基于电导增量法与模糊控制组合的MPPT技术研究

通过对光伏电池特性的分析以及对电导增量法和模糊控制技术两种最大功率点跟踪（MPPT）方法的研究,提出了组合两种算法的MPPT技术．仿真结果和实验数据均表明,组合算法能使光伏发电系统快速、准确地跟踪最大功率点,提升了系统总体性能,具有良好的动态和稳态特性．     

基于遗传算法和模式搜索的混合优化方法

遗传算法具有快速随机的全局搜索能力,但当求解到一定范围时往往做大量无为的冗余迭代,求精确解效率低.模式搜索具有很强的细搜索能力,但是其搜索结果的好坏在很大程度上依赖于初始点的选择.本文提出了一种混合遗传-模式搜索算法,该方法是将种群分成两个子群,分别进行遗传算法与模式搜索算法,在每一步中两个子群的最佳结果收集起来,用于更新相互的最优个体.仿真结果表明遗传算法与模式搜索的混合优化方法取得了较好的效果.     

基于遗传算法的危险滑面搜索

在边坡稳定性评价中,潜在危险滑面（Potential sliding plane）的确定有着重要的作用和意义．在刚体极限平衡法计算边坡稳定性时,PSP的计算方法有很多种,已经比较成熟．有限单元法相比刚体极限平衡法有较多的优点,随着有限单元法的普及,在应力场（或位移场）已知情况下,怎样确定边坡的安全系数及其PSP已经成为一个问题．目前已有许多方法．本文提出的是采用遗传算法搜索PSP．编制程序GA—PSP实现上述方法,并计算了澳大利亚考题1（a）．通过实例计算,表明提出的方法简单易行．此外,关于三维滑体的危险滑面搜索问题也提出了初步算法．     

基于混沌变量的模式搜索法及其应用

提出了基于混沌变量的模式搜索法.在探索移动中,由混沌遍历性来生成移动方向和步长;在模式移动中,针对粗搜索与细搜索分别采取最优一维搜索和直接模式搜索.将全局优化能力强的混沌优化融入到模式搜索法中,且采取二级模式移动,搜索效率高.算法应用于模糊神经网络权值优化,仿真验证了其优良性能.     

基于Tabu搜索与遗传算法研究拆卸序列优化

针对废弃装配体的拆卸序列优化,提出建立描述装配体结构的干涉一自由矩阵以及“拆卸楔”的概念和算法,据此计算各个零件从装配体上可以拆卸下来的方向和次序．鉴于遗传计算过程中,其邻域往往过早地收敛于局部优化点上,于是将Tabu搜索组合到遗传算法之中．实例验证表明,用这种组合优化方法解决装配体拆卸序列优化问题,所生成的可行拆卸序列在适应度函数值、数量、分布范围等方面均优于单纯的由遗传算法生成的结果．     

基于遗传算法的组合评价模型

基于主观赋权法和客观赋权法有各自的优点和缺点,文章提出一种基于遗传算法的组合评价模型,通过该模型将多种评价方法进行组合,并利用遗传算法优化各评价方法的权重,根据评价指标函数值评价出各样本的优劣。评价实例的对比分析说明,该组合评价模型的评价结果更符合实际。     

基于遗传算法与Tabu搜索的拆卸序列优化算法

为研究废弃装配体的拆卸序列优化,首先提出了建立装配体的干涉-自由矩阵,作为描述其结构的数学模型．其次,运用遗传算法原理,提出面向装配体拆卸序列自动生成及优化的计算模型．依据初始输入的若干拆卸序列和其它控制参数,由程序搜寻几何上可行的最佳拆卸序列．这里是以装配体在拆卸过程中具有最少的换向次数为优化目标．最后,鉴于遗传计算的未熟早敛问题,提出建立Tabu搜索与遗传算法的组合优化算法．通过把Tabu搜索的集中与分散策略引入遗传算法,可望获得更加健壮的搜索行为．大量的实例验证表明,用这种方法解决装配体拆卸序列的优化问题,所生成的可行拆卸序列在适应度函数值、数量、分布范围等方面均优于单纯的由遗传算法生成的结果．     

