遗传算法的改进与应用

遗传算法不依赖于具体问题,作为优化方法用于决策支持系统有其明显优势．通常的遗传算法是一种求解非线性无约束优化问题的迭代自适应启发式概率性搜索算法,对于约束优化问题一般采用罚函数法将其化为无约束情形后再运用遗传算法求解．文中提出的基于浮点编码的改进算法,通过构造交叉与变异操作,可用来求解一类约束非线性优化问题．该方法已用于一个决策支持系统,取得了较好的效果     

一类二层多目标规划的混沌遗传优化算法及其应用

针对求解一类二层多目标规划问题,首先将其转化为等价的单目标规划问题,然后利用遗传算法优化的反演性和混沌优化方法的遍历性,并结合精确罚函数求解非线性约束优化问题,提出了求解此类问题的混沌遗传算法.该方法能够有效改善遗传算法的局部搜索能力和搜索精度,求解精度和可靠性较高.实际算例表明,算法是有效可行的.     

过程综合的全局优化改进遗传算法

针对过程系统综合和蒸汽动力系统优化的复杂非线性规划问题，提出了改进和连续化全局优化的遗传算法，算例表明，该方法用于求解复杂优化问题是非常有效的，而且具有获得全局最优解的能力。     

基于改进遗传算法的多产品连续化工过程生产调度

多产品连续化工过程的生产调度具有组合和连续的生产特性，因此它的调度模型可归结为一混合整数非线性规划问题（ＭＩＮＬＰ）。对这一问题的求解，采用了改进的遗传算法，提出了几种多样性保护算子，从而可防止传统遗传算法易提前收敛问题。所提出的算法被应用于三个产品生产的例子，并与文献所给的结果进行比较，说明了该算法的有效性。     

基于多目标粒子群优化算法的输电网规划

输电网规划是一个离散型、非线性、多目标的混合整数规划问题,难于求解.提出一种多目标粒子群优化算法用来求解输电网规划问题.在输电网规划模型中考虑了建设投资费用、运行费用及网损费用等3方面的因素.多目标粒子群优化算法基于Pareto支配关系来更新粒子的个体极值,并采用了精英归档技术,粒子的全局极值由档案库中的非劣解提供.使用Matlab7.1对Garver-6节点系统进行仿真计算,结果表明:与传统的单目标遗传算法相比,多目标粒子群优化算法获得的规划方案总费用更低,该方法可以提高输电网规划的经济性水平.     

加速混合遗传算法及其在暴雨强度公式参数优化中的应用

根据重现期P-降雨历时t-暴雨强度i的关系表,推求暴雨强度公式参数,是一个已知关系式的非线性模型参数优化求解问题.在理论分析及前人研究的基础上,把求解无约束最优化问题的交尺度DFP算法嵌入到改进浮点编码遗传算法中,得到一种基于变尺度DFP算法和改进浮点编码遗传算法的加速混合遗传算法.该方法兼顾了改进浮点编码遗传算法和DFP算法的优点,既有较快速的收敛速度,又能求得最优化问题全局精确解.经求解暴雨强度公式参数的实例表明,该法是有效的和可行的,且求解结果优于其它方法.     

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.     

基于遗传算法的河流水质模型参数估值系统

河流水质模型的参数最优化估值需要进行约束非线性规划的求解,遗传算法是一种高效的启发式随机搜索算法。将遗传算法应用于河流水质模型的参数估值问题的求解,开发了基于遗传算法的QUAL2E模型参数估值系统,并进行了算例验证,结果表明该系统具有较高的可靠性和搜索效率。     

利用改进的遗传算法求解非线性方程组

提出一种改进的求解非线性方程组的浮点遗传算法,算法通过把非线性方程组的求解问题转化为约束优化问题,然后将局部搜索信息引入遗传算法,通过改进的变异算子不断调整搜索区域,最终搜索到含有最优解的区域,再利用局部搜索信息提高解的精度.数值实验结果表明,改进后的浮点遗传算法具有较好的全局优化能力和局部搜索能力,且提高了求解的速度和解的精度.     

基于改进遗传算法和内点法的无功优化混合算法

文章针对具有离散变量和连续变量共存的高维大规模无功优化问题,采用非线性内点法和改进遗传算法交替求解的混合算法,在迭代的不同阶段,分别对内点法和改进遗传算法进行收敛条件改进,使二者的优化结果互为基础、相互利用,保证了混合算法的整体寻优效率.IEEE118节点系统的无功优化计算表明,所提混合算法可有效提高单一算法的收敛性能和运算速度.     

