基于小生境遗传算法的电力系统无功优化分析

针对遗传算法(SGA)在电力系统无功优化中存在早熟收敛和后期收敛速度慢的弱点,提出了基于小生境遗传算法的无功补偿优化方法,可在短时间内以极大概率值寻找全网最优补偿配置实现最优补偿.通过对含有14个节点的IEEE 14系统进行模拟分析,结果验证了该算法的有效性,显著提高了无功优化的收敛速度.     

引入进化梯度的改进小生境遗传算法

针对基本遗传算法易于早熟及局部寻优能力较差等不足,提出了一种引入进化梯度的改进小生境混合遗传算法(GNGA)。利用进化梯度信息调整个体向更优解进化,并根据进化代数自适应调整实数编码个体的交叉量和变异量,增强了局部寻优能力和解的精度。基于排挤的小生境算法的引入,保持了种群的个体多样性以克服早熟。在Shubert函数上的仿真结果表明,与小生境遗传算法相比该算法能有效提高解的精度及收敛速度,找到更多最优解。     

用于多峰函数优化的改进小生境微粒群算法

针对小生境微粒群算法在处理复杂多峰函数优化问题中存在的一些缺陷,提出一种改进的小生境SNPSO算法。SNPSO算法将顺序小生境的思想引入其中,首先在主群体中应用Stretching技术,其次对子群体采用解散策略,即当在子群体中找到一个极值点后把子群体解散回归主群体,最后设置子群体创建时的半径阈值,避免子群体半径过大。该算法解决了标准的NichePSO算法在处理多峰函数时,极值点的个数依赖于子群体个数及极值点容易出现重复、遗漏等问题。对3个常用的基本测试函数的实验表明,新算法（SNPSO）在多峰函数寻优中解的稳定性、收敛性和覆盖率均优于标准NichePSO。     

基于改进并行遗传算法的电网状态估计

鉴于现有电网状态估计算法存在的问题,提出了一种基于改进并行遗传算法的状态估计算法。该算法采用粗粒度模型组织局域网内的计算机进行并行计算,运用迁移策略组织染色个体的并行处理,结合小生境技术保证估计结果的全局收敛性,并根据电网结构和量测量数据特点对染色体编码进行改进。仿真结果表明,该算法提高了状态估计结果的准确性和计算速度,可满足实时处理电网数据的要求。     

基于改进遗传算法的PEMFC电堆稳态运行优化

在质子交换膜燃料电池(PEMFC)运行过程中,运行压力、反应气条件、质子膜含水状态、电堆温度、输出电流等因素,都会影响电堆功率输出,因此须确定电堆输出最大功率的最优运行状态。为确定最大输出功率,建立了一个PEM-FC电堆参数模型和优化目标,并提出一种实现此优化的改进遗传算法。使用1kW电堆的实验数据通过最小二乘法确定了模型参数,同时详细叙述了如何利用此遗传算法实现优化,对PEMFC电堆最优运行条件进行了分析。计算和分析结果表明此遗传算法能够有效确定最大输出功率和最优运行状态。     

基于小生境遗传算法的配电网开关优化配置

在配电网安装分段开关可提高供电可靠性,分段开关优化配置是一种对应分段开关不同数量的多极值组合优化问题.分析配电网分段开关配置的技术特点,将初选出可能安装分段开关的线段作为控制变量,以减少染色体串的长度和搜索规模.把配置相同数量的开关作为一个小生境,提出应用小生境遗传算法来优化开关位置和数量,找出对应不同开关数量的全部极值点,从中选出满足可靠性要求的全局最优解,避开遗传算法收敛于局部最优解.实例证明该算法全局搜索能力强、收敛快.     

基于生态位理论的设计运动与设计思潮之辨

目的厘清设计运动与设计思潮的界线和联系,重新认识设计运动与设计思潮的内涵,以此来探索设计系统演变发展的规律。方法从生态位视角,通过分析设计运动与设计思潮一般特征、"态"与"势",以及两者在设计生态体系中的重叠、分离和互补现象。结论群体性、动态性、周期性、历史规定性是设计运动与设计思潮共同的特征,并对设计系统演化发挥着分化、驱动和整合的功能。设计运动与设计思潮生态位存在着诸多重叠和交叉。但是,两者的互补性和关键性差异使得彼此未产生排斥现象,也无法相互取代。设计思潮形成于设计运动之中,构成了设计运动的精神实质并借助于设计运动使之传播更为深远。也就是说,有设计思潮,则往往产生与之相关的一个或几个设计运动,然而有设计运动,则未必一定产生与之相应的设计思潮。     

一种基于免疫小生境思想的粒子群优化算法

针对PSO易收敛于局部最优的缺点,提出了运用免疫小生境思想来改进PSO。该算法在初始化时,运用正交的思想,使得粒子分布均匀;且在进化时,通过对每个粒子做免疫变换,使得每个粒子扩展成为在一个区域寻找最优值,提高了粒子的多样性,避免了局部最优;并且在变换时,每隔几代才进行免疫变换。这样在保证粒子多样性的基础上减少了运算量,提高了收敛速度。并在MATLAB环境下对Ackley函数、Schaffer函数、Griewank函数、Rastrigrin函数四个多峰函数进行了仿真验证,实验结果表明,改进的PSO算法能够有效地达到全局最优。     

可拓聚类适应度共享小生境遗传算法研究

针对遗传算法易陷入早熟收敛和全局搜索能力差等缺点,提出一种基于可拓理论的小生境遗传算法.算法首先构造了遗传编码物元和可拓遗传算子,然后通过可拓聚类方法实现小生境群体的划分,结合适应度共享技术和聚类代表个体保存策略,维持稳定多样的小生境.仿真实验表明,该算法能可靠、快速地收敛到全局最优解,有效避免早熟收敛,其收敛速度和求解精度均优于简单遗传算法和常规小生境算法.     

多目标柔性作业车间调度优化研究

提出了一种集成权重系数变化法和小生境技术的混合遗传算法,建立了包括时间、成本、交货期满意度和设备利用率在内的多目标优化模型。采用基于工序的编码方式和“间隙挤压法”活动化解码方法;遗传算子包括选择、交叉、变异3种类型;选择操作采用轮盘赌选择方式。为了保证解的收敛性和多样性,采用了精英保留策略和小生境技术。交叉操作采用线性次序交叉方式;变异操作采用互换操作变异方法。染色体的适应度是各个目标函数的随机加权和。仿真实验证明,提出的混合遗传算法可以有效解决柔性作业车间多目标调度优化问题。