改进遗传算法在电力系统无功优化中的应用

针对常规遗传算法（GA）的不足,提出了一种改进搜索策略的遗传算法,采取了以下改进措施：在遗传迭代中,根据种群进化过程的个体的适应值大小,对群体进行分级,对级别高的个体进行小范围的搜索,对级别低的个体在大范围内进行搜索,保证群体的多样性的同时,又留住了优良个体。将改进的遗传算法应用于电力系统无功优化,并与常规遗传算法进行了比较,结果表明改进算法在计算速度、收敛性和全局最优搜索能力都有提高。     

库群长期优化调度的多核并行禁忌遗传算法

针对库群长期优化调度求解效率低下、实用性差等问题,提出了多核并行禁忌遗传算法。该算法利用遗传算法适应性强、运算简单等优势,采用多种群计算方式保持种群多样性,以提高算法的全局收敛能力;在子种群进化过程中应用单向环迁移拓扑模型进行信息交换,以增强算法收敛能力;结合子种群间求解独立的特点,引入多核并行计算策略,并使用禁忌搜索思想避免重复计算适应值,提高了算法的求解效率。红水河流域10座水电站的计算结果表明,该算法可以显著缩短计算时间,获得良好的调度方案,是求解库群长期优化调度的一种有效方法。     

改进的遗传算法在水库调度中的应用

为了改善遗传算法在水库优化调度中的应用效果,采用自适应遗传算法和广度变异模块相结合的分层收敛算法:第一层采用广度变异和外部存档的方式改善种群的多样性;第二层嵌套广度变异模块,并采用自适应遗传算法进行全局搜索。通过比较自适应遗传算法和分层进化算法,结果显示:基于遗传算法的分层算法具有高效的全局搜索能力,避免了自适应遗传算法陷入局部最优的缺陷,在一定收敛条件下得到了更接近全局最优的目标值。     

梯级水电站群并行多目标优化调度方法

为保障梯级水电站群多目标优化调度问题的计算效率和求解精度,提出了基于Fork/Join多核并行框架的并行多目标遗传算法。该方法以多目标遗传算法为基础,引入多种群异步进化策略保证种群间个体多样性;采用迁移机制保障子种群的信息有机互馈,提升算法收敛性和解集多样性;利用并行技术实现子种群在各内核的同步求解,提高计算效率。针对问题特点,耦合个体实数串联编码方法、混沌初始化种群策略和约束Pareto占优机制等,进一步提升方法寻优性能。澜沧江流域梯级水电站群多目标优化调度结果表明,所提方法可充分利用多核资源,提升模型计算效率与求解精度,并能获得分布均匀、合理可行的调度方案集,为水电系统多目标高效决策提供科学依据。     

自适应遗传算法在水库优化调度中的应用

本文提出了一种基于自适应遗传算法的水库优化调度问题的求解方法，并通过实例对自适应遗传算法和标准遗传算法的性能做了比较。结果表明，由于自适应遗传算法能够在进化过程中根据个体优劣和群体分散程度对遗传控制参数进行自动调整，可以较好地解决标准遗传算法在应用中遇到的收敛性差和容易早熟等问题。在进化相同代数条件下，自适应遗传算法能够在保持群体多样性的同时，加快收敛速度，其稳定性也优于标准遗传算法。遗     

基于浮点数编码的遗传算法在给水管网平差计算中的应用

遗传算法是一种新型的进化算法 ,它模拟生物界进化过程 ,从全局空间出发搜索问题的最优解。介绍了基于浮点数编码遗传算法的基本原理和方法 ,并应用遗传算法进行管网平差计算 ,结果表明 ,遗传算法适用于管网平差这一工程领域     

基于初始种群变异遗传算法的水电站优化调度

为解决自适应遗传算法应用于水电站优化调度时易陷入局部最优解的问题,在自适应遗传算法中加入了初始群体变异策略,首先对初始种群进行深度变异并保存优秀个体,然后再对保存的优秀个体采用自适应遗传算法进行全局搜索。水电站优化调度实例表明:采用初始种群变异策略的遗传算法具有更高的全局搜索能力,得出的结果比自适应遗传算法更佳,克服了自适应遗传算法易过早陷入局部最优的缺陷。     

蜂群遗传算法及在水库群优化调度中的应用

介绍了一种基于蜂群繁殖原理的改进遗传算法--蜂群遗传算法(BSGA),采用改进的遗传算子解决了传统遗传算法中"选择压力"和"种群多样性"之间的矛盾.将该算法应用于梯级水库优化调度的研究中,通过对清江梯级水库群优化调度的实例计算,得到了合理的全局最优解,验证了BSGA的可靠性和实用性.     

