免疫遗传算法在配电网重构中的应用

配电网重构是配电网络优化的主要措施,其实质是一个多目标非线性混和优化问题.采用免疫遗传算法来研究重构问题的求解方法.免疫遗传算法在传统遗传算法的基础上,借鉴生物免疫机制中抗体的多样性保持策略和记忆抗原的特点,大大提高了算法的全局搜索和局部搜索能力.实验表明,免疫遗传算法具有很好的全局收敛性,能有效解决配电网重构问题.     

基于融合遗传原理的蚁群算法在配电网故障恢复中的应用

本文对配电网的故障恢复问题进行了研究,提出了结合实际的配电网故障恢复目标函数,在分析了遗传算法和蚁群算法的基础上,结合遗传算法和蚁群算法的各自优点,提出了一种将遗传算法融入到蚁群算法的新策略,利用遗传算法的交叉操作产生蚁群算法的新的旅行路径,以此提高蚁群算法的全局搜索能力,构造了基于遗传算法的混合蚁群算法。实例分析表明,该算法具有较快的收敛速度和较强的全局搜索能力,避免了不成熟收敛,有效地提高了故障恢复的速度和精度。     

基于二次协作优化方法的配电网重构

针对现今配电网线损大的问题,构建以网损最优为目标函数的配电网重构数学模型,提出二次协作优化方法.该方法利用模拟渔夫捕鱼算法的局部寻优能力来寻找遗传算法的初始种群,再通过遗传算法的全局寻优能力寻找最优解,从而提高算法的搜索效率.对IEEE 69节点测试系统的算例仿真结果表明:所构建的配电网重构数学模型能有效地降低配电网中的网损;所提出的二次协作优化方法具有搜索效率高、性能好的特点.     

基于遗传算法和禁忌搜索算法的混合策略及其应用

为了提高遗传算法的局部搜索能力,根据遗传算法和禁忌搜索算法自身的特点,通过分析2者的优势和不足,提出了一种将2者混合使用的求解优化问题的方法.本算法用遗传算法作全局搜索,用禁忌搜索算法作局部搜索,可以加快收敛速度,得到满意的计算结果.同时,为抑制早熟现象,避免收敛到局部最优点,提出了一种应对策略.实验结果表明,该算法在计算速度和计算结果方面都有改进.     

基于混合智能算法的电力系统无功优化研究

研究了电力系统的无功优化功问题,给出了结合电力市场实行的无功优化目标函数。在分析了遗传算法和蚁群算法各自优缺点的基础上,将遗传算法与蚁群算法融合,利用遗传算法的交叉、变异操作产生蚁群算法新的搜索路径,以此提高混合智能算法的全局搜索能力和收敛速度,并将混合智能算法应用于实例进行仿真。仿真结果表明,该混合智能算法具有快速的收敛速度和优良的全局优化能力。     

约束优化问题的实数制免疫-禁忌混合算法

针对免疫算法局部搜索能力较弱的缺点,提出了实数制编码的免疫-禁忌混合算法,在免疫操作后引入禁忌搜索算法来提高混合算法的爬山能力,从而提高求解精度和搜索速度,适合于约束优化问题的求解.在阐述混合算法计算原理的基础上,提出实数制编码方式、惩罚函数法和适应度函数构造方法.通过测试算例进行验算,计算结果表明,实数制编码的免疫-禁忌混合算法收敛速度快,计算精度高,特别适合计算复杂、时效性强的优化问题.     

岩体渗透系数反演的混合优化算法

采用反演的方法确定岩土介质的渗透系数,通过优化模型对渗透系数反演问题进行建模.在具有全局搜索能力的遗传算法的基础上,采用Powell局部搜索算法对遗传算法的变异算子进行改进.基于遗传算法和Powell局部搜索算法的基础上,构造混合优化方法,所提出的算法在保证全局搜索能力的同时,具有较快的收敛速度.结合工程实例检验了所提出算法的全局最优能性和快速收敛性.     

基于改进免疫遗传算法的网格任务调度

为改进网格计算中任务调度的低效问题,采用十进制的实数编码规则产生初始抗体群,由免疫遗传算法经过克隆和变异算子生成资源集合中的蚁群信息素,进而利用蚁群算法的并行性展开全局搜索,通过CloudSim仿真平台进行模拟,与粒子群算法及蚁群遗传算法进行对比,结果表明,改进的免疫遗传算法能够大幅提高网格计算任务调度效率,有效地解决网格任务调度问题.     

配电网重构的改进多种群遗传算法

将改进的多种群遗传算法(multiple population GA,MPGA)应用于配电网重构。该算法引入不同控制参数的多种群协同进化模式,并且能根据进化程度自适应的改变操作算子,具有良好的全局和局部搜索能力,克服了遗传算法未成熟收敛等问题。种群间通过移民算子共享进化信息。采用人工选择精华种群保存最优个体。根据配电网网络特点,提出了基于基本环路的整数编码方法,减少了变量维数。人工定义寻优过程中不满足配电网络辐射状及无孤岛的运行要求的不可行解一个低适应值,保证搜索范围的连续性。基于matlab遗传算法工具箱,对IEEE16节点和IEEE 33节点2个不同规模测试系统编程仿真计算,证实了算法快速稳定的全局寻优能力。     

