改进遗传算法在电力系统无功优化中的应用

针对常规遗传算法（GA）的不足,提出了一种改进搜索策略的遗传算法,采取了以下改进措施：在遗传迭代中,根据种群进化过程的个体的适应值大小,对群体进行分级,对级别高的个体进行小范围的搜索,对级别低的个体在大范围内进行搜索,保证群体的多样性的同时,又留住了优良个体。将改进的遗传算法应用于电力系统无功优化,并与常规遗传算法进行了比较,结果表明改进算法在计算速度、收敛性和全局最优搜索能力都有提高。     

利用双种群遗传算法进行数值试井自动拟合

遗传算法以随机化技术为指导，通过对整个解空间的高效搜索而得到全局最优解，当解空间较大时，常规遗传算法难以同时保证搜索速度和最优解的精度。针对这种缺陷提出了应用双种群遗传算法，即利用具有不同搜索策略的2个种群进行联合搜索，既保证了最优解的精度，又提高了搜索速度，将其应用于数值试井自动拟合解释，比常规遗传算法能节省50％以上的计算时间。     

改进的用于半导体器件综合系统的遗传算法

本文对应用于器件综合系统的遗传算法GENOCOP进行了改进.将实数设计空间根据参数的工艺精度影响转换为整型空间,并加入适应性复合算子利用已经得到的点来扩展和开发准可行空间.使其保持有效搜索到可行解的特性的同时,在同等的算法设置下,提高了对可行空间的覆盖率(约2.87倍),可以帮助设计人员更有效的设计可工作的器件.     

遗传神经网络在水淹层识别中的应用

本文利用遗传神经网络实现了水淹层的自动识别。根据关键井的统计数据,首先建立起标准的流体测井相数据库,合理地划分储层水淹级别。然后利用遗传神经网络对已知样本进行训练,识别水淹层。遗传神经网络比简单的BP神经网络性强,收敛速度快。用训练好的遗传神经网络对研究工区的水淹情况进行研究,取得了较好的效果。     

计算溢流坝下游收缩断面水深的方法

溢流坝下游收缩断面水深 hc 的计算对水工消能设计十分重要． 目前常用的方法有试算法、图解法和迭代法，这些方法计算精度不高，人工计算量大或要求较高的计算数学的理论知识等，不便于在生产实际中推广应用． 为此，把 hc 的计算问题归结为非线性优化问题，用作者研制的加速遗传算法 （AGA） 来处理． 应用 AGA 方法的实例计算结果说明 AGA 比常用方法简便 计算精度高且具有通用性．     

大型水平输气管线优化设计新方法

提出了含进分气点的水平输气管线优化设计新方法，该方法对于传统的优化思想进行了改进，概念清晰，方法简便，同时，将遗传算法引入输气管线的优化设计中，与常规的优化方法相比，具有明显的优越性。     

短期负荷预测相关因素的自适应训练

提高预测精度是短期负荷预测的基本目标。目前已提出了处理相关因素的规范策略和短期负荷预测的综合模型。在此基础上，将自适应训练的思想引入到短期负荷预测相关因素处理中，提出了相关因素自适应训练的若干概念，并分析了自适应训练中的基本问题，给出了短期负荷预测过程的抽象化模型，提出了两种训练负荷相关因素的算法：摄动算法和遗传算法，最后比较了这两种算法的优缺点。算例分析表明，通过自适应训练相关因素，实际预测的效果得到显著改善。     

水轮机调速器参数自整定遗传算法的研究

水轮机调速器的参数整定直接关系到水轮机调节系统的稳定运行及调节品质，进而会影响到电能的质量.应用可变交叉概率和变异概率的改进遗传算法对水轮机PID调速器参数进行优化，并将改进遗传算法的计算结果进行仿真分析，结果表明，该方法有效地消除了对参数初值的依赖性，使得寻优效率大大提高，改善了收敛性，是一种较好的PID参数寻优方法。     

分散图象压缩的遗传算法

基于分形和PIFS函数的特点，提出一种改进的遗传算法用于分形压缩分块的定义域匹配搜索算法。该方法克服了原来分形图象压缩中分类匹配算法固有的局部最优性和随机搜索的缺点，是一种具导引的全局优化的搜索算法。分析和实验表明，该方法的图象压缩比高，解码质量好，若应用遗传算法的并行性，其编码速度也得到提高。     

用改进的遗传算法精确提取GaAs MESFET小信号等效电路参数

提出了一种改进的遗传算法,应用于提取GaAs MESFET小信号等效电路参数.改进的算法采用浮点编码连续突变,多种遗传操作合作运行,并应用子代优化策略克服了传统遗传算法可能出现的种群退化现象,该算法可快速搜索到全局最优解而不受初始值限制.在0.1～10GHz范围内实现了精确、快速地提取GaAs MESFET小信号等效电路参数,并可合理外推至20GHz,整个过程无需人工干预.算法用Matlab语言实现,可方便地应用于HBT和HEMT以及无源元件电容、电感的参数提取.