用遗传算法求解离散变量优化问题

遗传算法是一种新的优化算法,它模拟生物进化机理,对可行解优胜劣汰,最终获得问题的最优解。遗传算法全局搜索能力强,这是其它算法无法比拟的,并且直接对可行解编码操作,所以它更适合离散变量优化问题。     

一种新的求解配电网重构问题的免疫遗传算法

针对遗传算法求解配电网重构问题存在的不足,建立了以网损最小为目标函数的配电网重构数学模型,提出了一种新的免疫遗传算法。该算法的关键在于疫苗库的构建和免疫算子的设计。疫苗库可自动建立和更新,免疫算子由接种疫苗和免疫检测组成。另外,采用了基于基本环路的编码方法、高频变异和大选择压的锦标赛选择算子。IEEE 33和IEEE 69系统的仿真测试结果表明：该算法符合配电网重构问题的特点,能有效抑制进化中的退化和波动现象,在确保解的质量的同时,具有很快的收敛速度;与传统遗传算法和相关文献中的同类算法相比,该算法在效率和性能方面具有优越性。     

运用混合优化算法求解包含离散变量的无功优化问题

利用遗传算法和传统优化方法的互补特性,采用混合优化方法求解包含离散和连续变量的无功优化问题。遗传算法的选择、交叉和变异操作仅作用于离散变量,对种群进行全局广度搜索,运用传统优化方法对种群个体中的连续变量进行优化使其移动到局部最优点上。为保证对连续变量的优化效果,选择了基于函数变换与广义逆的优化新算法。混合优化算法模型简单规范,遗传算法擅长处理离散变量和传统优化方法速度快、数值稳定性好的优势得到发扬。算法实用性和有效性通过算例及工程应用得到验证。     

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.     

基于改进遗传算法的电流互感器优化计算软件的开发

结合工程实际进行了基于改进遗传算法的电磁式电流互感器优化计算软件的设计,该改进方法采用进化前后期分别调整交叉概率和变异概率、二次交叉、对指定基因集中变异以及移民策略等,以保证在整个进化过程都能有效地进行空间搜索,克服了传统算法容易陷入局部最优的缺点。     

基于改进遗传算法的电力系统无功优化

将遗传算法应用于电力系统无功优化.针对传统遗传算法中存在的易陷入局部最优解和后期收敛速度慢的问题,在简单遗传算法(SGA)的基础上,提出更加有效的算法即改进遗传算法(IGA).新算法结合灵敏度分析产生原始个体替代SGA.SGA 的交叉和变异被改进,改进的交叉操作拥有快速局部调节能力,改进的变异操作引入灵敏度分析产生新的个体.所提算法在一个算例上进行了分析验证.     

基于改进遗传算法的电力系统无功优化

将遗传算法应用于电力系统无功优化。针对传统遗传算法中存在的易陷入局部最优解和后期收敛速度慢的问题,在简单遗传算法（SGA）的基础上,提出更加有效的算法即改进遗传算法（IGA）。新算法结合灵敏度分析产生原始个体替代SGA。SGA 的交叉和变异被改进,改进的交叉操作拥有快速局部调节能力,改进的变异操作引入灵敏度分析产生新的个体。所提算法在一个算例上进行了分析验证。     

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.     

改进的遗传算法及其在SF_6灭弧室永磁场优化中的应用

用遗传算法对某些电磁装置进行优化设计时 ,注意到其收敛速度与交叉编码的相似程度密切相关 ,为此提出了一种基于交叉算子分析的改进遗传算法。为了增强开断空载电流的能力 ,在SF6断路器的旋弧式灭弧室中加入永久磁场。在电弧上任一点具有相同角频率的条件下 ,确定所需的磁密分布。在有限元分析的基础上磁场分布的优化结果由改进的遗传算法来获得。结果表明 ,节约了大约 2 8.7%的CPU时间 ,空载电流和短路电流的开断性能均有所改进     

遗传算法在神经网络中的研究与应用

首先分析了遗传算子对遗传算法的统计学特性的影响,并对十进制遗传算法进行了一定的改进。在此基础上,提出了算法中参数的选择依据,然后将其与神经网络的BP算法相结合,对神经网络的权值进行全局搜索。仿真实验结果表明,该算法具有很好的效果     

改进的自适应遗传算法在控制器PID参数优化中的应用

针对遗传算法(GA)中自适应机制存在理论性和可行性之间的矛盾,提出一种行之有效的自适应算法。该算法根据个体和群体的适应度来确定个体的交叉变异概率,并据此采用无放回抽样的方式进行交叉变异。用一个非常复杂的数学函数对新算法进行了测试,结果表明改进算法克服了传统GA难以解决的早熟和局部收敛的问题,并且收敛速度大有提高。在此基础上将其应用于锅炉过热汽温串级控制系统的PID参数优化,仿真结果表明了其优越性,具有很好的应用价值。     

