基于改进蚁群算法的渡槽结构优化设计

渡槽结构优化设计属于混合离散变量优化问题,针对利用一般连续变量方法进行离散变量优化设计的不足,对基本蚁群优化算法进行了改进:引入蚁群更新、沿途搜索等策略,在搜索过程中对设计变量进行工程化处理,蚂蚁按处理后的变量进行离散搜索。开发了基于改进的蚁群优化算法的混合离散变量渡槽优化设计的程序。实例研究表明,该算法对优化设计问题的特性无特殊要求,而且程序运行可靠,全局收敛能力强。     

水库优化调度混沌蚁群算法数学模型实例研究

本文在分析研究混沌优化和蚁群算法的基础上,将两种算法的思想组合优化,研究建立了混沌蚁群算法水库优化调度数学模型,并结合混沌优化和蚁群算法求解了该模型,完成了水库的优化调度计算。     

进化优化算法在电力系统机组优化组合中的应用研究

采用进化优化算法--蚁群优化算法来求解机组最优启停问题.引入了状态、决策、路径等概念,把机组最优启停问题设计成蚁群算法模式,从而可以方便地利用蚁群优化算法来求解.通过附加惩罚项来处理各种约束,用tabu表限制不满足约束的状态,使得蚂蚁的搜索总在可行城内进行,对算法的搜索进程起到了有效的引导作用.对上述算法与传统的求解过程进行仿真比较,证明本优化算法可行、有效.     

基于混沌优化算法的混联水电站群长期优化调度

在建立混联水电站群长期优化调度模型的基础上,应用混沌优化算法对模型进行求解。以水电站群总电能最大为目标函数,根据混沌运动的随机性,由Logistic模型产生的混沌变量来进行优化搜索。此方法可避免陷入局部最优点,并取得全局最优。实例计算结果表明,混沌优化算法与逐步优化算法相比,优化结果良好。表明本文算法可以用于求解具有复杂约束条件的非线性混联水电站群水库优化调度问题。     

配电网络优化规划的基因算法

提出了一种适用于配电网辐射型结构特点的网络优化基因算法。此算法利用配电网辐射状的特点，选择与网络结构相关的特殊变量作为优化变量，使生成的网络自然呈辐射状，且算法中优化变量的个数与负荷节点的个数相同，提高了搜索寻优的效率。另外，算法中还包括利用边际费用法对各导线截面的优化选择。以网络年计算费用最小为优化目标建立配电网规划的数学模型，利用文中提出的特殊变量作为优化变量的基因算法求得优化解。具体算例的计算验证了该算法的有效性。     

基于混沌算法的水库防洪优化调度

由于水库防洪优化调度的常用优化方法存在不足,将混沌优化算法运用到水库防洪优化调度中,依据水库防洪最大削峰准则,建立了以最大削峰为目标的数学模型.根据混沌的迭代不重复性和遍历性,按照其"自身规律"不重复地遍历所有状态,利用混沌变量进行优化搜索,避免了陷入局部最优点,取得全局最优.将混沌优化算法运用到水库调度中,并与其他优化方法比较,结果表明混沌优化算法原理简单、计算方便、结果精度高.     

混沌粒子群优化算法在马斯京根模型参数优化中的应用

针对目前马斯京根模型参数率定中存在的求解复杂、精度不高等问题,本文将混沌搜索机制引入粒子群优化算法中,构建混沌粒子群优化算法对马斯京根模型参数进行率定。这种方法利用混沌运动的遍历性,改善了粒子群优化算法的全局寻优能力,避免算法陷入局部极值,使得粒子群体的进化速度加快,提高了算法的收敛速度和精度。通过实例应用表明,混沌粒子群优化算法可以有效地估算出马斯京根模型参数,优化效果明显优于粒子群优化算法及试错法,因此该算法具有很好的实用性。     

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。     

基于并行混沌量子粒子群算法的梯级水库群防洪优化调度研究

梯级水库群防洪优化调度问题规模庞大、结构复杂,涉及大量的决策变量和复杂的约束条件,各水库、各时段之间的水位、流量存在复杂的耦合关系,呈现出高维度、非线性、强约束特性,传统的优化方法难以直接求解或者计算效率低,存在早熟收敛问题。研究工作试图将量子粒子群算法(QPSO)引入到水库群防洪优化调度问题中,为了提高算法的全局搜索能力和收敛性能,对标准QPSO做了改进,包括利用混沌思想初始化种群、自适应激活机制和精英粒子混沌局部搜索策略3个方面,并引入多核并行计算技术以降低计算时间,提出了并行混沌量子粒子群算法(PCQPSO),函数测试证明了PCQPSO的可行性、稳定性和高效性。将PCQPSO应用到水库群防洪优化调度问题中,与POA、QPSO进行对比分析,结果表明PCQPSO收敛效率快、求解精度高,为解决梯级水库群防洪优化调度问题提供了一种有效的新思路。     

混沌差分算法在确定河流水质模型参数中的应用

将混沌寻优思想引入到差分优化算法形成混沌差分算法,并将其应用于确定河流水质模型参数的函数优化问题.数值实验结果表明:应用混沌差分算法求解此参数问题无论是在精度还是时间上都优于差分优化算法.它将混沌寻优的遍历性和随机性思想引入到差分优化算法中,在每次差分进化寻得的最优位置附近进行混沌细搜索,并配合特殊的迭代终止准则进行寻优.其明显缩短了混沌搜索计算时间和克服了差分优化算法后期早熟的缺陷,提高模型求解的收敛速度和精度.     

