基于改进萤火虫算法的梯级水库优化调度研究

梯级水电站水库群联合调度问题具有复杂的约束条件,受到发电、供水、防洪等目标的制约。作为多目标非线性优化调度问题,为了解决传统算法中存在结果受初值参数影响较大、容易陷入局部最优解、收敛速度不理想等问题,首次尝试将萤火虫算法引入梯级水库优化调度研究中。在传统萤火虫算法模仿自然界萤火虫捕食求偶行为的基础上,对其进行优化与改进,引入目标空间中解的Pareto支配关系比较萤火虫荧光亮度,比较其优化解,采用轮盘赌法确定萤火虫每次更新过程中的移动路径,利用精英保留策略建立多目标萤火虫模型。通过典型的梯级水电站进行仿真计算,研究结果表明,改进的多目标萤火虫算法在优化过程中具有较强的寻优能力,能更好地进行全局搜索和局部搜索,计算过程中具有良好的稳定性,并且计算效率较高,优于遗传算法(GA)、粒子群算法(PSO)和蚁群算法(ACO),为多阶段、多约束的梯级水电站水库群中长期优化调度问题提供了新的途径和新方法。     

基于改进萤火虫算法的水电机组调速器PID参数优化

针对水电机组PID参数优化问题,在分析水电机组调节系统特性和PID寻优适应度函数的基础上,基于萤火虫算法建立了水电机组调速器PID参数寻优模型。针对空载工况下4%频率扰动仿真试验和10%负荷扰动试验,获得改进萤火虫算法和标准萤火虫算法下的PID最优解。研究表明:改进萤火虫算法所获得的PID最优解不仅在扰动下超调量较小,过渡过程时间也较短,更利于系统的稳定。     

基于改进萤火虫算法的水库多目标调度决策研究

水库不同调度目标之间既非完全协调也非完全对立,如何快速获取多目标调度方案集,科学进行调度方案决策优选,是实现水库水资源高效利用的重要问题。以年发电量最大和生态效益最优作为目标函数,建立水库发电-生态多目标优化调度模型,进而提出该模型优化求解的改进多目标萤火虫算法,并结合组合权重改进的多准则妥协解排序法进行调度方案决策,最后将其应用于三峡水库调度实例。研究结果表明：改进算法能够获得更高质量的非劣解集,方案集优选方法能够在折中最大化群体效益和最小化个体遗憾的基础上寻求最优解,且能够同时体现决策者偏好以及各个决策指标客观特征。研究成果可为水库多目标调度决策提供科学依据。     

FCM聚类算法在给水管网流量监测点优化布置中的应用

基于目标函数的聚类算法,把聚类分析归结成一个带约束的非线性规划问题,通过优化求解获得数据集的最优模糊划分和聚类中心,可使流量监测点的布置较为均匀.结合算例,应用FCM算法对给水管网的流量监测点进行优化布置,通过不同分类类别数c下的聚类划分的比较,可得出最佳的管段模糊分类以及流量监测管段.     

库群长期优化调度的正交逐步优化算法

为解决逐步优化算法(POA)求解库群长期优化调度时存在的"维数灾"问题,结合正交试验设计方法提出了正交逐步优化算法(OPOA),分别从阶段维、状态维和空间维进行降维求解。算法采用POA将多阶段决策问题分解为若干两阶段子问题,以目标函数为试验指标,水库为试验因素,离散状态为因素水平,各子问题的优化求解视为分别开展多次正交试验设计,通过逐次加密离散水库状态并构造"均衡分布、整齐可比"的状态集合进行计算,直至获得最优解。乌江梯级水库长期优化调度结果表明,OPOA仅需POA耗时的28.4%即可获得全局最优解,显著优于粒子群算法,是求解库群长期优化调度的有效算法。     

基于Hopfield神经网络算法的航线优化研究

采用连续型Hopfield神经网络算法航线进行优化设计,综合考虑航线运价以及路程作的约束条件,设计最优航线。考虑构造相应置换矩阵,将目标函数以及约束条件作为构造条件设计相对应的能量函数,将问题的最优解映射到神经网络的稳定状态上,采用MATLAB软件进行算法的编程和求解,最终得出单位路程运价最低的航线优化方案。     

基于改进单纯形算法的Topmodel参数优化研究

文章以河南省息县流域为例,用改进的Simplex Method对Topmodel参数进行了自动优化,并对优化结果进行了检验。研究结果表明:改进的Simplex Method对Topmodel参数优化具有较好的适用性,但需根据模型的参数意义及流域特性来确定模型参数的上下边界;在改进的Simplex Method优化中,目标函数应突出高水过程和洪峰对模拟效果的影响;将随机生成初始点模块嵌入算法中,快速生成多组局部最优解中选择相对最优解具有很好的实用性和有效性;采用模型参数量级0-1化,减轻算法对参数初值的依赖,提高优化效率。     