基于混沌局部搜索的多目标遗传算法

针对多目标遗传算法存在的局部搜索能力弱和易早熟的问题,采取理论分析方法,提出了一种新的基于混沌局部搜索的多目标遗传算法(MOGA-CLS)。对按支配关系形成的第1、2层Pareto解进行混沌搜索获得更优解,并采用基于聚集度的聚类方法保持种群和Pareto解集的多样性和分布性。仿真实验结果表明:该算法能有效地提高搜索效率。     

基于模糊控制与电导增量法的MPPT仿真研究

为更好的跟踪光伏发电系统最大功率点,通过对光伏电池特性的分析,在电导增量算法基础上引入模糊控制,采用了一种电导增量法与模糊控制结合的最大功率点跟踪(MPPT)算法.通过设计模糊控制器以及搭建光伏电池MPPT仿真模型,并与传统电导增量法进行仿真比较,实验结果表明,基于模糊控制与电导增量法的MPPT提高了跟踪速度,减小了稳定运行时系统的震荡问题.     

基于占空比干扰观测法的MPPT控制

为解决光伏并网发电系统非线性和时变性导致的光伏阵列最大功率点偏移问题,提出了一种基于占空比干扰观测法最大功率跟踪控制算法.基于对光伏阵列等效电路的研究,确定了光伏阵列何时能够获得最大功率,并分析了当外界环境变化时最大功率点的跟踪过程;研究了光伏并网发电系统的结构,确定了最大功率点跟踪的实现方式;最后分析了基于占空比干扰观测法最大功率点跟踪控制原理,并在Matlab环境下进行了仿真研究.结果表明该方法比基于占空比恒电压最大功率点跟踪法具有更强的抗干扰能力,并且其控制结构简单,非常适合工程应用.     

基于新型电导增量法的MPPT控制策略

为了实现光伏系统开机过程和光照强度发生较大变化时对最大功率点(MPP)的快速追踪,提出了一种新型变步长与基于光照变化因子的补偿步长相结合的电导增量控制算法,并建立了该算法的数学模型及仿真模型。仿真结果表明提出的控制算法能够快速、准确地进行最大功率点的跟踪且能够消除振荡现象,表现出了良好的动态性能。     

基于改进黄金分割法的MPPT算法研究

光伏发电系统中最大功率点跟踪技术是提高光伏发电效率的主要技术,基于在线短路电流法和黄金分割法,提出一种全新的MPPT算法,即改进黄金分割法;与传统MPPT算法相比,该算法既保证了最大功率跟踪的快速性,又保证了其精确性;最后,通过Matlab仿真模型进行仿真,结果验证了该算法的优越性.     

基于遗传算法的智能商品搜索策略的研究

电子商务购物系统为我们的日常生活带来了极大的便利,但是,随着现有电子商务购物系统中商务信息的急剧增加,导致用户搜索耗时太长,影响了交易的顺利进行.为解决这种问题,提出了基于遗传算法的智能搜索策略.首先根据用户输入的初始搜索字段,利用实数编码构造进化个体.然后提出了基于用户行为的个体适应函数值的评价模型,辅助用户尽快搜索到满意商品.最后基于Java平台开发了智能搜索引擎,通过与传统搜索引擎在搜索耗时和成功率方面的比较验证了该方法的有效性.     

GPS姿态测量并行遗传算法快速搜索技术

提出了一种基于并行遗传算法细粒度模型和模糊度函数法的GPS姿态测量快速搜索技术 (ambiguityfunctionparallelgeneticalgorithms,AFPGA) ,它能够避开整周模糊度的求解而直接解算载体的航向和姿态 .AFPGA采用个体邻域间的进化 ,既具备了较强的全局搜索能力 ,又减小了各处理器之间的数据通信量 ,从而保证在获得全局最优解的前提下加快姿态解算速度 ,并易于算法的硬件实现 .运用AFPGA对一组GPS实测数据进行了 1 0 0次独立搜索 ,得到 :航向角搜索方差为 0 .2 4°,俯仰角搜索方差为 0 .1 5°;平均搜索时间为 0 .6s,成功率为 1 0 0 % ,搜索空间为模糊度函数法的 0 .0 5 % .通过对AFPGA不同的模型进行分析 ,并与SGA(simplegeneticalgo rithm) ,AFGA(ambiguityfunctiongeneticalgorithm)进行对比 ,结果表明AFPGA是一种更为有效的搜索技术     

