一种基于可行性条件的具有爬升限制的安全约束机组组合系统方法

提出了在Lagrangian松弛框架下的、基于可行解条件的求解具有爬升限制的安全约束机组组合问题的一种系统方法。对每个调度时段,将不可行机组组合的调整为可行的机组组合的问题建立为一个0-1整数线性规划问题。然后,使用分支定界方法求解之,试图在机会成本最小化下,将不可行机组组合调整为可行的机组组合。最后,求解经济分配问题。使用IEEE标准测试数据验证了算法的有效性。     

获得爬升约束机组组合问题可行解的新的系统方法

根据具有爬升约束机组组合可行的充分必要条件,在Lagrangian松弛方法的框架下,给出了一种获得具有爬升约束的机组组合问题可行解的重新寻经的新的系统方法.当利用充分必要条件判断对偶机组组合不可行时,则利用对偶解的信息重新选择非爬升约束机组的动态规划的路径,即调整它们的启停序列,使之满足充分必要条件,最后以此解决经济分配问题.该方法可使爬升约束机组重新参与经济分配,因而扩大了获得可行解的范围,改善了可行解的经济性.对2个分别具有5台和10台机组的电力系统的测试结果表明,所提方法是有效的,利用它可扩大获得可行解的范围,改善可行解的经济性.     

电力系统机组组合的可行性判据研究

机组优化组合问题是一个典型的混合组合优化问题,机组组合的可行性判据对于该问题的求解具有重要的意义.综合分析机组组合问题的各种约束,对机组出力上下限进行了调整,提出并证明了机组功率平衡、备用可行的判据,进而推出了机组组合的可行性判据.仿真结果表明该判据是判定机组组合是否可行的有效方法.     

机组最优负荷分配的动态规划网络方法

本文在文的基础上,将考虑机组出力上下限约束和功率平衡约束的机组最优负荷分配问题离散为一个等效网络,分析了该网络在约束条件下各顶点及各边的构成规律.从而把给定机组组合时的最优负荷分配的求解转化为最短路径的动态规划法对该等效网络的求解.     

一类线性约束非线性规划的初始神经网络

目的 建立求解一类线性约束非线性凸规划的简单可行的神经网络。方法 射影方法和Lyapunov直接方法。结果 基于问题自身的结构特点和射影方法，提出了求解一类线性约束非线性凸规划的两个神经网络模型。定义了Lyapunov函数，严格证明了它们是渐近稳定的。此外，在一定的条件下证明了其指数稳定性。新模型的规模均与原问题相同，不含任何参数，并且其稳定性不需要Lipschitz条件，模拟实验表明新模型不仅可行，而且有效。结论 建立了求解一类线性约束非线性凸规划的两个简单可行的初始神经网络，并在适当的条件下分别证明了其渐近稳定性和指数稳定性。     

无人机多任务区侦察时间分配模型与应用

为了合理分配无人机对多个任务区的侦察时间,提出了一种包含问题建模、求解和方案决策的无人机多任务区侦察时间分配方法。首先,建立了包含侦察收益和侦察风险两目标的无人机多任务区侦察时间分配模型,该模型属于带约束多目标优化问题;其次,提出了一种改进的基于分解的约束多目标进化算法,该算法具有简单、灵活、无参等特点,可有效求解;最后,利用优劣解距离法从非支配解集中选择最优方案。选择了6种约束多目标进化算法,在3个不同雷达强度指数条件下进行对比实验。Hypervolume指标说明约束多目标进化算法在求解该问题时优于其他算法。实验结果表明：提出的方法在求解无人机多任务区侦察时间分配优化问题中能够实现快速准确决策。     

基于改进PSO算法的电力系统机组优化组合

机组组合优化问题是一个大规模、多约束、非线性的混合整数规划问题，因此求解非常困难．粒子群优化（PSO）算法是一类随机全局优化技术，它通过粒子间的相互作用发现复杂搜索空间中的最优区域．采用二进制粒子群优化方法解决机组状态组合问题，用遗传算法结合启发式技术解决经济分配问题，并对最小开停机时间及启停费用进行了处理，使得运算速度大大加快．方法的可行性在10台机组系统中检验．模拟结果表明文章所提出的算法具有收敛速度快及解的质量高等优点．     