改进遗传算法在铁心电抗器优化设计中的应用

提出了一种改进的遗传算法,它采用进化前后期分别调整交叉概率、变异概率,二次交叉,对指定基因集中变异以及移民策略等手段保证在整个进化过程都能有效搜索空间,克服了传统算法容易陷入局部最优的缺点。它在铁心电抗器优化设计中的应用及与传统算法的比较,证明了改进算法的有效性和先进性。     

基于改进遗传算法的CPS任务分配方法

信息物理系统(CPS)已经成为近年来计算机、传感器等科学研究的热点.由于任务分配的优化程度直接影响到整个系统的性能,该研究已成为CPS系统研究过程中的关键问题.针对这一问题并考虑到传统方法在任务优化性能及效率上的不足,引入并改进遗传算法,提出了一种基于改进遗传算法的CPS任务分配方法.通过动态的变异算子及变异操作保持群体的进化特性,克服了标准遗传算法(SGA)交叉操作中较大的盲目性与随机性.实验结果表明,改进的遗传算法在任务分配的收敛速度和效率上都比标准遗传算法有较大程度的提高,平均收敛速率提高了20%.     

求解动态无功优化问题的混合免疫遗传算法

无功优化是电力系统运行中提高经济性和电压安全性的重要措施,为防止静态无功优化可能导致无功控制设备的频繁操作,考虑并联电容器投切组数和有载调压变压器变比档位的调节次数约束,建立了电力系统动态无功优化模型。提出免疫遗传算法与非线性内点法相结合的混合算法进行求解,其中免疫遗传算法处理离散变量,非线性内点法处理连续变量,并在免疫遗传算法中设计独特的编码方式,使抗体能够自动满足动态约束。采用IEEE14系统的24时段无功优化问题进行仿真计算,动态无功优化后离散控制设备的调节次数很少,有功损耗比静态优化结果仅有轻微增加,算例结果验证了混合免疫算法的有效性。     

基于改进遗传算法的特高压绝缘子均压环优化

复合绝缘子安装均压环能有效降低绝缘子沿面电场强度,均压环的位置和尺寸是决定沿面场强大小的因素。均压环的优化模型为含有约束条件的绝缘子沿面场强和均压环参数之间的非线性关系,目标函数难以用显式表达式表达,均压环的最佳参数不易求解但易于评价。为解决该问题,引入遗传算法对悬式复合绝缘子均压环进行了优化设计,为绝缘子的高、低压端均压环参数的优化问题提供了一个新的方法。以绝缘子沿面场强的最大值为目标函数,采用基于共享函数的小生境遗传算法调整个体的适应度;采用逆向选择算子按比例淘汰适应能力差的个体;用个体间的欧式距离来选择交叉配对的个体。用改进的遗传算法优化了特高压悬式复合绝缘子均压环结构参数,对比了优化前后的绝缘子表面和均压环表面的电场分布曲线。结果表明:优化后的绝缘子表面和均压环表面的电场强度均小于优化前的结果,优化后的均压环对电场强度有改善作用。     

基于改进遗传算法的发电机调速器侧模糊PSS优化设计

基于模糊控制理论设计了发电机组调速器侧模糊电力系统稳定器,采用遗传算法优化其参数以克服模糊控制器参数设计的主观性.为了提高多参数控制器参数优化的速度和精度,对传统单点交叉遗传算法进行改进,提出了一种首尾轮换交叉遗传算法.该方法交替采用尾部和头部单点交叉,保证了各参数参与优化的概率基本均等.采用该算法对某水轮发电机组调速器侧模糊电力系统稳定器的参数进行优化计算,表明其优化速度和精度较试探法和传统单点交叉遗传算法有显著提高.     

基于改进遗传算法的发电机调速器侧模糊PSS优化设计

基于模糊控制理论设计了发电机组调速器侧模糊电力系统稳定器,采用遗传算法优化其参数以克服模糊控制器参数设计的主观性。为了提高多参数控制器参数优化的速度和精度,对传统单点交叉遗传算法进行改进,提出了一种首尾轮换交叉遗传算法。该方法交替采用尾部和头部单点交叉,保证了各参数参与优化的概率基本均等。采用该算法对某水轮发电机组调速器侧模糊电力系统稳定器的参数进行优化计算,表明其优化速度和精度较试探法和传统单点交叉遗传算法有显著提高。