免疫算法与其它模拟进化优化算法的比较研究

免疫算法作为解决优化问题的有力工具，它的有效性已经得到了证明。介绍了免疫算法的数学模型和基本步骤，阐述了它不同于其它优化算法的优点。最后将免疫算法、遗传算法和进化策略同时应用于求解ｓｉｎｃ函数的最优值，以进行比较研究。结果表明，免疫算法在求解某些特定优化问题方面优于其它优化算法，其应用前景非常广阔。     

基于免疫粒子群算法的电力系统无功优化

为提高粒子群优化(particle swarm optimization,PSO)算法的收敛性能,将免疫算法(immunity algorithms,IA)的免疫信息处理机制引入到标准粒子群算法,形成一种新的优化算法,即免疫粒子群算法。该算法将免疫算法的免疫记忆和自我调节机制引入PSO,并采用基于粒子浓度机制的多样性保持策略;同时,用免疫算法的"接种疫苗"和"免疫选择"来指导搜索过程。改进后的算法可以很好的保持优化过程中粒子群的多样性,抑制优化过程中出现的退化现象,保证算法的收敛精度和收敛速度。IEEE 30节点系统算例仿真表明,IA-PSO算法与标准PSO算法相比,能够及时跳出局部最优得到全局最优解,且收敛速度快、精度高。     

智能新算法在无功优化中的应用

动态无功优化是个十分复杂的时空分布非线性优化问题,全局寻优十分困难。为了解决电力系统无功优化的求解问题,提出了一种新的智能算法,即把蚁群算法和免疫算法相结合,利用两种算法优点的互补,以解决约束优化问题。该算法将免疫算法和蚁群算法相结合,把用蚁群算法解决的问题看作抗原,通过免疫算法产生抗体给参数赋值,并应用于具体问题的求解,将得到的结果作为当前抗体的适应度值,然后通过免疫算法的交叉、变异、亲和度选择等操作,将适应度好的抗体保留,淘汰适应度差的抗体,经过多次迭代,最终得到较优的抗体,改善了单一搜索机制易陷入局部最小的不足,克服了处理复杂边界问题的多种不足之处。通过算例比较了遗传算法、简单蚁群算法以及改进算法的结果,验证了改进算法的正确性和有效性。     

基于免疫算法的机组负荷优化分配研究

文章提出应用新的智能算法一免疫算法解决负荷优化分配问题。在分析负荷分配的数学模型和免疫算法特点的基础上，详细研究了基于免疫算法的负荷优化分配方法。优化问题的解对应于免疫算法中的抗体，解的优劣通过结合力的计算来评价，具有最大结合力的抗体就是问题的优化解。文中还提出应用机组持续状态时间进行编码改进，可明显加快算法的搜索速度，免疫算法中特有的基于抗体浓度更新和抗体多样性也使得算法具有很好的收敛性和搜索性能。该算法通过10台机系统进行了验证，计算结果证明免疫算法与其它优化算法相比，能更快搜索到较优解，从而为机组负荷优化分配的求解提供新的有效算法。     

基于免疫进化算法的粒子群算法在梯级水库优化调度中的应用

针对高维、复杂的梯级水库优化调度在求解时易出现"维数灾"或陷入局部最优解的问题,本文提出了基于免疫进化算法的粒子群优化算法,该算法充分利用了免疫进化算法的全局搜索特性和粒子群算法的局部搜索能力,克服了粒子群寻优中对初始种群的依赖和易陷入局部最优的不足.通过实例计算表明,应用该算法求解梯级水库优化调度问题,结果可靠、合理,计算效率高,从而为求解高维,复杂的梯级水库优化调度提供了新的思路.     

发电机组优化组合的模型与算法综述

给出了机组优化组合的数学模型,重点探讨了求解该问题的各种模拟进化算法,包括遗传算法、免疫算法、蚁群优化算法、粒子群优化算法、社会演化算法、协同进化算法以及混沌优化方法等。     

配电网供电恢复的混沌免疫算法

为在配电网供电恢复的方案计算中提高获得最优解的概率并加快算法的收敛速度,分析混沌优化算法和免疫算法原理的基础上,提出了一种混沌免疫算法。该算法融合了混沌优化算法的全局搜索和人工免疫算法的局域搜索能力的特点,在优化过程中采用人工免疫算法代替混沌优化算法中的"细搜索",同时用混沌优化算法中的"粗搜索"来初始化免疫算法中的初始抗体。实例分析表明,该算法具有较快的收敛速度和较强的全局搜索能力,避免了不成熟收敛,有效地提高了供电恢复的速度和精度。     

基于免疫算法的配电网电容器优化配置

将免疫算法应用于辐射型配电网中电容器的合理配置。通过比较遗传算法 ,得出免疫算法在配电网电容器优化配置过程中具有寻优速度快 ,收敛性能好等优点。由于保持了群的多样化 ,所以避免了陷入局部最优。算例及分析表明免疫算法应用于配电网电容器优化配置的有效性和实用性     

基于并行免疫粒子群算法的限流措施优化

针对电力系统限流措施优化问题不连续、非线性的特点,提出一种并行免疫粒子群算法。该算法将免疫算法的自我调节机制引入粒子群算法,采用基于粒子相似度的选择机制,保证优化过程中粒子的多样性。根据粒子编码的特点引入疫苗接种概念,有效减少了粒子最优片段丢失的概率,保证算法的收敛精度和收敛速度。并在Matlab并行计算平台上实现免疫粒子群算法的并行化。算例表明该算法具有较强的全局优化能力和收敛稳定性,且计算时间短,有较强的实用意义。     

基于免疫优势算法的配电网规划

根据配电网的特点,提出了一种新的免疫算法用于配电网规划,以减小网络需要的费用.在配电网络优化规划过程中,免疫优势算法和树形编码的采用,提高了算法的效率和大大减少了优化规划所需的的进化代数,同时能有效维持群体的多样性和避免算法早熟收敛,算例结果表明该算法的计算速度比常规遗传和免疫算法的计算速度有较大的提高.