基于遗传算法的结构损伤诊断

对遗传算法在结构损伤诊断中的应用进行了分析.遗传算法是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局优化概率搜索算法,以振型和频率为损伤标识量,运用该方法,能有效地提取结构的损伤特征,从而对结构的损伤状况进行诊断.分析算例表明了该方法的有效性和实用性.通过改进了的遗传算法探讨其在结构发生单一损伤、多处同时损伤以及不同噪声情况下的诊断性能.     

基于多目标遗传算法的水资源优化配置

文章基于进化计算思想提出了水资源优化配置的多目标遗传算法,建立了基于并列选择多目标遗传算法的水资源优化配置模型.并结合实例分析,求出水资源优化配置问题的Pareto最优解.优化结果表明,该算法应用在水资源优化配置中是合理、有效的.     

水文模型参数优选遗传算法的应用

本文对遗传算法进行了详细地分析,建立了实编码单纯形混合加速遗传算法,并将其与二进制加速遗传算法、实编码加速遗传算法、单纯形法、模式搜索法进行了比较。数值模拟和新安江模型的实例应用表明,二进制加速遗传算法、实编码加速遗传算法、混合加速遗传算法的全局优化性能比单纯形法和模式搜索法好,而其中混合加速遗传算法不仅有较好的全局优化性能和稳定性,而且在调用目标函数的次数相同的情况下,精度较高。     

Genetic Algorithm for Optimal Operating Policy of a Multipurpose Reservoir

This paper presents a Genetic Algorithm (GA) model for finding the optimal operating policy of a multi-purpose reservoir, located on the river Pagladia, a major tributary of the river Brahmaputra. A synthetic monthly streamflow series of 100 years is used for deriving the operating policy. The policies derived by the GA model are compared with that of the stochastic dynamic programming (SDP) model on the basis of their performance in reservoir simulation for 20 years of historic monthly streamflow. The simulated result shows that GA-derived policies are promising and competitive and can be effectively used for reservoir operation.     

水电站水库汛期洪水退水段优化调度研究

有防洪任务的水电站水库,洪水退水段的调度对发电非常重要,退水段调度好坏直接影响水库全年兴利效益。以北方某水电站水库为例,在预测退水段径流过程的条件下,建立了退水段发电量最大模型,并利用遗传算法对该模型进行求解。遗传算法与常规调度结果的对比结果表明,前者能获得更优的调度结果。该方法对指导水电站水库汛期洪水退水段的调度,有较强的实用价值。     

Optimal Reservoir Operation Using Multi-Objective Evolutionary Algorithm

This paper presents a Multi-objective Evolutionary Algorithm (MOEA) to derive a set of optimal operation policies for a multipurpose reservoir system. One of the main goals in multi-objective optimization is to find a set of well distributed optimal solutions along the Pareto front. Classical optimization methods often fail in attaining a good Pareto front. To overcome the drawbacks faced by the classical methods for Multi-objective Optimization Problems (MOOP), this study employs a population based search evolutionary algorithm namely Multi-objective Genetic Algorithm (MOGA) to generate a Pareto optimal set. The MOGA approach is applied to a realistic reservoir system, namely Bhadra Reservoir system, in India. The reservoir serves multiple purposes irrigation, hydropower generation and downstream water quality requirements. The results obtained using the proposed evolutionary algorithm is able to offer many alternative policies for the reservoir operator, giving flexibility to choose the best out of them. This study demonstrates the usefulness of MOGA for a real life multi-objective optimization problem.     

