基于自适应并行遗传算法优化设计的有源滤波器

提出一种用于有源滤波器的改进自适应并行遗传算法设计.引入了两个自适应算子:其一根据进化过程实现交叉和变异概率的自动调节;其二通过设计随机个体集和健壮个体集,实现种群个体的多样性和保护适应度高的个体不被破坏.采用基于岛屿的交换模型实现多种群间信息交换,扩大了种群的规模和相应的搜索空间.给出了利用该方法设计四阶切比雪夫低通滤波器的设计结果,并与基本遗传算法进行了比较实验,结果表明该算法收敛速度快、精度高,有效地克服了早熟现象.为大规模有源滤波器设计提供了方法上的支持.     

基于白适应并行遗传算法优化设计的有源滤波器

提出一种用于有源滤波器的改进自适应并行遗传算法设计．引入了两个自适应算子：其一根据进化过程实现交叉和变异概率的自动调节;其二通过设计随机个体集和健壮个体集,实现种群个体的多样性和保护适应度高的个体不被破坏．采用基于岛屿的交换模型实现多种群间信息交换,扩大了种群的规模和相应的搜索空间．给出了利用该方法设计四阶切比雪夫低通滤波器的设计结果,并与基本遗传算法进行了比较实验,结果表明该算法收敛速度快、精度高,有效地克服了早熟现象．为大规模有源滤波器设计提供了方法上的支持．     

并联型混合有源滤波器的新型控制策略

由无源滤波器（PF）和小容量的有源滤波器串联组成的并联型混合有源滤波器（PHAPF）,能较好地提高PF的滤波性能,并克服单独采用有源滤波器造价高的缺点．基于系统谐波电流反馈控制方式的PHAPF能有效地补偿负荷电流的谐波分量,但会使补偿后的负荷节点电压产生较大的畸变,针对这一问题提出了一种基于负荷节点电压畸变分量反馈控制的PHAPF控制策略,可以在有效补偿负荷电流谐波分量和校正负荷功率因数的同时较好地抑制负荷节点电压畸变．数字仿真验证了该控制策略的有效性．     

混合变量多目标优化设计的Pareto遗传算法实现

提出了一种用Ｐａｒｅｔｏ遗传算法来实施的带约束的多目标混合变量的优化方法。得到Ｐａｒｅｔｏ最优解集,决策者从中可选出满足设计需要的解。该算法包括６个基本算子：选择、变异、交叉、离散变量圆整算子、小生境、Ｐａｒｅｔｏ集合过滤器。建立了用于多目标优化的适应度函数,使用模糊罚函数法法将带约束的多目标优化问题转换为无约束优化问题,同时提出了处理混合变量多目标优化问题中离散变量的方法。最后用算例说明了该方法     

基于多目标遗传算法的混合动力汽车能量管理优化

混合动力技术是实现汽车节能减排的有效途径。以P2混合动力汽车为研究对象,考虑电池荷电状态(state of charge, SOC)分别为高、中、低3种不同的电量模式时,设计不同的能量管理策略,以实现混合动力汽车节能减排的同时维持SOC的平衡的目的。该策略在基于规则的基础上采用Isight软件中的多目标遗传算法对门限值进行优化,以提高能量管理策略中门限值的可靠性和有效性。仿真结果表明,该能量管理策略对降低车辆油耗的效果显著,并且能很好地维持电池SOC的平衡。     

基于遗传算法的多目标规划的求解

文章用遗传算法求解了一道数学建模竞赛题,并与其它算法进行了比较,体现了遗传算法解决多目标优化问题的优越性．     

基于多目标遗传算法的路径规划

研究三维地形中的路径规划问题.针对三维地形中路径涉及的因素多,将多目标优化的思想引入路径规划.提出一种基于多目标遗传算法的路径规划方法,设计了优化路径的遗传算法实现方案.使用大范围初始化种群的方法,设计了适合于路径规划的遗传算子.实验证明,该算法能综合考虑多种因素,并能同时提供不同特点的多条路径供决策者选择.     

自适应并行遗传算法实现有源滤波器的设计

提出一种改进的自适应并行遗传算法,通过设计自适应算子自动调节交叉和变异概率,采用基于岛屿交换模型实现多种群间信息交换,提高了种群的多样性和健壮性.将该方法用于滤波器的参数优化设计,给出4阶切比雪夫低通滤波器的设计结果,比较各种算法的性能,证明该算法收敛速度快,精度高,有效地克服了早熟现象.     

并行遗传算法在模拟有源滤波器设计中的应用

提出了一种基于岛屿群体模型的并行遗传算法,该算法克服了以往采用基本遗传算法存在易早熟、收敛速度慢的不足,具有较高的加速比和运算效率.将其应用到模拟有源滤波器参数的优化设计中,仿真结果验证了算法的有效性.     

