混沌粒子群优化算法在水库防洪优化调度中的应用

为改善粒子群优化算法的寻优性能,提出了一种新的算法——混沌粒子群算法。该算法将混沌搜索机制引入到粒子群算法中来增加粒子的多样性,采用自适应惯性权重因子模型来设置惯性权重因子,改善了算法的全局寻优能力,并将其用于水库防洪优化调度中。实例计算表明该算法能较好地克服了粒子群算法易早熟和陷入局部最优的缺点,为解决水库防洪优化调度问题提供一种新的有效途径。     

粒子群算法的惯性权重模型在水库防洪调度中的应用

介绍了集群智能优化算法PSO和其改进算法惯性权重模型,给出了PSO算法原理和具体的求解步骤,并将其应用于南盘江上游水库洪水调度计算,结果合理,满足防洪调度要求,证明了粒子群优化算法在水库洪水调度上可以有较好的应用,为水库防洪优化调度提供了一条新的途径。     

流水工序调度与生产效率的关系模型分析

提出一种基于粒子群算法的流水工序调度任务优化模型.利用流水工序调度任务的特点得到流水工序时间约束条件,利用粒子群算法的原理建立流水工序调度任务优化模型,利用粒子群算法对模型进行求解.仿真实验表明,利用该算法能够得到流水工序调度问题的最优解,提高生产效率.     

基于粒子群算法的物流配送车辆优化调度研究

应用粒子群算法求解物流配送系统的车辆优化调度问题,针对车辆调度问题中需要考虑车辆容量和车辆行驶路径的限制等要求,提出一种基于收货点、粒子位置次序和粒子位置取整操作的三维粒子编码方法,采用惯性权重线性递减粒子群算法对两个算例进行计算,并与遗传算法的计算结果进行了比较。结果表明,粒子群算法能够有效地对物流配送车辆调度问题进行优化。     

基于免疫粒子群的调峰炉热力站优化调度

为了实现供热节能,对调峰炉热力站进行优化调度．首先结合供热能耗最小和运行费用最小两种调度模型,建立一种综合节能最优的调度模型,该模型可适应不同调峰模式下的供热需要．然后将免疫粒子群算法(Immune particle swarm optimization,IPSO)应用于优化调度的寻优计算,采用免疫算法,对粒子群算法(PSO)进行改进,避免了粒子群算法中存在的算法早熟、容易陷入局部极值等问题,能更准确快速地求解出优化调度结果．通过实例验证了该算法的优越性,计算结果表明调峰炉热力站的优化调度达到了节能的目的．     

求解调度问题的粒子群算法编码方法研究

利用粒子群算法求解调度问题的关键是建立有效的粒子编码结构。介绍了作业车间、流水车间和并行机调度等3类典型调度问题的特点,阐述了求解调度问题的粒子群算法结构,指出设计粒子群算法编码方法需要考虑的3个关键问题。提出3种求解不同调度问题的粒子群算法编码方法,并从生成调度解的可行性和有效性、粒子群计算模型的适用性和解码过程的复杂性等几个方面对粒子编码方法进行分析。以作业车间调度问题为例,验证了所提粒子编码方法的有效性。     

粒子群算法在配电网络无功补偿优化中的应用

介绍了粒子群算法的原理、模型和算法实现过程,并采用粒子群算法对配电网络无功补偿优化数学模型进行了优化计算,计算结果符合实际情况,表明粒子群算法应用于电力优化计算切实可行,为复杂的电力系统优化设计问题提供了新的思路和方法.     

约束自适应粒子群优化算法及水厂调度

针对粒子群优化算法应用于约束优化问题时易陷入局部极小值的问题,提出了一种改进的粒子群优化算法. 该算法综合了约束优化问题的目标函数值和约束函数的违反度值作为粒子群优化算法的双适应度值, 采用了双适应值动态判断粒子群优化算法中粒子的优劣. 违反度值的计算引入了自适应加权系数,相应地提出了调整各权系数的自适应策略, 并改进了粒子群优化算法的粒子竞争选择策略,拓展了粒子群优化算法的单适应值的应用范围.应用约束自适应粒子群优化算法实现了城市水厂的节能优化调度. 结果表明, 该算法收敛速度快且结果可靠. 粒子群优化算法为解决工程约束优化问题提供了一条可行途径.     

柔性作业车间调度的分布式粒子群优化算法

针对柔性作业车间调度问题的特性,提出了一种分布式粒子群优化算法以求解柔性作业车间调度问题,该算法以最小化最大完工时间为目标,为解决传统粒子群算法在遇到突发事件时不能实时进行响应做出合理决策的问题,在算法中设计了两个多Agent粒子群优化模型。最后,使用经典算例对算法进行了验证,实验表明多Agent粒子群优化模型具有合理性,该算法能够有效解决柔性作业车间调度问题。     

基于多目标拆分优化思维的拥塞网络数值调度方法

针对网络拥塞数值调度中存在的盲目性问题,提出了一种基于多目标拆分优化的网络拥塞数值调度方法.将拥塞网络的数值调度问题进行模型化表示,并将拥塞过程调度的最优问题分解为多个目标同时优化问题:即信道最优任务分配问题和路由拥塞调度问题.根据粒子群算法,对信道分配问题的最优解进行计算,同时设计约束模型并利用遗传算法求解拥塞调度问题,实现了在拥塞状态下的网络数值调度.结果表明,所提出算法获得的拥塞调度方案具有较好的可执行性.     

