一种自适应小生境分布性保持策略

 小生境技术被广泛应用在多目标进化的分布性保持方面.但是,小生境半径不易控制等限制了其在分布性保持等方面的发展.本文提出了一种自适应小生境分布性保持策略(Adaptive Niche,AN).AN通过对Pareto解集生成最小生成树来自适应调整小生境半径,同时扩大搜索小生境半径并改变计算方法使之能够识别小生境边沿的个体,便于对其修剪与评价.通过与NSGA-II,SPEA2在不同形状测试函数上进行对比实验,结果表明,AN能够对Pareto最优面进行高效地分布性保持.     

一种快速构造非支配集的方法--擂台法则

多目标进化算法是用来解决多目标优化问题的,为了提高多目标算法的效率,提出了一种快速构造非支配集的方法——擂台法则。它的时间耗费要低于Deb和Jensen提出的构造非支配集的方法。在实验中将擂台法则同Deb和Jensen的方法进行了比较,最后实验结果证明前者在运行时间上要优于后两者。     

虹吸现象导致机组低加水位大幅度波动的原因

热力发电厂为了提高机组热经济性,一般均采用给水回热系统,即利用汽轮机抽汽在回热加热器中对锅炉给水进行加热,一方面使进入锅炉的给水温度升高,使部分工质的汽化潜热重新在循环中得     

一起循环流化床锅炉“灭火”事件分析

1锅炉灭火事件概述 通常,锅炉在正常运行时燃烧稳定,在没有人为干扰的条件下,相关参数如炉膛温度、蒸汽温度和压力等,将维持基本不变。但是,当受到某一因素干扰后,锅炉可能会发生燃烧不稳定,甚至燃烧突然中止、炉膛火焰丧失等现象。     

基于Delaunay三角剖分的多目标进化算法解集分布度评价指标

系统分析目前多目标进化算法(MOEAs)分布度评价指标的特点和不足,提出一种基于Delaunay三角剖分的分布度评价指标。该指标将基于邻域和基于距离的评价思想相结合,利用Delaunay三角网最近邻与邻接性的特点实现自主邻域划分。采用空间映射的方法,有效减少MOEAs解集非支配关系对种群分布度评价的影响。测试结果表明该指标能准确反映MOEAs解集的分布性。     

求解TSP问题的混合遗传算法

TSP问题是一类经典的NP问题,目前有很多方法对其求解,而用混合遗传算法对其求解取得了很好的成效。常见的混合遗传算法有遗传算法与最速下降法相结合（GACSDM）、遗传算法与模拟退火法相结合（SAGA）。设计了贪婪的复合变异算子（GCM）,并引入隔代爬山法算子（Climb）增加遗传算法的局部搜索能力。实验结果表明该算法是有效的。     

基于动态ε支配的多目标遗传算法

基于Pareto支配的MOEA存在着一些缺陷,如容易出现退化现象等。而基于ε支配的MOEA可以比较好地解决这些问题,并具有比较理想的收敛性和分布性。但是采用传统的ε-MOEA时,最大的困难就是ε的值的设定,并且传统的MOEA得出的解在边界部分个体的丢失现象也比较严重。针对这种情况提出了一种新的基于动态ε支配的多目标遗传算法（DEMOEA）,它不需要手动设定ε的值,并且引入了动态网格概念来改善边界解丢失的现象。通过与其他两个经典的多目标进化算法的NSAGA-II和SPEA-2的对比实验,表明提出的DEMOEA能在收敛性、分布性有较好的改进。     

多目标进化算法中变异算子的比较与研究

提出了一种适应于多目标进化算法的变异越界处理策略,成功地将这些变异算子应用到多目标进化优化问题中,从多目标优化收敛性的角度比较了这些变异算子的性能。通过一组实验表明这种越界处理方法是非常有效的,单目标优化中的这些变异算子具有与多项式变异算子相当的分布性,同时取得了更好的收敛性能。     

电除尘器高压柜运行方式优化调整

针对某电厂电除尘器（ESP）运行中电耗大的情况,进行了ESP高压柜控制方式的调整试验。调整后,可使ESP占厂用电率从0．4％下降到0．28％,下降了0．12％左右,节能效果非常明显。     

引导交叉——一种新的遗传交叉策略

介绍了遗传算法的优化方法,在已经存在的交叉算子上提出了一种新的交叉算子——引导交叉,它结合了异位交叉和等位交叉的特点,并加入个体反码表示形式,在执行交叉操作前有一个自适应的选择交叉方式的判断,给出了5组不同的测试函数的仿真实验。实验结果表明,引导交叉算子可比其他交叉算子更有效地提高遗传算法的收敛性,且易于找到全局最优解。