基于遗传算法的组合测试用例生成研究

对遗传算法的种群规模、选择策略、迭代策略等环节进行了研究,设计实现了一种实用的基于遗传算法的组合测试用例生成算法,具有用例生成速度快、用例集最小化的特点.     

基于遗传算法信息组合的自适应模糊控制

利用模糊理论分别建立了与控制对象和控制知识信息相对应的控制系统，应用遗传算法获取2个系统在不同时间段的最佳组合因子，消除了对组合因子赋值的主观性和不准确性．基于李雅普诺夫函数的方法推导了模糊控制系统中参数的自适应控制律，并且证明了系统的稳定性和收敛性．将遗传算法信息组合的自适应模糊控制方法应用在达芬混沌系统的控制中，仿真结果对比表明，虽然组合型自适应控制方法可以有效地控制达芬强迫震荡系统，但文中提出的方法能使各控制状态有界，并且能够迅速准确地跟踪目标．     

基于加速遗传算法的组合证券投资决策

应用加速遗传算法解决组合证券投资决策问题，可以克服传统遗传算法的缺点：对搜索空间（优化变量空间）的大小变化适应能力差，计算量大，易出现早熟收敛，控制参数的设置技术无明确准则指导等，与已有结果相比，对协方差矩阵无正定性要求，目标函数可以推广到规模庞大，提高预测精度等优点。     

基于并行搜索遗传算法的AGV自适应集群调度

针对现行自动导引车(AGV)系统研究中过分依赖匀速运动和忽略通信时长等模型理想化假设条件及转弯惩罚和拥堵惩罚因子等仿真修正参数的缺点,提出一种面向真实场景的自适应集群调度策略．首先分析了AGV集群系统的地理特征并得到运动约束,然后对于现行的A~*算法进行改进,实现加速计算．针对遗传算法适应性有待改善的问题,在融合A~*算法的基础上提出了基于动态适应度函数的改进遗传算法,所提出的方法不再须要针对新的环境修改遗传算法结构,只须将约束添加至A~*算法工作的地图中．给出了双向A~*算法下的多AGV调度的实验结果,分析表明：本研究的双向A~*算法在路径求解速度上有明显的优势,且能够适应不同数量的障碍,为AGV集群调度方法在真实作业场景中的开发应用提供了参考．     

基于应力场的土坡临界滑动面的遗传算法搜索

为快速而准确地评价复杂土坡抗滑稳定性状,采用非线性有限元法分析土坡的应力场,根据应力场定义和计算土坡的稳定安全系数,再将安全系数与遗传算法的适应度函数相联系,从而利用遗传算法优化技术搜索土坡内对应最小安全系数的临界滑动面。给出了遗传算法搜索中的滑动面基因表达、适应度函数、滑动面形状合理性约束等关键实施技术。通过经典算例分析,证明这种基于应力场的临界滑动面遗传算法搜索方法具有可行性、高效性和鲁棒性。     

基于整体退火遗传算法的最佳混合极性搜索

采用整体退火遗传算法搜索3n混合极性Reed-Muller表达式,获得最优解从而达到简化逻辑电路目的.并有效地结合遗传算法的全局搜索和模拟退火算法的局部搜索能力,在退火阶段将父代中最优的2/3种群的染色体和子代中最优的2/3种群的染色体选中形成中间阶段种群,然后对该种群进行退火选择,选出染色体组成新的种群,再对新种群进行选择、交叉和变异操作.为了进一步加快整体退火遗算法的执行效率,本文采用数据不相关的方法计算适应函数.实验结果证明,该算法在保证最优结果的同时,可有效缩短CPU运行时间.