基于改进遗传算法的输电网优化规划

针对传统电网规划方法往往只能提供一种规划方案的缺点,提出用遗传算法进行输电网规划,根据输电网规划的特点,对遗传操作进行了改进设计,算例分析表明,该法可获得一批最优、次优的规划方案,结果令人满意.     

基于改进粒子群算法的输电网扩展规划

针对标准粒子群（SPSO）算法易收敛到局部最优的缺点,采用了一种改进的粒子速度更新公式,即在SPSO算法速度更新公式的基础上,加入一个平均极值项,使得各粒子能参考其它同伴的信息;此外在算法迭代过程中加入变异操作,适时初始化失活粒子的位置和速度来保持种群多样性．在输电网扩展规划中的应用结果表明,上述两个操作可以提高PSO算法的收敛精度,使算法最终寻找到全局最优解,从而证明了改进粒子群（IPSO）算法的有效性．     

基于改进粒子群算法的输电网扩展规划

输电网扩展规划是一个非常复杂的大规模组合优化问题,提出了一种改进粒子群算法求解此类优化问题。该算法针对传统的粒子群算法存在的缺点,对粒子群迭代行动策略、初始化策略以及惯性权重的调整进行了改进,并将单纯形法引入到算法中,弥补算法容易陷入局部最优的缺点,提高了粒子群算法的搜索效率,使其更适用于输电网扩展规划。将其应用到Garver-6节点系统和一个18节点系统,计算结果证明该算法的可行性和有效性。     

基于向量序优化的多目标输电网规划方法

引入了向量序优化理论求解输电网的多目标静态规划问题。以最大化输电方、发电方以及用户方电力市场三大成员的自身利益为优化目标,建立了以输电网扩建投资最小、系统发电费用最小、以及负荷损失费用最小为优化目标的多目标规划模型,并采用向量序优化理论求解足够好的全局非劣解。基于Garver系统的仿真试验表明,充分利用了各子目标的优化信息,克服了大规模输电网规划过程中存在的"维数灾"问题,并大幅度提高了计算效率,使优化求解时间由41.7 h下降为0.26 h,降低了99.4%。     

全局组搜索优化算法及其应用研究

组搜索优化算法GSO(Group Search Optimizer)是一种基于动物捕食原理的新型群智能优化算法。本研究提出了一种改进的GSO优化算法:全局组搜索优化算法GGSO(Global GSO)。主要在两个方面对GSO算法进行了改进,一是在迭代过程中引入加速系数,加快种群收敛速度,增强算法的局部搜索能力;二是用高斯函数来产生随机位置变异,扩大搜索空间,从而增强算法的全局搜索能力。经过11个无约束测试函数和3个带约束问题的测试及与其他文献的比较可知,GGSO算法具有较好的局部和全局搜索能力,并且能够解决复杂的实际问题。     

基于改进蚁群算法的搜索机器人路径规划

针对搜索机器人路径规划问题,提出了一种改进的蚁群算法。算法构建一个栅格环境模型,并设置禁忌策略将部分栅格归为禁忌栅格以避免路径死锁;采用折返蚂蚁,且正向与反向蚂蚁分别采用不同搜索策略,来提高算法的收敛速度;构造路径综合评定目标函数,提高搜索最优路径的能力。实验表明:即使在复杂的环境中,本文算法也能快速地规划出最优路径。     

一种适用于电网扩展规划问题的边界搜索粒子群优化算法

针对电网扩展规划问题,根据粒子群算法收敛性受初始粒子分布影响较大的特点,结合边界搜索思想,提出了一种粒子群初始化方法。该方法利用边界搜索策略对粒子群进行初始化,使粒子初始化在安全边界附近,优化了粒子群的初始化范围。最后通过算例证明了这种方法应用于电网规划的有效性。     

智能电网条件下的多目标输电网规划

输电网是电力企业的重要基础设施,直接关系着企业的经济效益和社会效益。所以,在进行输电网规划时,需要确保规划的经济性、科学性和安全性。但就目前来看,电力企业在进行多目标输电网规划时存在着诸多问题。而在智能电网的条件下,电网的安全性可以得到确保,以便顺利寻求多目标输电网规划的合理路径。因此,基于这种认识,本文对智能电网条件下的多目标输电网规划问题进行了分析,以便为关注这一话题的人们提供参考。     

基于GIS和Tabu搜索的配电网优化规划

针对传统方法求解配电网优化问题时速度慢的缺点 ,引入了具有快速搜索能力的Tabu搜索算法 .为了使规划结果更加直观 ,又引入了地理信息系统 (GIS ,GeographicInformationSystem)平台 .优化模型考虑线路投资的时间价值 ,以计及投资和损耗费用的年费用最小为目标 ,以线路传输容量、配电网的辐射性等为约束条件 ,以备选网络的生成树作为初始解 ,用Tabu搜索算法进行寻优 .算例结果表明 ,该方法具有一定的可行性和有效性     

