一种求解大规模机组组合问题的混合智能遗传算法

针对传统的采用二进制编码的遗传算法在求解大规模机组组合问题时收敛速度慢、易早熟等问题,作者结合机组组合问题的特点,提出了一种混合智能遗传算法.该算法以机组状态作为个体编码,结合启发式方法的自适应智能变异算子求解目标函数,显著缩小了求解问题的规模,保证了群体多样性,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.     

遗传算法在水电站机组优化组合中的研究与应用

建立了水电站机组优化组合数学模型,提出了基于二进制与浮点数混合编码的遗传算法工程实现方法,把问题分解为机组状态组合与机组负荷分配两个子问题,分别对其优化。对实例计算分析表明：遗传算法具有计算速度快,计算结果好的优点,其对发电机组优化组合问题的求解是可行的、有效的,具有较强的实用价值。     

基于改进免疫遗传算法的电力系统无功优化

针对无功优化问题的特点,在现有免疫遗传算法基础之上,提出一系列改进措施,形成了一种新的解决无功优化问题的改进免疫遗传算法。该算法将免疫遗传算法中常用的二进制编码改进为整、实数混合编码,提高了计算速度与精度;将通常的选择、变异操作与进化代数相联系,形成具有动态调整功能的改进Boltzmann退火选择、非均匀变异算子,提高了算法的全局收敛性,加快了计算速度;引入疫苗接种概念,有效地抑制了算法在进化过程中出现的退化现象,进一步加快了算法的收敛速度。以IEEE30节点系统为例对该改进算法的性能进行了测试,结果表明了该算法的有效性和可行性。     

基于改进免疫遗传算法的电力系统无功优化

针对无功优化问题的特点,在现有免疫遗传算法基础之上,提出一系列改进措施,形成了一种新的解决无功优化问题的改进免疫遗传算法.该算法将免疫遗传算法中常用的二进制编码改进为整、实数混合编码,提高了计算速度与精度;将通常的选择、变异操作与进化代数相联系,形成具有动态调整功能的改进Boltzmann退火选择、非均匀变异算子,提高了算法的全局收敛性,加快了计算速度;引入疫苗接种概念,有效地抑制了算法在进化过程中出现的退化现象,进一步加快了算法的收敛速度.以IEEE30节点系统为例对该改进算法的性能进行了测试,结果表明了该算法的有效性和可行性.     

基于搜索+调整的两阶段萤火虫算法求解机组组合问题

提出了一种新颖的基于搜索+调整的两阶段萤火虫算法求解机组组合问题。算法将机组组合求解流程分解为具有离散变量和连续变量的两个优化问题,通过二进制编码的萤火虫算法求解含离散变量的机组启停主问题,利用改进的实数编码萤火虫算法解决连续变量的负荷经济分配子问题,采用调整策略校核和修复约束,实现主子问题的交替迭代求解。算法通过启发式的约束调整策略,以及两种编码方式实现了离散变量和连续变量的分解优化,提高了机组组合问题求解的效率和精度。通过对6个不同规模算例的计算及与其他经典算法的对比,验证了所提算法的有效性和优越性。     

改进遗传算法及其在机组优化组合中的应用

提出了一种新的基于浮点数和二进制数统一编码的改进遗传算法。该算法有效利用了浮点数编码FGA(Float—coaded Genetic Algorithm)收敛迅速、不易陷入局部最优解、具有较高收敛精度的优点,同时结合二进制编码BGA(Binary—coaded Genetic Algorithm)模拟机组启停状态的优点,解决了机组优化组合的O-1混合整数非线性规划问题。该算法已成功地运用到16台机组的优化组合中,并取得很好的效果。     

电力市场下基于改进遗传算法的AGC机组的选择

针对电力市场下参与竞标的各自动发电控制（AGC）机组的选择问题,提出了一种基于实数和二进制数混合编码、个体分段交叉变异的改进遗传算法。该算法采用实数模拟AGC机组的调节容量,无需解码,具有较高的收敛精度,同时采用二进制编码模拟AGC机组中标状态,充分利用了两种编码方式的优点;对群体中的个体采用了轮盘赌选择,并按容量段、状态段分别进行交叉、变异的遗传操作方法,较好地解决了电力市场下AGC机组选择这一0—1混合整数非线性规划问题。最后通过对某省实际电网的算例分析,验证了该算法的可行性。     

基于遗传禁忌混合算法的电力系统无功优化

为了使遗传算法(GA)和禁忌搜索算法(TS)的优点被保持,缺点被削弱,提出了电力系统无功优化的遗传禁忌混合算法(GATS);针对电力系统无功优化中控制变量的离散性和连续性相混合的特点,提出了混合编码策略并相应地采用启发式算术进行杂交.用GATS算法对IEEE30节点系统进行了无功优化计算,并就优化结果和简单遗传算法(SGA)及二进制编码的禁忌搜索法(TSB)的优化结果进行了比较,结果表明GATS方法具有更好的收敛性和更强的全局寻优能力.     