基于系统微分响应的暴雨强度公式参数优化

暴雨强度公式参数的优化求解本质是一个高维非线性优化问题,目前常采用的优化求解方法是在以误差平方和为目标函数的基础上通过智能算法优化求解参数。为研究这类方法的合理性,通过随机抽样、参数空间网格化方法分析了常用暴雨强度公式参数求解方法的局限性,评价了常用智能算法的参数优化能力,进而提出了基于系统微分响应的暴雨强度公式参数优化方法。结果表明:以均方误差作为目标函数对非线性函数求解参数会增加额外参数解;在没有有效确定参数范围的情况下,随机抽样很难获得满足精度要求的参数样本,在有效确定参数范围后,目标函数的响应面上仍会存在无穷多个局部最优值,且很多局部最优的目标函数与全局最优近乎相同;以粒子群算法、SCE-UA算法为代表的随机搜索优化算法会因为参数初始取值范围过大、目标函数响应面局部最优参数解数量过多等问题而难以获得参数真值;提出的基于系统微分响应的暴雨强度公式参数优化方法能够快速寻找到参数真值,不仅效率高且能够避免陷入局部最优。     

基于超效率DEA效益评估的水火电力系统优化调度方式研究

粒子群优化算法在求解含有多维约束的多目标优化问题时,存在易陷入局部最优解或者全局收敛不唯一,从而造成优化结果的多样性。针对该问题,提出运用数据包络分析算法对采用改进粒子群求解的水火电多目标问题的优化结果进行效益评估,选取有效的决策单元,同时将多个有效单元进行排序,为决策者提供利用优化目标和超效率DEA值双重准则来选取决策方案。实例仿真证明该方法可有效减少多个目标追求下的决策盲目性,为决策者提供了决策选择。     

改进萤火虫算法在地区水资源优化配置中应用研究

针对某地区水资源供需现状,引入萤火虫算法,并相应改进萤火虫算法匹配水资源配置模型求解,研究了改进计算步长、权重值、压缩因子等方法的萤火虫算法,以Ackley、Sphere、Rastrigin三个目标函数对比求解进度及收敛速度,该水资源模型适合压缩因子改进萤火虫算法。该算法在水资源优化配置模型中求解应用提供一定参考。     

基于改进粒子群算法的重力坝断面优化研究

将粒子群算法与罚函数相结合,把非线性约束优化问题转化为无约束优化问题,解决工程上多约束优化问题。为了防止粒子群算法陷入局部最优,引入退火算法帮助粒子跳出局部最优解,从而避免粒子后期单一方向进化问题,改善粒子全局搜索能力,同时考虑到最优解一般在边界附近取得,故引入动态罚函数加强粒子对可行域边界搜索,加快最值的搜索速度。将上述方法应用于实际重力坝断面优化设计,结果表明:改进的粒子群优化算法不仅保持了良好的收敛性,而且动态罚函数还具有构造简单实用,同时退火算法减少了粒子群优化算法对大量粒子的依赖程度,验证了改进算法的有效性和可行性。     

线性微分递减自适应粒子群算法在水电站优化调度中的应用

针对求解水电站优化调度粒子群算法的改进,分析了粒子群算法在求解水电站优化调度问题时对关键参数惯性权重调整的需要,提出了线性微分递减的自适应粒子群算法。通过前期减小缓慢的惯性权重,增加算法的探索能力跳出局部最优解;通过后期减小较快的惯性权重,提升算法的开发能力加快算法收敛。以葛洲坝水电站优化调度为例,对比了改进算法和传统算法。优化调度实例表明:线性微分递减自适应策略增强了算法的寻优能力和稳定性。改进算法能够有效改善由于水电站优化调度目标函数非凸性带来的粒子群求解易早熟问题,为水电站优化调度粒子群算法惯性权重的改进提供了新思路。     

基于NSGA-Ⅱ的水文模型参数多目标优化研究

为了对水文模型中难以直接测算的参数进行调试和优化,将带精英策略的非支配排序遗传算法（NSGA-Ⅱ）应用于水文模型（HYMOD）参数多目标优化计算中,得到最优解Pareto集合。通过多目标距离函数法从Pareto集中求出一组协调集。采用非支配解集覆盖度和非支配解的空间分布两个性能度量指标,对NSGA-Ⅱ算法与多目标粒子群算法（MOPSO）的优化结果进行比较分析。结果表明,NSGA-Ⅱ优化得到的非支配集比MOPSO算法得到的支配比例高;但前者的非支配解的空间分布较MOPSO算法相对均匀。     

