水电厂经济运行中遗传算法的应用

针对发电厂机组的运行现状,探讨了经济运行分析系统的基本运行方式及约束条件,并构建了经济运行所需的机组间负荷优化分配模型,给出了求解机组组合的优化算法及使用遗传算法求解机组出力的步骤,从而实现了经济运行系统的设计并指出了系统投入运行的实际意义。     

电站多台机组经济运行算法研究

研究电厂多台机组经济运行的调度算法,开发 了电厂经济运行计算平台并将其加载在网控培训仿真机教员台上．首次将等微增率算法、浮 点数编码遗传算法和变尺度混沌优化算法等3种调度算法集中到一个计算平台上．给出了3种 调度算法的计算结果．采用3种调度方案的计算平台投入运行后将给电厂带来可观的经济效 益．     

遗传算法在电站锅炉燃烧优化中的应用

提出了一种新的RBF神经网络的设计方法,采用遗传-K均值聚类算法对RBF神经网络的隐层节点中心值进行优选,用遗传算法训练RBF神经网络的权值。以锅炉燃烧为实例,通过从现场采集的数据建立神经网络模型,并用遗传算法寻找最优输入变量组合,实现锅炉燃烧优化。     

改进遗传算法在地层对比中的应用

针对简单遗传算法存在早收敛和在进化后期搜索效率较低的缺点,提出了一种变参数的遗传算法。该算法对种群的个体赋予寿命,并根据寿命对遗传算法的选择、交叉和变异算子以及种群规模自动调整,能够有效防止早收敛并改善遗传算法收敛性能。并用改进的遗传算法解决基于测井曲线的地层对比的问题,取得了较好效果,验证了算法可用性和高效性。     

改进的遗传算法在作业调度中的应用

作业调度问题（JSP）是一类典型的NP-hard问题,遗传算法作为一种通用的优化算法在求解JSP中得到了广泛的应用。本文主要针对作业车间调度问题,基于改进的遗传算法 ,根据种群的进化状况,从而确定种群的适应度值,使之能够保持种群的多样化。     

改进遗传算法在电力系统无功优化中的应用

遗传算法是一种模拟生物进化过程的优化算法,可用于求解包含离散化变量的复杂优化问题,是近些年发展起来的基于自然选择规律的一种优化方法.本文提出了一种应用于电力系统无功优化问题的改进遗传算法,该算法在一般遗传算法的基础上,对适应函数、编码方式以及变异操作等方面作了改进.经电力系统的无功优化问题实例计算表明,改进遗传算法的优化结果可以更有效地达到或接近全局最优.     

改进遗传算法在发电机组优化组合中的应用

在研究遗传算法（ＧＡＳ）的基础上，提出了一种改进遗传算法（ＩＧＡ），并将其应用于发电机组的优化组合中。本文所提出的发电机组改进遗传算法具有快速搜索、易收敛和强鲁棒性的特点。最后，用ＩＧＡ法确定一实际电力系统机组优化组合，结果证明该方法的有效性和应用前景     

改进遗传算法在网格任务调度中的应用

为了提高遗传算法的搜索性能,同时满足网格资源的优化分配,提出了一种带过滤机制的遗传算法,使其适用于网格任务调度问题的优化处理.仿真研究表明该算法更符合网格调度的复杂环境,能得到较短的任务执行时间和较好的负载均衡性.     

遗传算法在TSP问题中的应用及改进

旅行商问题(TSP)是研究算法性能的典型算法,遗传算法GA(Genetic Algorithm)是由遗传进化理论指导的随机搜索寻优算法。但传统的GA对于地形复杂、极无规律的TSP的应用效果不理想。本文通过在传统GA中引入种群分类,提高搜索能力,加快速度。     

改进的遗传算法在医学图像中的应用

针对标准的遗传算法（ GA）在优化Otsu法求取图像阈值时出现收敛速度慢、易早熟等问题,提出了一种改进的GA用于图像分割。该算法根据种群不同的进化代数和个体适应度的大小,动态地调整精英选择策略和遗传算子,从而提高了算法的收敛速度、得到了范围稳定的图像分割阈值,且保持了种群多样性。将该算法应用于医学图像分割,实验结果表明：该算法可以对医学图像进行分割且效果明显。     

基于网格的遗传算法及其在公交运行计划编制中的应用研究

利用基于网格的遗传算法解决城市公共交通运营中的运行计划编制问题.首先应用有序样奉聚类算法对城市公交历史客流量样本数据进行数据挖掘,然后在综合考虑乘客待车成本和公交公司运营亏损等因素的前提下构造遗传算法的适应度甬数、编码方式和约束条件,最后在网格平台上初始化箅法种群,并分配不同的子种群到网格的各个集群、节点上并行地进行选择、交叉、变异及计算染色体的适应度等进化操作,同时以一定的规律在集群和集群、节点和节点之间交换优秀染色体,从而能快速得出满意的运行计划时刻表;通过仿真实验,证明了该方法的有效性和实时性.     

