改进GEP方法在边坡非圆临界滑动面搜索中的应用

基因表达式编程(Genetic Expression Programming,简称GEP)是模拟生物遗传进化过程的一种新型优化方法,其结合遗传算法(GA)和遗传编程(GP)各自的优点,使编码更为方便、简单。为了进一步改善GEP方法的局部搜索能力和克服"早熟"现象,将局部搜索能力很强的单纯形法和回溯机制引入GEP中,提出了混合GEP方法。以安全系数为目标函数,将混合GEP法和不平衡推力法结合,提出确定非圆弧临界滑动面的新方法。2个经典算例的计算结果表明:该新方法可以准确地搜索到边坡非圆临界滑动面及相应的安全系数,且混合GEP方法的局部搜索精度和全局搜索能力均优于标准GEP方法,同时收敛速度得到明显提高。     

基于电力系统日发电计划的混合智能messy遗传算法

机组组合是电力系统日发电计划中主要的优化任务，在满足各种约束条件下求得全局最优解是一个比较困难的问题。传统遗传算法的二进制编码和随机遗传操作不适合于求解大规模机组组合问题。针对电力系统日发电计划的特点，提出了一种混合智能messy遗传算法(HIMGA)，该算法实现简单，大大减小了求解问题的规模，保证了群体的多样性，提高了算法的搜索效率，改善了算法的收敛性。仿真计算结果表明了该算法的有效性和实用性。     

基于遗传算法的投影寻踪模型在玉米沟灌模式优化中的应用

将实数编码的遗传算法与投影寻踪分类模型相结合,应用于玉米沟灌模式的优化中,建立了基于实码遗传算法的投影寻踪分类评价模型.利用加速遗传算法同时优化5个评价指标参数,对黑龙江西部风沙土区玉米沟灌模式进行综合评价,得出最优的灌溉处理方式.分析结果表明,最优的沟灌模式为中水水平下的交替隔沟灌溉,这与基于熵权的灰色关联法得出的结果一致,表明该评价模型是有效可行的,可以在其它评价中推广应用.     

基于遗传算法的平原水库坝高优化

提出了平原水库坝高的适应度函数,采用二进制编码,确定了遗传种群的大小,并利用遗传算法计算了第二幸福水库的优化坝高。结果表明:遗传算法在平原水库优化过程中表现出了良好的收敛性和全局寻优能力;在满足当地经济条件下,第二幸福水库的优化坝高为11~14 m。     

沙河渡槽槽身结构优化设计

以遗传算法为全局搜索方法,以混合离散变量的直接搜索与查点法为局部搜索方法,对遗传算法改进而形成了混合遗传算法。研制开发了基于混合遗传算法的渡槽结构优化设计程序。对于沙河渡槽进行了优化设计,得到了U形断面4槽、2槽和矩形断面4槽、2槽共4种槽型方案。从中确定U形断面4槽方案为最优方案,并被设计单位采用。优化结果表明：U形渡槽的经济性和安全性优越于矩形渡槽;遗传算法是一个很有推广应用价值的优化设计方法。     

基于改进遗传算法的配电网络重构优化模型研究

针对二进制编码在配电网络重构中产生大量不可行解,难以获得全局最优解的问题,重点研究了基于简化策略整数的遗传算法编码规则,通过引入退火罚因子设计动态罚函数处理约束条件,建立了基于改进遗传算法的配电网络重构优化算法.结果表明,该算法可以快速有效地得到配电网络重构的全局优化方案,降低网损,提高运算效率,该算法对其他领域最小生成树问题的求解也有一定借鉴意义.     

混合智能算法及其在供水水库群优化调度中的应用

将遗传算法中的进化思想和蚁群算法中的群体智能技术有效地耦合,提出了一种基于两者的混合智能算法,应用于供水水库群系统的优化调度研究中。算法利用蚁群算法的并行性、正反馈性以及良好的全局寻优能力,避免搜索陷入局部最优,同时借鉴遗传算法的进化思想,利用杂交、变异算子来进行局部寻优,使其能快速搜索到全局最优点。在种群随机搜索过程中嵌入确定性的模式搜索,使得算法同时具有随机性和确定性。结合模拟退火思想,构造了罚因子处理约束条件,使该算法对水库优化调度问题以及其他优化问题具有一定的通用性。通过实例验证,并与大系统聚合分解经典算法进行比较,结果表明该算法是可行的和有效的。     

改进加速遗传算法在梯级水电站优化调度中的应用

在加速遗传算法中嵌入局部搜索法，以加强算法的全局寻优能力。将改进的加速遗传算法应用到梯级水电站中长期优化调度中，可避免动态规划在解决复杂优化问题时易产生“维数灾”的缺点。建立了以梯级发电量和发电保证率最大为目标函数的梯级水电站中长期优化调度模型，并结合模拟退火思想，构造了罚因子将两目标转化为单目标求解，阐述了用改进加速遗传算法解决问题的方法和步骤。实例表明，与其他几种调度算法比，该方法能够求得较准确合理的解，有一定的实用性。     

结合广度搜索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搜索算子结合的算法,同时为保证水库优化调度搜索全局最优提供了一定保障。针对遗传算法容易陷入局部最优的缺点,引入正弦函数取随机数的广度搜索与遗传算法相结合的算法。通过分析比较单独使用自适应遗传算法或者广度搜索算法以及结合算法在实际水库优化调度中效果,结果显示,优化结果要比自适应遗传算法以及广度算法的结果更理想。充分证明了结合算法的高效全局搜索能力,避免了自适应遗传算法陷入局部最优,同时在一定程度上克服了广度搜索很难收敛的缺点,在一定收敛条件下得到了更接近全局最优的结果。     

