共查询到10条相似文献,搜索用时 31 毫秒
1.
2.
3.
4.
5.
6.
基于方向自学习遗传算法的水库优化调度 总被引:1,自引:0,他引:1
本文提出一种方向自学习遗传算法并用于水库优化调度问题.在传统遗传算法基础上引入方向自学习机制,克服标准遗传算法收敛速度慢,早熟收敛等缺点.该算法在局部搜索中引入方向信息,利用函数的伪梯度来指导搜索方向,提出一种消亡算子用以增加种群多样性,有效地避免了早熟收敛、提高了算法的收敛速度,避免了水库优化调度同题中的维数灾问题.实例计算表明,相对于传统的遗传算法,方向自学习遗传算法计算速度快、收敛性好,提高了计算效率,较好的解决了传统遗传算法求解水库优化调度时存在的一些问题. 相似文献
7.
传统遗传算法中染色体的编码形式一般为链条形,即不论采用二进制编码还是实数编码,可行解均以链条的形式表现,遗传操作也是在这种链式编码的基础上进行的。当决策变量增多,链条加长时,这种遗传算法的计算效率变得很低。此外,在梯级水库优化调度中,由于上、下游水库间存在的耦合关系,使得上游水库基因段中某一位基因的改变将连锁式地引发下游各水库基因段中相应基因的改变,这种连锁变化在链式编码中的实现是较复杂的。为此,本文提出了矩形体编码的遗传算法,它可以有效提高传统遗传算法在处理这类问题时的效率,并使优化结果得到提高。最后通过一个算例,说明了该方法的可行性与有效性。 相似文献
8.
9.
根据溪洛渡水库的具体情况,建立了以发电量最大为目标的水库优化调度非线性数学模型,并利用遗传模拟退火算法(GSA)和小生境遗传算法(NGA)分别求解模型。结果表明,GSA和NGA的收敛速度和计算结果都明显优于基本遗传算法;且两者相比,GSA的收敛性更强,但计算时间较长。而在求解水库长系列优化调度问题时,各遗传算法占用机时太多,且收敛能力较差。 相似文献
10.
水电站水库调度图的优化方法与应用——基于混合模拟退火遗传算法 总被引:1,自引:0,他引:1
按常规方法绘制的水库调度图相对保守,难以达到可靠性与效益的优化组合,使得水库调度图还存在一定的优化空间.提出了一种优化常规调度图的新方法--混合模拟退火遗传算法,以实现水库调度图的计算机程序式自动优化修正.该方法综合了遗传算法的全局搜索能力和模拟退火算法的局部搜索能力,提高了计算精度,避免了手工修正调度图的随意性.通过在实际生产项目中的应用与检验,证明该方法对水电站水库调度图的优化确实可靠,在满足可靠性指标以及水库综合利用要求约束的条件下,取得了可观的经济效益,为水电站实现经济运行提供了一条可行途径. 相似文献