自适应子空间高斯学习的粒子群优化算法

为了克服粒子群优化算法在复杂优化问题上易出现早熟收敛、多样性缺失等问题,提出了自适应子空间高斯学习的粒子群优化算法。该方法提出了适应值离散度和子空间高斯学习的概念,以自适应地调整参数和搜索策略,帮助粒子逃离局部最优。同时,该方法还提出邻域学习策略,引入了邻域最优粒子。当前粒子的邻域在进化过程中通过动态构建,以增强种群的多样性。实验对19个常用的经典基准测试函数在30和100维进行了测试,结果表明该算法在收敛速度和寻优精度上优于一些知名的PSO算法。最后,将改进的算法应用于无线传感器网络覆盖优化问题,获得了较好的结果。     

线性微分递减自适应粒子群算法在水电站优化调度中的应用北大核心

针对求解水电站优化调度粒子群算法的改进,分析了粒子群算法在求解水电站优化调度问题时对关键参数惯性权重调整的需要,提出了线性微分递减的自适应粒子群算法。通过前期减小缓慢的惯性权重,增加算法的探索能力跳出局部最优解;通过后期减小较快的惯性权重,提升算法的开发能力加快算法收敛。以葛洲坝水电站优化调度为例,对比了改进算法和传统算法。优化调度实例表明:线性微分递减自适应策略增强了算法的寻优能力和稳定性。改进算法能够有效改善由于水电站优化调度目标函数非凸性带来的粒子群求解易早熟问题,为水电站优化调度粒子群算法惯性权重的改进提供了新思路。     

基于GGSO和有限元的土坡稳定性计算研究

针对传统土坡稳定性系数试算过于粗糙、未考虑岩土体应力应变特征的不足等问题,以提出一种更为合理的边坡稳定性计算方法为目标,对标准的萤火虫算法(Glowworm Swarm Optimization,GSO)进行改进,加入高斯白噪声扰动策略,增强了算法的全局寻优能力,提出一种改进萤火虫算法(Gauss Glowworm Swarm Optimization,GGSO)。通过标准函数测试表明了新方法的有效性。三个标准函数的测试结果显示:GGSO的寻优效果较GSO大幅度提升;通过有限元应力法计算土坡稳定性系数,并以圆心和半径为自变量,将边坡稳定性计算转化为一个完备的数学优化问题,该优化问题可通过GGSO求解。通过均质土坡和非均质土坡算例验证提出方法的有效性,结果表明:提出的边坡稳定性计算方法能够获得合理的边坡稳定性系数值。最后将提出的边坡稳定性计算方法用于许卡滑坡土质边坡的稳定性计算之中。研究成果对土坡稳定性分析具有一定的参考价值。     

POA改进算法在水库群优化调度中的应用

逐步优化算法(POA)的初始轨迹对能否收敛到最优解和计算时间有很大影响。如何选择合适的初始轨迹并对其进行改进,是水库优化调度的关键。本文从初始解集出发,在迭代过程中对初始轨迹进行逐步改进,通过保持解的多样性,有效避免了计算结果收敛于局部最优解。通过将改进的POA算法应用于梯级水电站中长期优化调度模型中,表明该方法计算速度快,能有效收敛到全局最优解。     

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。     

基于凝聚层次聚类的K均值结构面产状分组

结构面产状数据分组是进行岩体力学性质分析及稳定性评价的基础工作,是工程地质领域一个重要的研究课题。K均值聚类方法从提出到现在,在结构面分组中得到了很好的应用,但是它需要事先给定聚类中心及分组数。为此,提出了改进算法,采用凝聚层次聚类法作为前处理,得到间距较大的几个聚类中心,随后以此聚类中心为初始聚心进行K均值聚类,并同时根据相关目标函数来确定最优分组数。将此改进方法应用于野外实测结构面分组中,得到的结果可靠,分类合理,可以准确确定结构面的优势产状。     

萤火虫算法研究综述

萤火虫算法作为一种新兴的群智能优化算法,它具有概念简单、易于实现、优化性能好等优点,因而被广泛地应用于求解不同研究领域的优化问题。为了提高萤火虫算法的优化性能,许多学者对其进行了改进。本文讨论了近年来萤火虫算法的若干改进方法,并对算法的应用进行了综述,最后指出了算法的进一步研究方向。