Application research of wavelet neural networks in proces control

非线性过程的建模和控制问题尚无通用的模型结构和方法可用于过程控制。结合小波和神经网络方法进行过程控制的通用模型和方法的研究,提出了一种仅用尺度函数逼近的小波神经网络模型,并用它来实现非线性预测控制方案。该模型能用线性最小二乘方法进行拟合,因而具有易于实现和通用的优点。由于简化了在线优化方法,所提出的非线性预测控制方案已在线实现。用该方法进行了两个非线性系统的模型辨识和一个双线性系统的控制仿真,模型的通用性、辨识和控制方法的简单易用和仿真结果表明,所提出的方案对过程工业和非线性、高阶系统有很好的实用性,有着比标准ＰＩＤ控制器好得多的控制效果。     

小波神经网络在过程控制中的应用研究

非线性过程的建模和控制问题尚无通用的模型结构和方法可用于过程控制.结合小波和神经网络方法进行过程控制的通用模型和方法的研究,提出了一种仅用尺度函数逼近的小波神经网络模型,并用它来实现非线性预测控制方案.该模型能用线性最小二乘方法进行拟合,因而具有易于实现和通用的优点.由于简化了在线优化方法,所提出的非线性预测控制方案已在线实现.用该方法进行了两个非线性系统的模型辨识和一个双线性系统的控制仿真,模型的通用性、辨识和控制方法的简单易用和仿真结果表明,所提出的方案对过程工业和非线性、高阶系统有很好的实用性,有着比标准PID控制器好得多的控制效果.     

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。     

遗传算法在区域水污染控制系统规划中应用

针对传统最优化方法求解区域水污染控制系统的非线性规划问题难度较大,以及很难保证得到全局最优解的问题,给出一种求解非线性水污染控制系统规划的遗传算法(GA),由于GA方法具有全局搜索能力,从而快速获得最优解.实验证明GA方法在通用性、有效性及可靠性方面均具有一定的优越性,为区域最优化模型提供了一种新方法.     

基于控制思想求解非线性规划问题的李雅普诺夫方法

为了高效求解非线性规划问题,对一种基于控制思想的新颖方法——李雅普诺夫方法——进行了研究.该方法将约束非线性规划问题转化为一个动态系统,基于系统的动态特性给出原优化问题的最优解.分别针对单目标和多目标的非线性规划问题,对算法的收敛性进行了分析,给出了算法在应用时松弛变量、增益因子等关键参数的取值建议.大量数值算例验证了上述收敛性及参数取值建议的正确性,表明了该方法在求解非线性规划问题时的巨大潜力和新颖性.     

水污染控制系统问题的随机机会约束规划模型及其混合智能算法

在水流量为随机变量且河流中工业污水含量标准给定的条件下,以极小化污水处理费用为目标,建立了水污染控制系统问题的随机机会约束规划模型.鉴于传统方法求解随机规划较为困难,给出了一个将随机模拟、神经元网络及遗传算法相结合的混合智能算法来求解该模型,并用算例进行了验证,结果表明该算法有较强的适应性.     

基于运输规划和组合GA的基本物流网络设计

为了探索动态规划求解多阶段物流网络设计方法,提出了基本物流网络模型和基本决策问题,并利用运输规划和组合遗传算法开展了研究。结果表明:利用运输规划求解小规模问题具有灵活、有效的特点,组合遗传算法随着规模的增大精度和效率提高。证明可以此为基础,进一步利用动态规划研究多阶段物流网络设计问题。同时研究了物流费用的规模经济问题,给出了仓储费用和运输费用的非线性计算公式,并成功应用到多阶段物流网络设计中。     

一种基于机理模型的非线性预测控制改进算法

将基于微分-代数方程组的机理模型作为被控模型,利用联立法中的配置点法将预测控制中的滚动时域最优控制问题转化成求解非线性规划（NLP）问题.针对求解NLP问题过程中出现的由于方程维数过高而导致的求解速度过慢的现象,提出基于斐波那契数列的稀疏化策略,可以有效地减少计算量,加快求解速度.最后文中在强非线性对象连续搅拌反应釜上仿真,将该算法与标准NMPC算法和线性预测控制动态矩阵算法进行对比,体现出新算法的优越性.     

用最小自由能法计算液液分层体系的相平衡

从热力学第二定律出发，提出用体系的总自由能直接极小化的方法，计算液液分层 体系的相平衡，可以克服前人所使用的类似汽液平衡闪蒸计算方法所遇到的困难。木文采用修正ＵＮＩＱＵＡＣ模型来计算液相活度系数。在求解体系总自由能极小点的过程中， 通过适当的变换和处理，使用无约束共轭梯度法，成功地解决了多约束的非线性规划问 题。对有代表性的１１个液液分层体系做了相平衡计算，结果与实验数据吻合较好，为 化工过程的设计和优化提供了新的方法。     

基于U模型的非线性系统Super-Twisting滑模控制研究

为了对基于U模型的非线性控制系统进行研究,利用Super-Twisting控制算法,解决非仿射非线性系统的控制问题,对非线性函数进行神经网络逼近,运用Super-Twisting控制算法进行控制。选取恰当的Lyapunov函数,对Super-Twisting算法的收敛性进行了证明。为了验证该方法的可行性和有效性,利用Matlab软件进行仿真,结果表明在神经网络自适应Super-Twisting控制器的作用下,被控系统具有快速的跟踪性能和输出的有界性。