用于配电网开关优化配置问题的二进制PSO算法

提出了1种求解配电网开关优化配置问题的二进制粒子群(PSO)算法。该算法通过对开关设备总投资、年运行费用和年停电损失费用等优化计算,以达到综合年费最少的角度,确定了1种开关配置方案。仿真计算表明,二进制PSO算法相对于遗传算法和免疫算法等搜索方法而言,具有更好的全局收敛性,且算法简单,是求解配电网开关优化配置问题一种有效方法。     

基于矩阵实数编码遗传算法求解大规模机组组合问题

该文提出了一种采用矩阵实数编码遗传算法(MRCGA)进行机组组合优化的新方法：采用矩阵实数编码方式对整体发电计划进行编码后，可直接运用遗传操作求解机组组合问题，避免将其分解成机组启停安排和经济负荷分配的两层优化问题进行求解；采用多窗口变异技术，增强了算法的搜索能力。此方法提出了一种新的个体调整方法，可以处理各项约束条件，保证了结果的可行性。文中通过2个算例及与其它算法的对比分析，验证了所提出的方法在大规模机组组合问题求解时具有很强的适应性和全局搜索能力。     

Cooperative coevolutionary algorithm for unit commitment

This paper presents a new cooperative coevolutionary algorithm (CCA) for power system unit commitment. CCA is an extension of the traditional genetic algorithm (GA) which appears to have considerable potential for formulating and solving more complex problems by explicitly modeling the coevolution of cooperating species. This method combines the basic ideas of Lagrangian relaxation technique (LR) and GA to form a two-level approach. The first level uses a subgradient-based stochastic optimization method to optimize Lagrangian multipliers. The second level uses GA to solve the individual unit commitment sub-problems. CCA can manage more complicated time-dependent constraints than conventional LR. Simulation results show that CCA has a good convergent property and a significant speedup over traditional GAs and can obtain high quality solutions. The "curse of dimensionality" is surmounted, and the computational burden is almost linear with the problem scale     

Binary-Representation-Based Genetic Algorithm for Aircraft Arrival Sequencing and Scheduling

Arrival sequencing and scheduling (ASS) at airports is an NP-hard problem. Much effort has been made to use permutation-representation-based genetic algorithms (GAs) to tackle this problem, whereas this paper attempts to design an efficient GA based on a binary representation of arriving queues. Rather than using the order and/or arriving time of each aircraft in the queue to construct chromosomes for GAs, this paper uses the neighboring relationship between each pair of aircraft, and the resulted chromosome is a 0-1-valued matrix. A big advantage of this binary representation is a highly efficient uniform crossover operator, which is normally not applicable to those permutation representations. The strategy of receding horizon control (RHC) is also integrated into the new GA to attack the dynamic ASS problem. An extensive comparative simulation study shows that the binary-representation-based GA outperforms the permutation-representation-based GA.     

基于单亲遗传算法的配电网络规划

配电网络规划属于非线性混合整数规划问题，应用传统数学优化算法往往难以直接求解，文章针对目前应用广泛的常规遗传算法在求解该问题时存在的难以保证方案连通性和辐射性的缺陷，提出了基于单亲遗传算法的配电网络优化规划算法，于整数编码策略，给出了配电网络规划中变量编码的具体方法和迭代求解程序，该算法具有进化操作成功率高，求解配电网络优化规划问题的效率高等优点，同时可将简化网架结构和选取导线截面结合在一起，既可确保解的最优性，又可减少工作量，仿真算例验证了该方法的快速性和有效性，该算法还适用于辐射型配电网络的扩展规划和配电网络的重构。     

基于改进遗传算法的堆石体流变模型参数反馈分析

本文提出一种序列二次规划优化算法与标准遗传算法结合的流变模型参数反馈分析方法，这种算法既发挥了序列二次规划优化算法省时、高效、局部搜索能力强的特点，又发挥了遗传算法可以搜索到全局最优解而避免陷入局部极小值的优点，改善了常规遗传算法的收敛速度。将遗传算法搜索到的全局最优近似解作为初始值，代入收敛效率较高的序列二次规划程序进行最终局部优化。以某堆石坝为例，应用上述反演方法对高围压下的堆石体9参数流变模型参数进行了反演分析，验证了此方法的可行性与有效性。     

基于免疫遗传算法优化的神经网络配电网网损计算

提出了一种基于免疫遗传算法(IGA)的BP神经网络方法计算配电网的理论线损。该算法在遗传算法(GA)的基础上引入生物免疫系统中的多样性保持机制和抗体浓度调节机制,有效地克服了GA算法的搜索效率低、个体多样性差及早熟现象,提高了算法的收敛性能。为了解决BP神经网络权值随机初始化带来的问题,用多样性模拟退火算法(SAND)进行神经网络权值初始化,并给出了算法详细的设计步骤。仿真结果表明,同混合遗传算法相比,该算法设计的BP神经网络具有较快的收敛速度和较强的全局收敛性能, 比现有其它计算配电网理论线损的方法更为     

A parallel genetic algorithm approach to solving the unitcommitment problem: implementation on the transputer networks

Through a constraint handling technique, this paper proposes a parallel genetic algorithm (GA) approach to solving the thermal unit commitment (UC) problem. The developed algorithm is implemented on an eight-processor transputer network, processors of which are arranged in master-slave and dual-direction ring structures, respectively. The proposed approach has been tested on a 38-unit thermal power system over a 24-hour period. Speed-up and efficiency for each topology with different number of processor are compared to those of the sequential GA approach. The proposed topology of dual-direction ring is shown to be well amenable to parallel implementation of the GA for the UC problem     

A diploid genetic approach to short-term scheduling ofhydro-thermal system

In this paper a diploid genotype based genetic algorithm (GA) is applied to solve the short-term scheduling of hydrothermal systems. The proposed genetic algorithm uses a pair of binary strings with the same length to represent a solution to the problem. The crossover operator is carried out by means of the separating and recombining technique, which is of the same effect of that of uniform crossover. The dominance mechanism in the algorithm is realized by a simple Boolean algebra calculation. Simulation results show that the proposed algorithm has a strong ability to maintain gene diversity in a limited population due to the diploid chromosomal structure accompanying the dominance mechanism. This ability improves the overall performance and avoids premature convergence. The model can concurrently tackle the requirements of power balance, water balance and water traveling time between cascaded power stations, which are more difficult for other approaches to manage. Several examples are used to verify the validity of the algorithm