蚁群算法求解梯级电站短期优化调度改进研究

本文提出一种改进蚁群算法(Improved ant Colony Optimization Algorithm)求解梯级水库群短期优化调度问题。该算法的改进主要包括嵌入邻域搜索的单库轮换寻优、基于出力反推的初始解生成技术和约束优先的目标函数比较方法。以四川某中型流域梯级三级电站联合运行为背景,对蚁群算法和改进蚁群算法的求解质量和收敛性进行比较,实例验证表明,改进蚁群算法可以获得较好的优化调度结果。     

边坡临界滑动面搜索的奖惩蚁群算法研究

边坡滑动面搜索是边坡稳定计算中一项关键的问题,其实质为安全系数最小滑动路径的搜索问题,本文对采用路径搜索的蚁群算法引入奖惩策略,加大较优路径和普通路径上信息素的差异,分化各条路径上的信息素,以克服其收敛速度慢、早熟收敛的缺点。通过把边坡滑动面搜索模型离散化,采用奖惩蚁群算法解决滑动面搜索问题,提出了一种临界滑动面搜索的新方法。最后对一个简单边坡和复杂边坡的典型算例及一个大坝边坡工程的应用实例进行了计算,验证了新算法的有效性及其高效性。结果表明,无论是对简单边坡还是复杂边坡,本文算法都能以更快的速度搜索到结果更好的临界滑动面,工程应用效果良好。     

边坡临界滑动面搜索的奖惩蚁群算法研究

边坡滑动面搜索是边坡稳定计算中一项关键的问题，其实质为安全系数最小的滑动路径的搜索问题，采用路径搜索算法蚁群算法是目前研究的热点。为了克服传统蚁群算法效率低、效果差的缺点，通过引入奖惩策略，加快较优路径和普通路径上信息素的差异，分化各条路径上的信息素，从而提出了一种奖惩蚁群算法。通过把边坡滑动面搜索问题的离散模型化，采用奖惩蚁群算法解决滑动面搜索问题，提出了一种临界滑动面搜索的新方法。通过一个简单边坡和复杂边坡的典型算例计算及一个大坝边坡的工程的应用实例应用，验证了新滑动面搜索算法的有效性及其高效性。结果表明，无论是对简单边坡还是复杂边坡，本文算法都可以能以更快的速度搜索得到效果更好的临界滑动面，且工程应用效果良好。     

蚁群算法在工程项目工期—费用优化问题中的应用

论述了工期—费用优化问题的原理,分析了传统优化方法的优缺点。针对工期-费用这一连续空间优化问题,综合了基于网格划分策略的连续域蚁群算法和求解旅行商问题的基本蚁群算法的思想,构造了一种改进的蚁群算法。实例计算结果表明,该方法在求解工期费用优化问题方面是有效的。     

一种新型智能仿生类算法-蚁群算法

蚁群算法是一种新型智能仿生类算法,是受到蚂蚁在觅食过程中建立蚁巢到食物最短路径时的搜索机制启发而提出的一种算法。蚁群算法在求解一系列困难的组合优化问题上取得成效,成为解决TSP、VRP、QAP、JSP等典型问题的一种新型强有力算法。本文对蚁群算法理论研究的主要内容和方法、基于算法的改进等,进行了系统的总结与综述。     

改进蚁群算法及其在水利工程项目管理中的应用

为了更加有效解决水利工程项目管理中的多目标决策问题,提出了一种改进蚁群算法。该算法首先利用遗传算法的全局搜索能力将信息素初始化,然后在算法进行遍历过程中引入变异操作和交叉操作,提高算法的鲁棒性和有效性。水利工程项目多目标优化案例分析表明,较传统遗传算法和蚁群算法,本文提出的方法对于解的寻找速度更快,解的质量更高,该算法具有较高的全局寻优能力。该研究为水利工程项目管理多目标决策问题的解决提供了一种新的思路和方法。     

用于求解函数优化的蚁群算法设计

为了求解一般的函数优化，在标准蚁群算法的基础上，引入了遗传算法的编码方式，对蚁群算法的信息素更新进行改进。通过对几个经典测试函数的求解，证明了该算法的有效性。     

改进的蚁群算法在溶质运移参数识别问题中的应用

非饱和土壤水分和溶质运移参数(扩散率、导水率和水动力弥散系数)取值范围较大,往往跨越几个数量级。采用传统离散化蚁群算法求解此类问题,所需节点较多,这会造成算法收敛时间较长。该文在传统蚁群算法基础上,对蚂蚁搜索路径进行改进,改进后的蚁群算法寻优路径由参数精度位数(整数位和小数位)、参数个数以及0–9十个数字构成,并将路径解码公式修改为具有判别参数正负功能的解码公式。采用改进的连续蚁群算法对非饱和溶质运移参数识别优化模型进行求解。数值模拟表明相同迭代次数下改进的蚁群算法比传统蚁群算法耗时少,算法计算时间与迭代次数满足线性关系,含水率和溶质浓度实测值与计算值吻合较好、相关性较高。