电力系统PMU最优配置问题的混合优化算法

针对电力系统潮流计算方程直接可解的PMU最优配置问题,提出了一种引入小生境技术的遗传禁忌搜索混合算法。混合优化算法以小生境遗传算法为主体,避免传统遗传算法“早熟”和解的多样性不足的问题;结合禁忌搜索思想,使用TSR算子进行交叉操作,解决传统遗传算法局部搜索能力较差和收敛速度有待提高的问题。用该算法与其他两种传统算法进行了对比验证,结果表明该混合算法不仅能寻得全局最优解,而且提供了解的多样性,提高了优化效率,具有广阔的应用前景。     

缺陷板材非规则件优化排样

针对理论上属于NPC 问题的非规则件优化排样问题,论文提出一种基于 小生境技术的自适应遗传模拟退火算法与基于内靠接临界多边形最低点的启发式布局算法 相结合的方法。考虑到算法中交叉概率和变异概率的选择影响到算法收敛性,提出了自适应 的交叉概率和变异概率,通过基于小生境技术的遗传模拟退火算法对非规则件排样的最优顺 序和各自的旋转角度进行优化搜索。将非规则件定位在有缺陷原材料和非规则件多边形的内 靠接临界多边形最低点以实现个体的解码,同时避开了原材料表面缺陷。排样实例表明,该 优化排样算法行之有效,具有广泛的适应性。     

基于改进小生境遗传算法的输电网安全经济规划模型

传统输电网规划模型中的目标函数通常仅考虑系统运行经济性而忽略安全性因素及其所带来的损失,为避免此缺陷,在运用改进K-means算法进行负荷聚类并建立多级负荷模型的基础上,以包含年投资成本、运行维护成本及缺电成本的年综合成本最小为目标,建立一种考虑安全性经济性协调的输电网规划模型,将安全性效益转化为经济形式并加入到目标函数中,同时在模型约束条件中考虑N-1安全约束,从而实现电网安全性与经济性的协调。最后,利用带有精英保留策略的改进小生境遗传算法求解规划模型,确定基于安全性经济性协调下的最优规划方案。通过分析修改后的IEEE RTS79系统,验证了模型及求解算法的有效性,可为输电网安全经济规划提供参考。     

一种改进的遗传多目标优化算法及其应用研究

为解决含多个目标和多约束的优化问题,本文结合了非支配排序思想、精英保留策略,小生境技术,并对传统的小生境技术中基于个体适应度的淘汰技术进行改进,提出了一种向量模适应度函数来作为淘汰准则,得到一种改进的Pareto遗传多目标优化算法。通过最小化两个多元目标函数,验证了该算法能够获得更加均匀分布的Pareto前沿,避免了局部收敛的问题。在此基础上,将改进多目标优化算法用于PID控制器参数整定,以锅炉过热汽温串级控制系统为例进行了仿真研究。结果表明改进的遗传多目标优化算法可以获得多组对应不同性能指标的控制器参数,为决策者提供了更多的选择余地,具有很好的应用价值。     

考虑经济性可靠性的输电网二层规划模型及混合算法

建立考虑经济性可靠性的输电网确定性二层线性规划模型,将可靠性问题以约束加入到经济性规划问题中,改变了传统输电网规划建模方式,实现规划方案在高可靠性条件下的经济性最优。模型上层规划目标采用线路建设成本最小,约束为待架线路数目约束;下层规划目标为切负荷最小,约束为常规运行约束,且严格满足N-1安全约束,实现最优规划方案的N-1安全运行要求。提出采用改进小生境遗传算法(improved niche genetic algorithm,INGA)和原始-对偶内点法(prime-dual interior point method,PDIPM)相结合的混合算法,并对上述模型进行求解,利用小生境遗传算法处理上层规划的整数变量,进行全局寻优;对下层规划采用原始-对偶内点算法进行快速求解,提高算法速度和收敛性。18节点系统和46节点系统的结果表明该模型和算法是有效的。     

基于复合形法的聚类遗传算法

针对标准遗传算法的未成熟收敛问题和局部收敛能力不佳等情况,提出一种基于复合形法的聚类遗传算法。通过使用复合形法结合聚类小生境技术对传统的遗传算法进行改进,得到基于复合形法的自适应聚类遗传算法（NCGA）。该算法使用FORTRAN语言进行编程,通过使用三种复杂的测试函数对其性能进行测试,并与自适应遗传算法（AGA）进行了性能比较,还分析了初始种群的优劣对算法性能的影响。测试结果表明：对于遗传算法的改进效果明显,在遗传算法中融入复合形操作能明显增强遗传算法的局部搜索能力,且聚类技术使得遗传算法的全局搜索能力得到显著增强,反向学习操作的添加能增强算法的稳定性。改进后的遗传算法的性能明显好于传统的遗传算法。     

一种改进的SCARA机器人动力学参数辨识方法

针对SCARA机器人动力学参数辨识问题,提出了一种基于优化改进傅里叶级数的辨识方法。根据SCARA机器人完整动力学方程,推导得到动力学模型的线性形式。采用改进傅里叶级数作为机器人关节的激励轨迹,使得关节角度满足连续周期性,并且关节角速度和角加速度在轨迹起始和停止时刻为零。为进一步提高辨识精度,以SCARA机器人观测矩阵的条件数为目标函数,采用基于排挤机制的小生境遗传算法对激励轨迹的系数进行优化。考虑到测量噪声的影响,采用加权最小二乘法（WLS）作为参数估计方法。实验结果表明,采用所提方法能准确辨识出SCARA机器人的动力学参数,两关节力矩测量值和预测值的残差均方根分别减小了11.50%和26.35%。     

基于粗糙集与小生境GA的网络入侵规则提取

对网络入侵规则的提取采用了一种基于ROUGH集和小生境GA结合的方法。该方法是利用粗糙集把原始数据进行处理,获得决策规则,并把这些决策规则作为小生境GA的初始种群,最后通过进化得到有较广覆盖范围和较高可信度的入侵检测规则集。     

基于小生境遗传算法的物流配送路径优化研究

通过对物流车辆配送过程的分析,建立了带时间窗约束的物流配送路径优化问题的数学模型。针对遗传算法具有早熟的缺点,将小生境技术引入遗传算法,构建小生境遗传算法。最后,将小生境遗传算法应用于所建立的物流配送路径优化模型的求解,实验结果表明小生境遗传算法在一定程度上可以避免标准遗传算法早熟现象的发生,提高了其求解物流配送路径优化问题的效率。     

一种新的遗传模拟退火算法的软硬件划分方法

针对嵌入式系统软硬件划分问题,在分析遗传算法和模拟退火算法的主要优缺点的基础上,提出了一种新的小生境技术改进的遗传模拟退火算法（NGSA）,在遗传算法中融入模拟退火思想,同时引入小生境技术,保持群体的多样性;并采用Metropolis 法则形成新群体,改善群体的质量。实验结果证明该算法具有很强的爬山能力和全局搜索能力,与遗传算法（GA）和模拟退火算法（SA）相比适应度明显提高。