基于食物链生态进化算法的多阶段输电网络规划

将模拟生物界能量传递方式的食物链生态进化算法应用于多阶段输电网络规划。根据食物链生态进化算法收敛性受初始食物链上个体分布影响较大的特点,提出了一种初始化方法。该方法使得初始种群广泛分布于搜索空间,避免了完全随机初始化群体分布不合理的缺点。根据多阶段输电网络规划的特点,提出了以待选线路为决策变量,规划阶段号为搜索域的实数编码方法,解决了决策变量维数随着规划阶段数的增加而增加的问题。根据食物链中低级种群和中级种群品质较低的特点,提出了大变异策略,使得低级种群和中级种群可以快速产生新个体,改善群体品质,避免"早熟"。将所提方法应用于19节点系统,得到了现有文献中有关该系统的最优规划方案,表明该方法的可行性和有效性。     

基于有序爬山法的前向启发式搜索规划

根据快速前向启发式搜索规划器FF中放宽规划图和有利动作之间的关系,定义了状态适用度函数的概念,可对后继扩展状态的启发式估值进行快速近似的比较。在此基础上,结合增强型爬山法搜索后继状态的贪婪选择机制,提出了一种改进的局部搜索算法——有序爬山法,即根据状态适应度函数对所有待扩展的后继状态进行排序,并加入到扩展优先队列。在启发式估值阶段,适应度高的状态将被优先计算评估,有利于更快地发现较优状态,从而减少调用启发式估值程序的次数。通过在国际规划大赛基准测试领域的实验结果表明,该方法减少了搜索节点的数目和搜索时间,有效地提高了启发式搜索效率,而计算状态适应度及对状态进行排序的时间消耗几乎可以忽略,因此整体规划性能比FF有显著的提升。     

基于二进制搜索算法的RFID系统防碰撞算法

为了有效解决二进制搜索算法标签识别延时过长的问题,提出了二进制搜索算法的一种改进算法,通过设置堆栈,变量Count,引入了反向搜索的机制.仿真试验结果表明该改进算法显著地减少了读写器向标签发送的请求次数,解决了二进制搜索算法延时过长的问题,提高了标签识别的效率.     

基于群用户兴趣模型的搜索结果排序研究

为提高搜索引擎的查准率,提出了一种基于群用户兴趣模型的加权全局相关度查询排序算法。算法综合考虑了用户搜索意图与搜索结果的全局相关度,改进了搜索引擎的排序结果,为用户提供了准确的搜索服务。实验结果表明,与用户意图相关的搜索结果能够排在最前面,搜索准确率明显提高。     

基于改进布谷鸟搜索算法的云计算任务调度

针对云计算系统中能否高效地调度子任务的问题,本文提出了一种基于改进布谷鸟搜索算法的任务调度算法.利用柯西分布对陷入局部极值的鸟巢进行扰动,有利于提高布谷鸟搜索算法全局搜索的质量.算法运用整数编码方式,利用改进后的算法求得最优解.使用云仿真平台进行验证,结果证实了所提出算法的有效性.     

基于改进蚁群算法的移动机器人全局路径规划

对已栅格化的机器人运动空间中的障碍物预处理,在蚁群算法原理的基础上,改进了伪随机比例规则,使蚂蚁的下一节点选择更加倾向于目标点,提高了蚂蚁的搜索效率。引入最优一最差蚂蚁思想来更新全局信息素轨迹的强度,增强搜索过程的指导性。为了防止早熟收敛现象的发生,采用最大一最小蚂蚁思想来限制信息素的强度。仿真研究表明：该算法具有高适用性和灵活性,对解决静态路径规划问题是可行的,有效的。     

基于改进遗传算法的机器人路径规划方法

针对基本遗传算法在机器人路径规划中存在收敛速度慢、易陷入局部最优解的问题,提出一种改进的遗传算法. 在适应度函数中增加带有惩罚项的平滑度函数; 引入精英保留机制,保留每一代最优个体; 自适应调整交叉概率和变异概率,使交叉概率和变异概率随进化次数变化而变化. 利用MATLAB在两种障碍物地图中与其他两种算法进行仿真对比分析,实验结果表明,改进后的算法在路径规划的应用中有效减少了机器人的转弯次数,提高了逃离局部最优路径的能力,寻优能力更强.     

一种基于预测信息的时间依赖网络路径规划算法

对时间依赖路网最短路径规划算法的研究是车辆动态导航技术领域研究的热点之一。针对最小时间规划算法存在的不足,在研究SPFA（ShortestPathFasterAlgorithm）静态规划算法的基础上,结合两种算法的优点,提出了一种改进的基于路况预测信息的最小时间路径规划算法,并通过实例进行了验证。结果表明,新算法能够提供实时、高效、预测性强的规划路径,在城市交通中能较好满足用户需求。