PA-DDS算法在水库多目标优化调度中的应用

Pareto存档动态维度搜索（Pareto-Archived Dynamically Dimensioned Search,PA-DDS）算法是一种求解多目标问题的随机搜索启发式算法。本文将PA-DDS算法引入考虑供水和发电的多目标优化模型优化水库调度图,与非支配排序遗传算法（NSGA-II）和多目标粒子群算法（MOPSO）对比了收敛性,并在求得非劣解分布的均匀性和与理论Pareto前端的相似性方面与NSGA-II进行比较,分析该算法求解水库多目标调度问题的优化性能,对比分析不同目标下的优化调度图。结果表明：PA-DDS算法能够得到更高质量的非劣解集,优化调度图与原设计调度图相比,能更有效协调供水和发电的矛盾,在小幅降低（0.96%）发电量的前提下显著提高（8.07%）水库供水量,平均每年增加经济效益0.55亿元。     

基于逐次逼近遗传算法的梯级水库优化调度

利用传统遗传算法求解水库优化调度问题时,经过遗传操作产生的新个体可能是不可行解,因此需要对其进行修正.但在梯级水库调度中,由于各时段间、水库间存在的水力电力联系,使这种修正变得复杂困难.鉴于此,提出了逐次逼近遗传算法(GASA),它可在包含不可行解的空间中寻优,并通过搜索空间的不断改变,逐渐逼近最优解.最后通过一个算例,并与离散微分动态规划法(DDDP)和逐步优化法(POA)的优化结果进行比较,说明了该方法的可行性与有效性.     

Comparison of Policies Derived from Stochastic Dynamic Programming and Genetic Algorithm Models

A comprehensive Genetic Algorithm (GA) model has been developed and applied to derive optimal operational strategies of a multi-purpose reservoir, namely Perunchani Reservoir, in Kodaiyar Basin in Tamil Nadu, India. Most of the water resources problem involves uncertainty, in order to see that the GA model takes care of uncertainty in the input variable, the result of the GA model is compared with the performance of a detailed Stochastic Dynamic Programming (SDP) model. The SDP models are well established and proved that it takes care of uncertainty in-terms of either implicit or explicit approach. In the present study, the objective function of the models is set to minimize the annual sum of squared deviation from desired target release and desired storage volume. In the SDP model the optimal policies are derived by varying the state variables from 3 to 9 representative class intervals, and then the cases are evaluated for their performance using a simulation model for longer length of inflow data, generated using a Thomas–Fiering model. From the performance of the SDP model policies, it is found that the system encountered irrigation deficit, whereas GA model satisfied the demand to a greater extent. The sensitivity analysis of the GA model in selecting optimal population, optimal crossover probability and the optimal number of generations showed the values of 150, 0.76 and 175 respectively. On comparing the performance of SDP model policy with GA model, it is found that GA model has resulted in a lesser irrigation deficit. Thus based on the present case study, it may be concluded that the GA model performs better than the SDP model.     

高要水文站设计年径流计算研究

以高要水文站历史年径流序列为基础来进行设计年径流计算。在充分论证年径流序列保持一致性的基础上,以皮尔逊Ⅲ型曲线为分布线型,以离差绝对值和最小为适线准则,分别采用了矩法、概率权重矩法、线性矩法、遗传算法、模拟退火算法、蚁群算法、粒子群算法、结合矩法的最大熵原理、结合线性矩法的最大熵原理等参数估计方法,对分布函数的均值、变差系数、偏态系数等参数进行了估计。结果表明,全部9种参数估计方法均表现较好,尤其以概率权重矩法、线性矩法、结合矩法的最大熵原理等表现最佳,经过对比,最终选取结合矩法的最大熵原理为参数估计方法。计算得出,高要水文断面在20%、10%、5%、2%、1%频率下的设计年径流量分别为8 004.69 m~3/s、8 668.16 m~3/s、9 238.63 m~3/s、9 905.44 m~3/s和10 364.72 m~3/s。研究成果可为流域未来水利工程规划设计和水资源管理等工作提供科学指导。     

改进遗传算法的研究现状分析

遗传算法是全局优化自适应概率搜索算法,它有智能寻优、鲁棒性等优点,但也存在早收敛、结果不精确等不足。因此许多学者提出了一些改进措施来弥补遗传算法的缺点。本文对近些年来出现的改进遗传算法进行了简要介绍,并对其优缺点进行了评述。