基于灾变遗传算法的无功规划优化

摘要： 提出了应用于电力系统无功规划优化的灾变遗传算法。算法中引入“灾变”的概念来保证解空间的多样性；采用了分组整数编码技术和锦标赛选择机制；提出采用与十进制整数编码策略相结合的邻近变异操作算子，以避免二进制编码中的海明悬崖。将此算法应用在佛山226个节点的电力系统中。结果表明它能克服一般遗传算法（GA）的早熟收敛倾向和改善GA的局部搜索能力，比常规GA的寻优效率高得多。     

投影寻踪分类模型在小流域治理效益评价中的应用

鉴于小流域治理效益评价中各指标的不确定性和模糊性,为了解决各单项小流域治理效益指标评价结果的不相容问题,提高小流域治理效益评价模型的分辨率,提出了一种有效的和通用的模型——投影寻踪分类模型。采用基于实码加速遗传算法寻找最优的投影方向,同时用最佳投影方向信息研究了各评价指标对小流域治理效益的影响水平,取得了符合客观实际的分类结果,为小流域治理治理提供了决策依据。     

乌梁素海水质富营养化评价及其年季动态变化特征

运用均匀随机数以富营养化等级评价标准产生建模样本和验证样本，利用实码加速遗传算法(RAGA)优化Sheperd水质评价模型中的参数，建立了Sheperd-RAGA富营养化等级评价模型，据此计算了乌梁素海1996-2003年夏初、仲夏、秋末3个时点的富营养化等级，在此基础上分析了乌梁素海富营养化等级的年季动态变化特征以及与富营养化主控因子之间的影响关系。     

基于自由搜索的灌区优化配水模型研究

在求解优化配水问题时,遗传算法和粒子群算法是经常被采用的优化算法,然而在优化过程中可能出现早熟,从而会影响到配水模型的有效性。为此,本文引入一种新的基于动物群体的优化算法——自由搜索(FreeSearch)算法,并以实现单位灌溉水量的净收益最大为目标构建了灌区优化配水模型,设自由搜索中动物探查行走时的位置分量为模型寻优参数,应用自由搜索算法对模型进行优化求解。实例应用结果表明:与加速遗传算法和标准粒子群算法求解优化配水模型的结果相比,本文建立优化配水模型能为灌区提供更合理的优化配水方案,可使整个灌区及单位灌溉水量的净收益都获得显著增长。     

加速遗传算法在地下洞室施工监测及预测中的应用

以地下洞室施工，岩体深部位移监测及预测为例，探讨对非线性多参数位移增长模型进行参数估计的方法，并应用加速遗传算法获得了较理想的预测函数。该方法精度高．通用性强，可应用于类似施工监测资料的分析。     

改进遗传算法在高非线性水质模型参数估值中的应用研究

在标准遗传算法的基础上,提出了一种采用精英保留策略、小生境技术、适应函数调整,同时又能自适应地改变交叉和变异概率的改进遗传算法,使得算法在高维复杂水质模型多参数估值搜索时,不丢失最优解空间和后期有效分辨最优适应度。以测试函数Rastrigin为验证,得到了已知的最优结果;最后,以下水道高非线性水质模型的参数优化估值问题为实例进行验证,将优化后的水质参数代入模型中,模拟所得结果与给定的实测值吻合良好,实现了高维复杂水质模型多参数的同时估值优化功能。该算法对其他高非线性水质模型参数优化问题同样具有较好的适用性。     

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     

蜜蜂进化型遗传算法在水库优化调度中的应用

提出了一种基于蜜蜂进化型遗传算法的水库优化调度问题的求解方法,并通过实例对蜜蜂进化型遗传算法和标准遗传算法的性能做了比较.结果表明,在进化代数相同的条件下,由于蜜蜂进化型遗传算法在配种选择算子上使用种群的最优个体作为蜂王,提高了种群收敛速度;再者,在代进化过程中引入一个随机种群,保持了群体的多样性,提高了算法的勘测能力.     

遗传算法在厂群规划中的应用

提出适用于区域范围内的污水处理厂厂群规划问题,遗传算法应用到该问题中进行有益尝试。在传统厂群规划模型基础上,提出改进的污水处理厂厂群规划模型,并构造了适合该模型的遗传算法。在GAOT(Genetic Algorithm Toolbox)的支持下,用Matlab程序编写了解决此问题的遗传算法,对模拟的实例进行了计算,结果证明,遗传算法应用于此类问题中是可行的。     

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。     

基于EEMD-GA-BP模型的大坝变形监测数据预测

针对大坝自动监测数据序列存在的不稳定性和测值漂移问题,提出了基于集合经验模态分解(EEMD)和遗传(GA)BP神经网络的大坝变形监测数据预测方法。采用EEMD技术提取反映大坝真实变形的低频信号,剔除自动监测系统数据中存在的噪声和野值,利用遗传算法优化的BP神经网络对真实信号进行学习与外推,据此构建EEMD-GA-BP模型。利用本文模型计算得到大坝变形的预测值,将其与实测变形值进行对比,并根据残差大小比较了本文方法与其它方法的预测效果。算例表明,本文提出的组合模型能有效地提高大坝变形预测精度。