度中的阻挡分段数量.     

基于改进BP网络的西安供水水库群优化调度函数的求解方法

提出了基于累积误差,动态调整网络参数的改进BP网络方法,并用于求解西安供水水库群优化调度函数,结果表明,与传统算法相比,改进BP网络方法不仅可以全面反映水库调度决策变量与影响因子的复杂非线性关系,而且可以反映出调度过程中水库群间的相互关系,且应用简便。     

基于深度学习神经网络和量子遗传算法的柔性作业车间动态调度

针对柔性作业车间动态调度问题构建以平均延期惩罚、能耗、偏差度为目标的动态调度优化模型,提出一种基于深度Q学习神经网络的量子遗传算法。首先搭建基于动态事件扰动和周期性重调度的学习环境,利用深度Q学习神经网络算法,建立环境■行为评价神经网络模型作为优化模型的适应度函数。然后利用改进的量子遗传算法求解动态调度优化模型。该算法设计了基于工序编码和设备编码的多层编码解码方案;制定了基于适应度的动态调整旋转角策略,提高了种群的收敛速度;结合基于Tent映射的混沌搜索算法,以跳出局部最优解。最后通过测试算例验证了环境-行为评价神经网络模型的鲁棒性和对环境的适应性,以及优化算法的有效性。     

伪并行遗传算法在供水管网优化调度中的应用

讨论了基于微观水力模型的多水源大型供水管网优化调度问题的主要特征，并提出了求解该问题的改进遗传算法．首先，针对决策变量的结构提出二进制-实数混合编码策略；其次，设计并实现了多种群进化的伪并行遗传算法．将本算法与单一群体进化算法同时应用于实际管网的优化调度求解，结果表明，通过个体迁移策略，伪并行遗传算法可以加速优化搜索的进程，显著改善解的质量，并有效节省运行调度费用．     

基于Kriging代理模型的注塑产品翘曲优化

针对传统的基于CAE的注塑产品工艺优化方法精度不高、效率低,提出了Kriging模型与自适应粒子群算法相结合的集成优化策略.Kriging模型代替CAE分析作为粒子群算法迭代过程中的适应函数,大大减少了优化算法的计算量;同时,通过在粒子群算法中引入自适应惯性权系数,加快了粒子群算法的收敛速度.算例表明,基于Kriging模型与自适应粒子群算法的优化策略可以在小样本情况下获取较高的求解精度,并通过与标准遗传算法做比较,表明该优化策略同时具有较高的计算效率.     

基于效率规则的混合作业车间调度算法应用研究

为了求解混合作业车间调度问题,本文提出一种基于效率规则的作业车间调度算法．引入工件加工的效率函数,进而以工件的效率函数值进行初排排序再调节排序,从而实现了混合作业车间快速高效优化排产．同时,运用该种算法开发了作业车间调度系统,并对实际混合作业车间调度实例进行求解验证,计算结果表明该算法具有很好的调度优化效果,可以很好地应用于混合作业车间调度．     

考虑不同生态流量要求梯级水库群生态调度及其算法

为协调清江梯级水库发电及下游生态效益,实现梯级库群水能资源高效利用和生态效益双赢,本文对清江隔河沿、高坝洲控制断面基础、适宜和理想等级生态流量进行分析计算,并以发电量和生态流量贴近度最优作为目标函数,建立兼顾生态保护的清江梯级库群多目标优化调度模型.进一步,针对传统混合蛙跳算法(SFLA)存在搜索能力有限、易陷入局部最优等问题,从混沌种群初始化、局部搜索方式、基于云模型理论精英青蛙进化和后期启发式激活机制等方面对SFLA进行改进,提出基于混沌云模型理论混合蛙跳算法(CNSFLA).采用该方法求解梯级水库生态调度模型,长系列优化调度结果显示,在保证发电效益和下游控制断面基础生态流量的同时,有效提升其适宜、理想生态流量保证率,总体保证率维持在较高水平;对于枯水典型年,虽然通过算法优化调度,但天然入流偏少导致控制断面部分时段理想生态流量仍无法满足.长系列调度结果对比表明CNSFLA具备高效搜索性能和良好稳定性,可显著提高库群联合调度结果质量.     

模型预测控制系统的低保守稳定性分析

基于显式PWA(piece-wise affine)模型和Lyapunov函数,提出了一种模型预测控制系统的低保守稳定性分析方法.通过在PWA模型的状态分区上,寻找分段二次Lyapunov函数,把闭环预测控制系统的稳定性分析问题转化为线性矩阵不等式(linear matrix inequality,LMI)问题,并应用现有的高效凸规划算法来求解.对PWA模型的状态区域进一步的细化凸划分,以增加找到分段二次Lyapunov函数的可能性,减低闭环系统稳定性分析的保守性.数值仿真计算表明该方法是可行有效的.