基于就近取值策略的离散多目标优化

针对现有的离散变量处理方法在求解多目标优化问题中存在精度和可靠性不足的情况,结合离散变量优化问题和遗传算法两者的特点,提出一种能够处理离散变量的就近取值策略.此策略代替了传统对离散优化问题中离散变量的处理方法:将离散优化问题转化为连续优化问题,利用决策变量为连续的优化方法去解决该离散优化问题所对应的连续优化问题的最优解集,最后再按照特定的方法将该连续优化问题的最优解集离散化得到对应离散优化问题的最优解集.将此策略应用在传统多目标遗传算法NSGA-Ⅱ(Non-dominate Sort Genetic AlgorithmⅡ)的遗传算子中得到了离散交叉算子和离散变异算子,使得算法能够真正在离散空间中搜索寻优,并得到了一种基于就近取值策略的离散多目标优化算法(Dispersed Non-dominate Sort Genetic AlgorithmⅡ,DIS-NSGA-Ⅱ).在理论上本方法相比传统方法,对解决离散优化问题更合理,优化结果更精确,有较大优势.最后,通过实验对比现有两种最典型的离散变量处理方法验证了DIS-NSGA-Ⅱ对解决离散变量优化问题的有效性.     

基于遗传算法的电力系统无功优化

将遗传算法应用于电力系统无功优化,建立了基于遗传算法的电力系统无功优化模型,成功地解决了无功优化中变量的离散问题,避免了常规数学优化方法的局部最优问题,给出的多种优化方案,为电力系统无功优化提供了一种新算法．该算法已用于ＩＥＥＥ５７节点系统,取得了较好的效果．     

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     

基于遗传算法实现电网的无功优化

在无功优化问题中引入了遗传算法（GA），着重解决了无功优化中离散变量的处理、目标函数及相关参数值的选取等问题。该算法可有效地减少系统的网损，在电网中实现无功优化。     

基于混合离散变量复合形法的弧齿锥齿轮优化设计

以齿数Z1,模数m,齿厚系数ψR作为设计变量,建立弧齿锥齿轮的物理模型,以体积最小、传递功率最大为目标,以齿轮的强度要求等作为约束条件的优化设计模型。由于齿数和模数是非均匀的离散设计变量,齿厚系数是连续变量,因此,借鉴了连续变量和非均匀离散变量的处理方法———一种混合离散复合形法,并引用离散变量搜索优化方法。在混合离散复合形法基础上,探讨了解决有约束非线性混合离散变量的优化设计问题。经实例计算结果表明,混合离散复合形法可用于具有实际应用价值的弧齿锥齿轮优化问题。     

改进的遗传算法在型钢桁架结构拟满应力优化设计中的应用研究

将遗传算法应用于型钢桁架的拟满应力优化设计中,为改进传统遗传算法优化计算过程中结构重分析次数太多、搜索效率不高的缺点,运用并列选择技术对传统的遗传算法进行了改进.把型钢桁架的满应力优化设计看作是一个多目标优化问题,同时把离散变量的满应力优化设计与改进的遗传算法相结合,充分考虑受压杆件的稳定性,建立以各杆应力比最大为优化目标的适应值函数,根据工程实际充分考虑规范规定的约束条件和各项技术标准要求,建立了型钢桁架结构的优化模型,大大提高了优化运算效率.算例结果表明,改进的遗传算法收敛快、精度高,应用于离散变量结构优化设计是有效的.     

基于硬约束调节的改进粒子群无功优化

在解决电力系统无功优化问题时,粒子群优化存在着处理离散变量困难、易陷入局部最优和不能完全满足不等式约束等情况.为此,在对连续变量进行离散对应的基础上,采用混沌策略增加其寻优性能,并针对边界约束问题提出了将越限的节点电压和功率因数进行"九宫"调节的特色改进方案.以保证粒子的飞行能被控制在可行解空间中,从而形成了新的改进粒子群优化算法.通过IEEE标准节点系统和某地区实际电网的计算分析,表明该算法在寻优速度、寻优质量等方面均具有很好的效果.     

动态无功优化的混合智能算法

针对存在离散控制设备动作次数约束的动态无功优化问题,提出免疫遗传算法和非线性内点法的混合算法.首先忽略控制设备的离散性和动作次数约束,采用非线性内点法求解初始优化解;然后按照控制变量的性质将原问题分解为连续优化与离散优化2个子问题迭代求解.在离散优化问题中,保持连续变量不变,采用免疫遗传算法优化离散变量,通过特别的编码方式使抗体自动满足动作次数约束;在连续优化问题中,保持离散变量不变,采用非线性内点法优化连续变量.混合算法充分结合了免疫遗传算法和非线性内点法的优点,能较快求解动态无功优化的近似最优解.IEEE14节点系统的仿真结果验证了混合算法的有效性.     

基于混合遗传算法的建筑结构优化设计

提出一种离散变量结构优化设计的单向搜索算法并与标准遗传算法结合成混合遗传算法,即发挥了单向搜索算法省时、高效、局部搜索能力强的特点,又发挥了遗传算法全局性好的特点·算例结果表明,该方法能直接计算具有应力约束和截面尺寸约束的离散变量结构优化设计问题,也能处理同时具有稳定约束和位移约束的多工况、多约束、多变量的离散变量结构优化设计问题·这种混合遗传算法优于标准遗传算法和单向搜索算法,是兼二者之长,弃二者之短的高效的理想优化设计方法·     

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.     

