遗传算法的改进及其在电力系统无功优化中的应用

针对无功优化的动态、多目标、多约束以及非线性特点,提出了基于简单遗传算法的改进算法,在简单遗传算法的基础上,添加了自适应控制和适应度排序思想,并对算法终止准则进行了改进。以IEEE14节点标准测试系统为例对该算法进行了有效性验证。仿真结果表明,该方法对电力系统的无功优化效果良好。     

凿岩机械手任务规划中遗传算法的适应度函数

多关节凿岩机械手在工作时，完成的是一个在一定工作面上随机的钻孔孔序任务，其孔序规划相当复杂，作者运用遗传算法规划其钻孔任务序，通过判断多关节钻壁上每1个关节的运动方向在彼此相邻的3个钻孔位置上的变化趋势，用数值0表示某一关节运动方程变在相邻3个钻孔不上一致，数值1表示一致，并根据具体工作情况对描述值进行修正，在此基础上设计了一个基于关节水平来规则凿岩机械手随机钻孔孔序的适应主函数，从而使整个钻孔孔序规划算法简单，收敛速度快，能寻求较优的钻孔孔序，此方法对于完成其他类型的关节型机械手的钻孔任务和轨迹规划也具有借鉴意义。     

基于模糊度测度和改进遗传算法的图像分割

为了利用模糊集理论进行图像分割,本文提出了一种模糊度测度函数,它衡量了背景模糊集和某一个二值图像的相似性:模糊度越小,这种相似程度越大;并且对模糊度的计算只需要进行简单的比较运算和加法运算,便于硬件实现。本文利用遗传算法求取最佳阈值,针对遗传算法的某些不足之处.我们利用精英策略和模拟退火的思想,对其做了一些修正。实验结果表明:相对于Shannon熵方法和模糊熵方法,本文方法取得了较好的分割结果,并且具有较强的抗噪声能力。     

一种基于遗传算法的模糊关联规则挖掘方法

文中提出了一种基于遗传算法的生成隶属度函数的方法,该方法通过遗传算法对初始种群进行优化,获得一个适应度较高的隶属度函数编码,然后再根据机场噪声数据的实际标准对优化后得到的隶属度函数进行修正,进而得到梯形分布的隶属度函数编码.最后通过得到的隶属度函数对数据进行模糊化,并采用FP-trees算法生成模糊关联规则.该文针对数量型属性提出了这种方法,它的优点是能够使通过遗传算法得到的较优的隶属度函数更加适用于实际的数据集.     

改进型云计算VM资源调度方法

针对云计算框架中VM资源调度问题,提出一种改进型云计算VM资源调度方法.首先,将直觉模糊机制和Canopy算法融入传统的模糊c均值聚类算法,设计一种改进型直觉模糊c均值聚类算法,用以完成对用户任务请求进行聚类;其次,设计一种改进型粒子群算法,对云计算中的VM资源进行分配.通过在Cloudsim平台上的仿真实验结果表明,本文方法无论在资源调度效率,还是收敛性效果方面均优于经典调度方法,预期可以作为云计算框架中一种有效的资源调度方案.     

基于改进遗传PI和重复控制的三相逆变器并网研究

比例积分(PI)控制技术可以快速跟踪并网电流,但由于逆变器包含电力电子开关器件,因而导致谐波电流含量高.此外,PI参数在调节过程中难以达到最优,更加剧了并网电流的畸变.为了得到更好的性能,一种改进的遗传算法被用来优化PI控制的参数.这种算法通过计算并网电流和给定电流的误差,构建电流适应度函数,迭代得到最优PI参数,从而降低并网电流畸变率.结合重复控制技术,构建特定频率陷波器和二阶低通滤波器,提高稳态性能.通过MATLAB/Simulink仿真平台,建立LC型滤波的逆变器并网模型,仿真分析并比较PI、PI结合重复、改进遗传PI结合重复3种控制策略的结果,验证所提控制策略的有效性.     

一种新的交叉粒子群算法

针对标准粒子群优化算法（SPSO）在处理高维复杂问题极易陷入局部最优的不足,文章在研究标准粒子群优化算法理论基础上,提出了一种带交叉因子的改进粒子群优化算法（MyPSO）,减小了算法陷入局部极值的可能。仿真实验表明,该算法（MyPSO）提高了全局搜索能力,但同时增加了搜索时间。     

自适应混沌粒子群算法及在PID整定中的应用

针对微藻自动培养装置的温度控制,常规PID控制器的参数整定需耗费大量人力进行调节,提出一种采用自适应混沌粒子群的PID参数整定算法,充分利用多涡卷广义Jerk混沌序列的随机性及遍历性,对粒子群进行混沌初始化;采用非线性调整机制对惯性权重进行自适应调整;引入基于适应度方差的局部收敛判别机制,以混沌扰动的方式帮助种群跳出局部最优.仿真结果表明,相较于标准粒子群算法,改进算法能始终保持粒子群的多样性,系统响应超调量小,调节时间短,具有更好的全局搜索能力,控制精度较高,适应性和鲁棒性好.     

人工蜂群算法的一种改进

人工蜂群算法作为一种新生代的优化算法,近年来在众多科学领域中表现出一定的优势,但是其收敛速度并不高效,并且容易过早地陷入局部最优。首先通过对适应度选择进行改进,提高算法的收敛速度,同时结合模拟退火算法,一定程度上避免过早陷入局部最优。最后用一组基准函数进行实验,证明改进后的人工蜂群算法有更好的优化性能。     

基于RBF神经网络优化的装备保障系统效能评估

针对现有装备保障系统效能评估方法存在依赖专家经验、主观性强等问题,提出一种基于径向基函数（RBF）神经网络优化的装备保障系统效能评估方法。通过完备交叉与预变异策略对遗传算法（GA）进行改进,利用改进的GA对RBF神经网络中心、宽度及输出权值进行全局寻优,并采用优化的RBF神经网络实现装备保障系统效能评估。仿真结果表明,该方法相比AGA-RBF和GA-RBF评估方法能更准确地评估装备保障系统效能值,并且可在一定程度上降低评估过程中主观因素的影响,确保评估结果更客观真实。