新型灾变自适应遗传算法及其应用

遗传算法经常被应用于工业生产中的最优化问题当中,但是在面对非线性、多极值、多变量的问题时容易在早期寻优过程中陷入局部最优解范围.本文通过对传统的遗传算法添加灾变操作,减少了遗传算法常见的“早熟”现象,配合灾变操作的迭代次数的变化设置了遗传操作自适应变化,增强了算法后期的寻优能力.该算法以河北某钢铁企业的实际生产数据进行检验,实验结果表明该算法能在保证烧结矿性能质量的前提下,有效的降低原料成本,有效降低早熟现象的发生,提高了算法的整体搜索能力,在工业生产当中的最优化问题当中可以发挥很好的效果.     

混沌遗传算法及其在函数优化中的应用

将混沌优化和遗传算法结合起来,提出了混沌遗传算法(CGA,Chaos Genetic Algorithm),并将其应用于函数优化问题的求解。通过在种群进化的不同阶段引入混沌优化操作,大大提升了遗传算法的整体性能。实验结果表明,与标准遗传算法(SGA)相比,该算法能更有效地求得全局最优解,具有更快的收敛速度。     

新型并行遗传算法及其在参数估计中的应用

基于极大似然法的参数估计实质上是一个复杂的非线性优化问题,传统的优化方法计算效率较低且容易陷入局部极值。该文将单纯形法与并行遗传算法相结合,提出了一种新的并行遗传算法,可以有效地防止搜索过程中的早熟现象。应用于系统初始状态未知时的参数估计问题,获得了满意的结果。     

遗传进化算法在时间序列建模中的应用

该文把时间序列建模看作是模型结构和参数的优化搜索过程,将遗传规划与遗传算法结合起来对结构和参数共存且相互影响的复杂解空间进行全局最优搜索实现模型结构和参数的共同识别。实例分析表明该方法建立的预测模型具有较高的精度和推广预测能力。     

遗传算法在列车运行控制模型中的应用

针对轨道交通列车节约能耗、节省时间和提高舒适度等因素之间的冲突问题,建立了以工况转换点为求解目标的多约束条件下列车运行优化控制模型,并提出了弯道优行法的列车通行原则,优化了弯道运行策略.对模型进行分析,应用遗传算法对该问题进行求解,最后采用MATLAB软件进行仿真验证.仿真结果表明,该模型方法能够有效的优化列车运行模式,在运行时间只延长11.96%的情况下,能耗降低了33.27%,并保证了乘客的舒适度,最终得到了比较理想的运行策略.     

基于量子遗传算法的盲源分离算法研究

在改进遗传量子算法的基础上，提出了一种新的量子遗传算法并从理论上证明了算法的全局收剑性．提出了基于量子遗传算法与独立分量分析算法相结合的盲源分离新算法．仿真结果表明：新方法比采用常规遗传算法的盲源分离方法具有明显的高效性．     

遗传算法交叉和变异操作的模糊优化

该文针对遗传算法存在的问题,在总结了有关交叉和变异操作的启发性知识的基础上,给出了交叉概率、交叉点位置和变异概率的模糊优化规则,提出了一种新的基于模糊控制器的遗传算法(FCGA)。对三个函数的优化结果表明:FCGA不仅能够有效克服早熟收敛,而且提高了算法的收敛速度。     

基于遗传算法的列车优化操纵曲线研究

列车优化操纵是列车节能控制的关键,本文以牵引计算理论为基础,结合列车运行过程中的要求,构建以能耗、时分误差、限速等为目标的列车节能控制模型,采用实数遗传算法,通过Visual Basic编程对此问题进行求解。在已知列车编组的条件下,以DF4(客)型机车的牵引、动力制动时的能耗曲线为基础,得到给定运行时间、距离条件下的优化操纵曲线,从而对司机节能优化操纵给出指导性意见。     

一种改进的抑制早熟收敛的遗传算法

针对遗传算法运算速度低、容易陷入局部最优值、早熟收敛等缺点,提出了遗传算法算子的一些改进策略,对遗传算法的选择、交叉、变异算子以及操作方法进行了改进,采用最佳保留选择策略,改进后的交叉与变异操作,使算法始终保持了种群的多样性,同时也提高了寻优最终结果的精确性.实验表明改进的遗传算法有效的改善了遗传算法的缺点,改进后的算法明显优于传统的遗传算法,该算法具有良好的有效性和可行性.