配电网多目标无功优化方法研究与应用

无功优化是电力系统安全经济运行的核心问题之一,电力系统无功优化规划是一个较复杂、多目标、非线性的混合规划.它的目标是在满足约束条件的前提下,使系统的某个指标或多个指标达到最优.文章在分析配电网无功优化所面临困难的基础上提出了一种优化方法,并结合一配电网实例利用PowerStation软件的优化潮流程序加以实现.计算结果表明,这种多目标无功优化方法及应用软件有利于提高配电网的无功优化水平.     

计及电压稳定的电力系统无功规划优化

提出了一种考虑电压稳定的多目标无功规划优化的模型，并用模糊方法和遗传算法对其进行了求解。在无功优化的多目标中，包括了电压稳定性的静态指标一系统的静态稳定裕度λmin，约束条件中考虑了发电机的无功备用约束。无功优化前，首先用特征结构分析法确定当前运行方式下的系统薄弱节点作为候选补偿点，然后用无功优化模型决定候选补偿点应加装的无功补偿容量。     

基于遗传算法比例积分微分控制器的铅冷快堆堆芯功率控制

比例积分微分(proportion integration differentiation,PID)控制器对堆芯功率控制过程存在适用性低的问题,而采用遗传算法(genetic algorithm,GA)整定PID控制器参数可以很好地解决此问题.为了实现铅冷快堆堆芯功率的有效控制,基于遗传算法PID控制器,结合堆芯状态空...     

基于学习策略的遗传算法在最优潮流中的应用

最优潮流问题是电力系统中一个重要的问题,从数学角度上讲,它是一个非线性规划问题。提出了一种基于学习策略的遗传算法用于解决最优潮流问题。学习策略使得种群中的普通个体可以向优良个体学习其优秀的基因结构,从而提高了个体的适应度,加快了算法的寻优速度,增强了算法的搜索能力。该算法中还采用排挤策略来避免个体的过度拥挤,增强了算法的全局搜索能力。通过算例验证了算法的可行性和有效性。     

水火电混合系统经济调度的双链态遗传算法

遗传算法（GA）为求解电力系统经济调度问题提供了一条新的途径．研究了基于双链态基因模型的遗传算法（DGA），给出了显性基因和隐性基因选优准则．应用DGA建立了电力系统经济调度的遗传算法模型，该模型易于考虑系统负荷平衡、用水限制和梯级水电厂之间的水流流达时间等约束条件．在pentium计算机上对由两个火电厂和含有四个梯级水电厂组成的系统进行了仿真计算，取得了满意的效果．     

Joint User Selection and Rate Adaptation Scheme in a Coordinated Multipoint Transmission System for Power Minimization

In a coordinated multipoint transmission system with centralized architecture for saving power consumption, total power metric is minimized while completely using the backhaul capacity and maintaining the minimum target data rate. The problem is formulated as a mixed integer optimization problem, which is difficult to solve. To overcome this problem, a joint user selection and rate adaptation scheme is developed based on the water-filling rate adaptation with the given user set and the power saving criterion with the allocated rates.Numerical results demonstrate that compared with the norm-based and semi-orthogonal user selection algorithms,the proposed algorithm can significantly reduce the total power consumption. The proposed algorithm can also achieve near-optimal performance compared with the performance achieved by the exhaustive search-based method. In addition, the computational complexity of the proposed algorithm is reduced by heuristic iteration and search scope shrinking.     

混合遗传-模拟退火算法在电网规划中的应用

遗传算法是一种根据自然界优胜劣汰的进化机理进行搜索和寻优的方法．在求解电网规划问题时,基于遗传算法在电网规划计算中可能陷入局部收敛而无法达到全局最优,本文引入模拟退火技术,并提出了混合遗传－模拟退火算法．计算结果表明,经改进后的新算法能使计算跳出局部收敛而达到全局最优的目的     

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.     

免疫算法及其在电力系统无功优化中的应用

提出应用一种新的智能优化算法——免疫算法(IA)来求解无功优化问题.该算法模拟了免疫系统的基本原理,具有抗原模式识别及记忆功能,抗体多样性,抗体自适应调节等优点.在分析无功优化的数学模型和免疫算法的特点的基础上,详细研究了用免疫算法求解无功优化问题的实现方法.对IEEE30节点系统进行了仿真计算,并将优化结果与遗传算法(GA)作了比较,结果表明免疫算法(IA)能有效的应用于电力系统无功优化,并有着更好的全局寻优能力及更快的收敛速度.     

非正交多址认知无线电网络功率分配算法

非正交多址和认知无线电技术能有效提高频谱效率,是新一代移动通信系统的关键技术。针对功率域非正交多址认知无线电网络的能效优化问题,建立了满足次用户最小系统吞吐量和主用户最大干扰的次用户功率分配模型,将子信道吞吐量公式进行分解,得到子信道功率分配系数和子信道功率消耗率2个子问题。针对第1个问题,采取凸差(difference of convex,DC)规划算法将目标函数等效为2个凸函数差形式,并应用一阶泰勒展开式进行连续近似,将非凸问题转换为凸优化问题,从而得到子信道复用次用户最优功率分配系数;针对第2个问题,采用Dinkelbach算法和次梯度算法,利用拉格朗日函数,得到最优子信道功率消耗率。仿真结果表明,所提功率分配算法收敛速度快,时间复杂度低,其平均系统能效性能远优于分数功率分配算法。