一类线性互补约束均衡问题的可行性条件

均衡约束优化是近年来运筹学领域中的一个热点问题,在许多领域中都有着广泛的应用。研究均衡约束优化问题的可行性条件,讨论其中带线性关联约束的一类MPEC的可行性问题,提出了两个假设,基于该假设条件,证明线性互补约束的MPEC问题是可行的。     

一种获得电力系统发电调度可行解的系统方法

用拉格朗日松弛法解电力系统发电调度问题时,针对对偶解的不可行问题,提供了一种重新寻径的系统方法,利用解一般火电机组子问题时产生的中间结果,重新选择动态规划的路径,以调整机组的启停序列,然后对发电功率进行经济分配,并得到了可行解。对１０个机组组成的系统进行测试,表明这种方法的效率高,可以得到高质量的可行解,而且简单易行,避免了原启发式方法需考虑的多种复杂情况３。     

多无人机编队协同目标分配的两阶段求解方法

多无人机编队协同目标分配是一类组合优化问题,常规的求解方法难以满足战场环境对求解速度的要求。文章提出了一种两阶段目标分配方法,将该问题分解成编队级分配和编队内分配2个阶段。首先通过K-Medoids聚类算法实现编队级目标分配,将目标簇分配到无人机编队,然后通过混合整数线性规划模型和蚁群算法实现编队内目标分配,将目标分配到无人机。通过两阶段求解,降低多无人机编队协同目标分配问题的求解难度。仿真结果表明,该方法可行且有效,能够提高求解效率,大幅度缩短求解时间。     

人工神经网络与动态搜索的机组组合算法

为了使机组达到最优组合,减少运行成本,研究了基于修正BP人工神经网络与动态搜索的快速算法在机组组合中的运用．采用修正Levenberg-Marquardt算法训练BP神经网络,并针对该算法占用内存大的缺点,提出了减少内存占用量的修正．由此,根据负荷预测曲线,应用修正BP人工神经网络产生机组的预开停计划,在此基础之上,针对预计划中某些机组状态不确定的阶段,应用动态规划法进行全局调整以确定机组的状态组合．实验数据表明,所提出的算法与传统的动态规划算法相比,可以在有效地减少时间与内存的占用量的前提下,有效地避免动态规划法中的维数灾的问题．     

面向电力市场机组最优组合算法探讨

通过分析影响电力市场机组组合的因素，以及传统电力系统运行方式下制定机组组合的方法，提出了以传统的优先次序法为基础、然后采用动态规划法加以优化的机组经济组合模式。此外，在介绍算法的基础上，编写的计算流程图可作为机组组合的实用计算模拟。     

一类Markov链中的若干中心极限定理

本文考虑两状态Ｍａｒｋｏｖ链中成功次数与连续成功次数的一些中心极限定理，并得到了这些定理成立的充要条件。     

遗传算法在机组启停中的应用及改进

提出了一种遗传算法应用于机组启停的新思路。针对一启停问题的特点,设计了一些启发式技术,使得遗传算法初始种群中的所有个体都是可行解。     

Existence and construction of a quantum channel with given inputs and outputs

We derive that sufficient and necessary conditions for existence of a quantum channel φ and a generalized unitary operation ε sending Ai to Bi(1≤ i≤ k) for two given families {Ai}i=1k,{Bi}i=1k of matrices,respectively.As an application,a sufficient and necessary condition for existence of a unitary duality quantum computer with given input-output states is obtained.     

C^n空间中超球上的解析函数与多重调和函数的Dirichlet问题

本文构造了C^n空间中超球上的调和函数和两种展式，得到了超球上的边界值为连续函数的解析函数与多重调和（Pluriharmonic)函数的Dirichlet问题可解的充要条件，及解的积分表达式。     

PSO算法在电力系统中的应用现状和前景探析

粒子群优化（PSO）算法是一种新兴的群体智能优化技术,在简要介绍PSO算法工作原理的基础上,描述了粒子群优化方法在电网规划、检修计划、短期发电计划、机组组合、负荷频率控制、最优潮流、无功优化、谐波分析与电容器配置、参数辨识、状态估计、优化设计等方面的应用,并对今后可能的应用指出了研究方向．     

B_n上Carleson测度的特征

建立了复单位球Ｂｎ上Ｃａｒｌｅｓｏｎ测度的定义，给出了有限正测度为Ｃａｒｌｅｓｏｎ测度的充要条件。