一种求解函数优化的混合遗传算法

在浮点编码遗传算法中加入最速下降法，构成适于函数全局优化的混合遗传算法。混合算法改善了遗传算法的局部搜索能力，显著提高了遗传算法求得全局解的概率。由于只利用函数值信息，混合算法是一种求解函数全局优化问题的通用方法。     

中压配电网的网络重构方法研究

主要针对中压配电网运行时在满足可靠性的基础上如何降低线损的问题，提出了改进的多种群遗传算法进行了中压配电网网络优化（即重构），并建立了最小网损配网重的数学模型，最后通过实例分析了配网重构算法的有效性和配网重构的经济效益。     

考虑供电可靠性的智能配电网优化重构

配电网馈线联络的不断加强和配电自动化的建设使网络重构成为可能,通过对网络开关的调度控制来优化调整配电网的网络结构,从而提高配电网的供电可靠性.在传统经济性重构的基础上,进一步考虑了供电可靠性,提出了一种计及网损和系统停电损失的智能配电网优化重构模型,并采用改进遗传算法对IEEE 33节点配电系统进行优化重构问题的求解,结果表明,所提模型和算法具有可行性.     

基于免疫遗传算法的模糊神经网络在交流伺服系统中的应用

为了满足交流伺服系统高精度、快响应的要求，结合免疫遗传算法寻优速度快和模糊神经网
络控制不依赖于控制对象的优点，设计了一种基于免疫遗传算法优化的模糊神经网络控制的交流伺服系统
。采用免疫遗传算法优化模糊神经网络控制器中隶属函数的平均值、标准偏差以及隶属函数层与规划层的
连接权值。实验和仿真结果验证了该控制策略的可行性。该方法对于系统调节和设定值跟踪均具有很好的
控制效果，而且具有很好的抗干扰性能和较强的鲁棒性，使交流伺服系统具有良好的动、静态性能。     

一种新的模糊自适应模拟退火遗传算法在配电网重构中的应用

本文对配电网的重构问题进行了研究,提出了结合实际的配电网重构目标函数,并将遗传算法引入其中,用来解决这个复杂的,多目标,多约束的组合优化问题。针对遗传算法收敛速度慢、容易"早熟"等缺点,结合模糊推理、模拟退火算法和自适应机制,采用一种改进的遗传算法——模糊自适应模拟退火遗传算法(FASAGA),实例分析表明,该算法比标准的遗传算法(SGA)具有更快的收敛速度和寻优效果。     

基于实数编码的遗传算法在配电网络重构中的应用

配电网络是一个复杂的网络,对其进行网络重构的目的就是为了使网损最小.提出了一种基于实数编码的遗传算法,并在遗传算法中引入了模糊理论,建立了模糊控制器,对交叉率和突变率进行模糊控制,从而很好地解决了配电网络的重构问题.通过算例的分析比较,说明该方法是行之有效的.     

基于改进遗传算法的含分布式电源配电网重构

以运行时网络损耗最小为目标建立含DG配网重构的模型,采用考虑种群约束的编码规则改进遗传算法,简化了环网判断过程,提高了求解效率,有效实现了全局最优搜索,并防止了过早收敛.     

基于偏好多目标优化和遗传算法的输电网架重构

提出一种基于偏好多目标优化和遗传算法的输电网架重构方法,考虑对于不同优化目标的偏好,制定网架重构方案。计及系统中机组、线路以及负荷的影响,提出3个评价指标作为优化目标,构建一个偏好多目标优化模型。考虑到所建优化模型的偏好性和离散性,提出一种基于偏好的非支配排序遗传算法。提出基于偏好的支配关系、种群规模控制技术以及重复个体过滤技术,用于提高算法的效率,获得解数目可控的偏好Pareto最优解集。仿真结果表明,所提模型能够有效平衡网架重构的不同影响因素,所提算法对于网架重构优化问题有较高的求解效率。     

基于诊断策略遗传算法的配电网络重构算法

为减小网损,提出基于诊断策略遗传算法的配电网络重构方法.针对基因诊断策略,提出新的编码方案,改进遗传操作。对优质基因进行诊断,存入优质基因库;并且将诊断出的劣质基因（即不可行解）通过打开回路和连通孤岛的方法,将其修复为可行解,从而提高收敛速度和遗传算法搜索效率.最后对典型IEEE 33节点和IEEE69节点测试系统进行网络重构仿真实验,证实了算法的有效性,并与快速支路交换算法的计算结果相比较,表明了该算法可有效减小重构配电网的网损.     

基于神经网络的降阶VLSI／WSI阵列重构算法

提出了一个基于Hopfield网络的可降阶VLSI／WSI阵列重构算法,根据阵列中缺陷单元分布的二分图模型,将问题映射为相应的神经网络,有效地解决了阵列的重构问题。实验结果表明,与启发式搜索方法相比,所提出的神经网络方法是一种快速、高效的方法。     

配电网络重构的FPT-算法

将地区电网停电恢复问题转化为顶点覆盖问题,针对规模巨大的实际配电系统,将FPT-算法的思想引入配电网络重构,提出一种配电网络重构的FPT-算法,通过用图的多划分方法来化简配电网络重构问题的核心及对划分后子图的限定搜索树方法两个步骤对问题求最优解,这具有实用前景,也为人们对此问题寻找新方法提供更多的参考信息．