基于改进粒子群算法的整流供电智能优化调度

针对粒子群算法易早熟收敛的局限性，提出了一种带变异的改进自适应粒子群优化(PSO)算法.该算法根据群体适应度变化率自动调整惯性权值，根据当前种群的平均粒距确定种群中部分粒子的变异概率.对于大型锌电解过程中的整流供电调度问题，建立了以用电费用及耗电量最少为目标的整流供电优化调度模型，并应用改进算法进行优化求解，获得最优调度方案.仿真结果证明了该算法的有效性.工业应用效果表明，按最优调度方案组织生产显著降低了用电费用，同时有利于电网负荷的平衡运行.     

基于遗传模拟的水库发电优化调度模型及应用

为快速高效绘制适宜性强、效益高、便于操作的水库发电调度图,以常规发电调度图运行方式（时历法）作为模拟规则,以保证出力保证率满足前提下发电量最大为目标函数,借助实码加速遗传算法的并行计算能力,把调度图绘制（模拟规则）与有效性检验（智能优化）结合起来,建立水库发电优化调度模型。作为实例,应用该模型于中国某大型年调节水电站优化调度图绘制中。结果表明：该模型是有效的,可以考虑下游生态需水等水电站优化调度若干复杂约束条件与水库管理者的经验（常规调度绘制方法不能）,调度图更符合实际;把调度图的绘制与有效性检验结合起来,得出的调度图无需再检验,较常规方法更为快速高效;利用了遗传算法的并行计算能力,可快速获得满足保证出力要求的多组优化调度方案（调度图）,决策信息更加丰富。     

一种基于改进PSO和GA的动态低碳调度方法

基于改进的粒子群算法(PSO)和遗传算法(GA)的动态经济调度模型, 充分考虑风电、火力发电的成本及碳排放交易的利润, 并通过PSO结合GA模型, 计算出了风力发电和火电在一定时间内的实际发电量, 能够满足负荷需求; 并且根据碳交易的制度, 在保证低碳发展的同时, 获取了最低的经济成本。改进算法的运用, 提高了算法的效率, 保证了结果的稳定, 并且避免了陷入局部最优解的问题。实验结果证明了模型的可行性。     

应用混合微粒群算法优化设计热油管道

考虑到年输量随油田产量和市场需求的影响而随机变化的实际,采用最佳平方逼近法确定热油管道的设计输量,在此基础上建立了包含年输量模型和参数优化模型的热油管道优化设计两级递阶模型.用微粒群算法和混合离散变量随机搜索法构成的混合微粒群算法解热油管道的参数优化模型,实现了热油管道的整体优化设计.算例表明,该综合算法优化设计热油管道得到的方案比单一采用离散变量随机搜索法、离散变量复合型法和基本的微粒群算法计算得到的方案更能节约年费用,且考虑年输量随机变化的管道设计方案更符合热油管道运行的工程实际.     

基于协调粒子群算法的水电站水库优化调度

提出了一种协调粒子群算法,利用多粒子群的信息协调和扰动策略的方法,较好地克服了基本粒子群算法易于早熟和陷入局部最优的缺点,具有良好的收敛速度和计算精度。实例计算表明,协调粒子群算法能够求解水电站优化调度这样的非线性、强约束组合优化问题,原理简单,易于编程,占用内存少,为水电站优化调度问题提供了一种具有较高应用价值的方法。     

考虑入库洪水随机过程的梯级水库防洪优化调度

针对梯级水库防洪优化调度求解过程中存在的入库洪水过程的随机性,以及优化调度模型求解的复杂性这两方面的问题,建立了基于Copula函数的梯级各地区洪水的联合分布函数,通过随机模拟方法得到梯级水库的入库洪水过程;建立了梯级水库防洪优化调度模型,并提出了基于并行搜索思想的PDP算法进行求解。清江梯级水库实例研究结果表明,基于Copula函数的随机模拟方法,能充分考虑洪水地区组成方式的多样性和随机性,从而能模拟对梯级防洪调度最不利的情况;PDP算法比文中其他算法更容易收敛到全局最优解;较常规调度,梯级水库防洪优化调度可进一步降低下游地区的防洪风险。     

Optimization based scheduling for a class of production systems with integral constraints

Operation scheduling for a class of production systems with “instantly consumed” products is very important. It is challenging to satisfy the real time system demand and to consider the realizability of the production schedules. This paper formulates a new model for optimization based production scheduling problems with integral constraints. Based on the detailed analysis of the production rate constraints, it is proved that this type of optimization problems is equivalent to a smooth nonlinear programming problem. The reachable upper and lower bounds of the production amount in every period can be expressed as functions of two variables, i.e., the production rate at the start and end of that period. It is also proved that the gradients of these functions are monotonic, and their convexity or concavity is guaranteed. When the production cost function is convex, this type of optimization problems is equivalent to a convex programming problem. With the above analysis, a two-stage solution method is developed to solve the production scheduling problems with integral constraints, and in many applications the global optimal solution can be obtained efficiently. With the new model and solution method, the difficulties caused by the constraints on production rate can be overcome and the optimal schedule can be obtained with the real time system demand satisfied. Numerical testing for scheduling of electric power production systems is performed and the testing results are discussed. It is demonstrated that the new model and solution method are effective.