水库优化调度扰动遗传算法研究

针对水库优化调度动态规划法及二进制遗传算法在求解应用中的不足,提出了扰动遗传算法,并建立了年发电量最大为目标的水库优化调度模型.算例结果表明,该算法可在不增加二进制编码长度的前提下更逼近最优解,提高了算法精度.     

混沌优化方法在灰色非线性水环境规划中的应用

通过把灰色参数和灰色变量视为混沌变量，利用混沌运动的遍历性、随机性、规律性以及对初值敏感性的特点，尝试应用具有优秀随机搜索性能的混沌优化方法求解水环境灰色非线性规划问题。实例研究证明，该方法具有搜索速度快、求解精度高的优点，因此对目标函数的优化结果比常规数值解法、遗传算法更加有效。     

水库防洪调度规则的参数优化研究

针对水库运用常规防洪调度进行洪水调度时,因对规则的合理性描述不足而限制了其应用的问题,根据水库不同防洪对象的精细程度要求,结合预见期内水库预报最大洪水和实时水位,拟定分级防洪预报调度规则,建立带有惩罚机制的防洪调度规则参数优化模型,并提出改进遗传算法求解该模型,即通过混沌算法、混沌变异操作与适应度差值进化改善初始种群质量、提高算法局部与全局搜索能力,实现参数控制的防洪预报调度规则。实例应用表明,综合改进遗传算法较其他遗传算法优化性能有一定提高,防洪预报调度优化规则的调度结果优于常规调度规则,为防洪调度规则的合理应用提供了一种有效方法。     

基于改进粒子群算法的机组负荷优化分配

针对标准粒子群算法存在容易早熟收敛的问题,在分析机组负荷优化问题的基础上,提出了一种基于解约束机制、边界反弹规则、高斯分布序列和混沌序列的改进粒子群算法。算法采用解约束机制和边界反弹规则处理优化问题的约束条件,同时在粒子移动过程中引入了高斯分布序列和混沌序列,从而克服了算法过早收敛的缺陷,提高了算法的全局优化能力。实例计算结果表明,该算法具有稳定的全局优化能力,为机组负荷优化分配问题的求解提供了新的方法。     

基于混沌RBF神经网络的汽油机瞬态工况油膜参数辨识研究

提出了基于混沌径向基(RBF)神经网络的汽油机瞬态工况油膜参数辨识方法。利用混沌优化算法确定隐含层高斯函数径向基中心和输出层连接权值,使其达到全局最优,有效地提高RBF神经网络的收敛速度;同时,利用混沌算法训练RBF神经网络,使目标函数取全局最小值或逼近全局最小值,有效地提高辨识模型的辨识精度,并与BP神经网络模型及最小二乘法辨识进行了分析和比较。仿真结果表明:混沌RBF神经网络模型收敛速度快,具有更强的非线性辨识能力,能够有效地提高油膜动态参数的辨识精度,进而得出不同工况下的油膜参数动态特征。     

一种决策逆问题的研究方法及在防洪规划中的应用

指出了模糊优选BP神经网络模型的缺点，在模糊优选BP神经网络模型的基础上，引入加速遗传算法，提出融入遗传算法的模糊优选神经网络智能决策模型。并将其应用于某流域蓄滞洪区优选决策逆命题的目标权重计算，结果表明，该模型能够明显加快网络的收敛速度，改善网络的全局寻优能力，集成了模糊优选BP神经网络和遗传算法的优点。     

基于混沌自适应人工鱼群算法的含家庭储能配电网快速重构方法

针对分布式电源接入配电网具有波动性和随机性的特点,提出一种基于混沌自适应人工鱼群算法的含分布式电源配电网快速化重构方法。在风电、光伏和家用储能的数学模型和节点划分基础上,以电网网损、开关次数以及失电负荷成本最小为目标函数,建立基于多目标优化的含分布式电源配电网的优化重构模型。利用混沌自适应人工鱼群算法对模型进行求解,通过对鱼群的混沌初始化和自适应动态调整步长参数,提高了算法的全局搜索能力和收敛速度。根据电化学储能系统出力特性划分配电网网架重构的典型工作场景,通过含分布式电源的IEEE 33节点测试系统仿真实例验证了该文方法的有效性。仿真结果表明,与单独考虑电网网损成本相比,由该文方法得到的配电网优化重构成本降低了50%以上,优化重构时间均小于0.9 s,实现了含分布式电源配电网的快速自愈。     

基于改进自适应遗传算法的大坝变形支持向量机预测模型

针对支持向量机模型预测大坝变形的核心为选取惩罚因子C和核函数参数σ的问题,以及标准遗传算法可能存在收敛局部小而最后得不到全局最优解、收敛速度慢等缺点,采用改进的自适应遗传算法对参数进行寻优。实例应用表明,与自适应遗传算法的支持向量机模型和统计模型相比,改进的自适应遗传算法的支持向量机模型推广能力和泛化能力更好,从而证明该预测模型具有可行性和实用性。     

遗传-深度搜索混合算法反演浅水模型糙率的效率分析

糙率是水动力数值模型中率定和验证的重要参数。采用遗传算法反演河道糙率一直是水动力数值模拟研究的热点与难点,其反演效率是优化算法应用于实际工程的主要制约因素。针对遗传算法后期收敛慢的问题,引入拟牛顿、信赖域、单纯形3种局部细致搜索性强的算法与标准遗传算法混合,比较分析各种算法对一维水动力模型糙率的反演精度、效率及调用模型次数,探讨全局优化和局部细致优化混合算法在水动力模型参数优化中的适应性和实用性。研究结果表明,各算法对水动力模型糙率均具有较高的反演精度,但遗传算法在优化过程中存在明显的"阶跃"现象,而引入局部深度搜索算法后可显著减少优化过程中调用水动力程序的次数,提高收敛速度。研究结果可为一、二维水动力模型糙率反演方法选择及改进思路提供参考,亦可为各行业多目标优化问题的效率分析提供借鉴。     

基于遗传算法的马斯京根模型参数优化

针对传统的优化马斯京根模型参数的方法计算过程繁琐、计算精度不高的问题,提出利用加速遗传算法直接优化马斯京根流量演算系数,有效解决了传统方法计算结果精度不高的问题,并在马斯京根模型参数优化求解中得以应用。结果表明,加速遗传算法较易程序化、收敛速度快,且计算精度较高,为河道洪水演算的研究提供了一种新途径。