基于遗传算法和粒子群优化算法的电力系统无功优化

从数学的角度分析,电力系统无功优化是一个多变量、多约束、非连续性的混合非线性规划问题,因此,优化过程十分复杂.以减少有功网损为目标函数建立电力系统无功优化计算的数学模型,基于遗传算法和粒子群优化算法,提出一种新颖的混合策略来求解无功优化问题.IEEE 6和IEEE 14节点系统的仿真计算结果表明:与单一的遗传算法或粒子群优化算法相比,该混合策略在优化效果方面具有明显的优势.     

基于遗传算法的结构振动主动控制优化方法

在结构振动主动控制的研究中,控制能量是限制其广泛应用的瓶颈。为减少控制系统所需能量,有必要对结构进行优化设计,而传统的优化方法对于振动主动控制系统的优化不太适合。为此,在杂交遗传算法和实代码遗传算法的基础上,开发了一种改进的杂交遗传算法,该算法不仅可以计算含不等式约束的优化问题,而且可以处理含线性等式的优化目标问题。最后给出了计算实例来说明所提方法的有效性。     

新型的融合优化算法及其在电力系统中的应用

提出了一种新型的融合优化算法,该算法结合了遗传算法(GA)的复制、交叉、变异操作以及粒子群优化算法(PSO)的个体速度和位置更新的原理,并将混沌的概念引入其中,它的性能要优于GA和PSO.在标准测试函数上进行了仿真比较,验证了新型算法的有效性.最后,这种新的融合优化算法被应用到了电力系统最优潮流的计算中,对IEEE-30系统进行仿真,并与遗传算法、标准PSO算法进行比较,结果表明新型的融合优化算法具有更好的优化性能.     

降低有源部分容量的混合电力滤波器

为了更经济地滤除电网中的谐波电流,提出了一种新型混合电力滤波器结构。与普通的混合滤波器相比,其有源滤波器的容量和成本进一步降低。由于无源滤波器承受了电网电压,而LC构成的基波谐振支路分流了无功电流,使得有源滤波器的额定电压和电流大大降低。在所提出控制策略的作用下,该滤波器可以有效地抑制电网谐波电压产生谐波电流并阻止负载谐波电流流入电网侧。由PSCAD/EMTDC软件进行仿真,结果表明:该结构中的有源滤波器的容量仅为滤波器总容量的2.11%,而滤波器投入后电网电流的总谐波畸变率仅为4.15%。     

基于混合遗传算法的机场巴士线路优化

以提高机场巴士旅客运送效率为目的,以乘客总体消耗时间最小为目标,综合考虑其他各种约束条件,构建了机场巴士线路优化模型．根据模型特点,采用爬山算法得到初始解,以减少寻优时间;同时采用直接排列的编码方法即节点法进行编码,构建混合的遗传算法求解．通过一个简单算例验证了所提出模型与求解方法是可行和有效的,可为实际规划与理论研究提供参考．     

基于量子粒子群优化算法HAPF参数的多目标优化

文章用一种量子粒子群优化算法对混合型有源电力滤波器(HAPF)参数进行多目标优化设计,优化目标包括系统的投资成本、无功补偿和滤波效果等,该算法解决了HAPF系统的参数匹配以及无源、有源容量的分配问题。实验中该算法寻优速度较快,THDU、THDI分别降低到1.9%和2.0%,APF容量仅占混合滤波器容量的8.1%,使HAPF在电能质量综合治理中实现了既有效又经济的目的。     

基波磁势自平衡串并联混合有源电力滤波器

研究了基波磁势自平衡串并联混合有源电力滤波器.其串联在系统和谐波负载之间的零磁通变流器可自动实现对基波呈现低阻抗,对谐波呈现高阻抗,并可实时方便地检测出剩余谐波电流流过变流器时产生的谐波电压降.通过逆变器产生一个与检测到的谐波电压成正比的谐波电压源,并通过耦合变压器与无源滤波器串联之后再并联接入电网,从而更好地减少流入系统的谐波电流.实验结果证明了结论的正确性.     

基于混合遗传算法的变压器局部放电超声定位法

论述变压器局部放电超声波定位法原理,把混合遗传算法用于局部放电的超声定位,从而提出基于混合遗传算法的变压器局部放电超声定位法;并将其定位结果与遗传算法、模拟退火算法、粒子群算法和线性粒子群算法等智能算法的定位结果进行比较.算例结果表明混合遗传算法能有效地防止结果陷入局部最优,其定位效果理想,且比上述智能算法的定位效果都好.     

离散变量桁架结构拓扑优化的改进混合遗传算法

为了避免在结构拓扑优化过程中杆件和节点的增删带来计算上的麻烦,在对桁架结构进行受力分析的基础上设计了一些启发式准则来产生可能的拓扑结构形式,然后采用一种改进的混合遗传算法进行截面优化.混合遗传算法将离散复合形法引入到遗传算法中,一方面利用遗传算法为离散复合形法提供可行点;另一方面利用离散复合形法对遗传算法种群中的可行个体和不可行个体进行改进,从而提高了遗传算法的局部寻优能力,并对标准遗传算法在选择、交叉和变异操作上作了一些改进.它将两种算法的优点集中在一起,同时又弥补了两者的不足.算例的结果表明,该方法用于桁架结构拓扑优化是简单、快速和有效的.     

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.