一种求解环境经济负荷调度问题的人工神经网络新方法

提出了一种求解火力发电系统的环境经济负荷调度（EELD）问题的新的人工神经网络方法。该方法可以克服传统神经网络方法引起的参数问题，而且不论其初始点是否位于可行域内，神经网络模型所表示的动态系统的状态都会快速收敛于对应的EELD问题的全局最优解。文中还利用一个3机测试系统证实了此方法的有效性。     

电力系统NP难问题全局优化算法的研究

通过对现有的NP难问题求解方法的分析，结合非确定性图灵机理论，提出基于随机化技术的方法是求解NP难及NP完全问题惟一有效途径的猜想。在现有的随机化方法中具有多点搜索特性的遗传算法具有最强的全局搜索能力，其局部精细寻优能力差的缺陷应通过专门的局部优化算法来补偿，即利用具体问题的特点开发面向问题的遗传算法。提出了开发新的高效全局优化算法的指导思想：多点随机化全局搜索策略 面向问题的局部寻优算法=最有效的全局优化算法。     

基于遗传算法的多目标问题求解方法

寻求非劣解集是多目标决策的基本手段。已有成熟的非劣解生成技术本质上都是以标量优化的手段通过多次计算得到非劣解集。目前遗传算法在多目标问题中的应用方法多数是根据决策偏好信息，先将多目标问题标量化处理为单目标问题后再以遗传算法求解，仍然没有脱离传统的多目标问题分步解决的方式。在没有偏好信息条件下直接使用遗传算法推求多目标问题的非劣解集的研究尚不多见。     

用于求解函数优化的蚁群算法设计

为了求解一般的函数优化，在标准蚁群算法的基础上，引入了遗传算法的编码方式，对蚁群算法的信息素更新进行改进。通过对几个经典测试函数的求解，证明了该算法的有效性。     

双倍体遗传算法求解龙溪河梯级电站长期优化调度问题

本文应用新近提出的双倍体遗传算法，求解龙溪河梯级水电站长期优化调度问题，有效解决了简单遗传算法的不足，优化调度结果令人满意。     

一种改进的水电站优化调度粒子群求解算法

重点分析了常规粒子群算法(Panicle Swarm Optimization,PSO)在水电站优化调度应用中存在的问题和出现的原因,并针对问题提出了相应的解决方法,形成了基于粒子群算法的水库优化调度改进应用方法.改进前后计算结果的对比分析表明,改进后的粒子群算法可明显提高求解水电站优化调度问题的收敛速度和求解精度.     

利用改进的遗传算法求解供水优化调度研究

针对标准遗传算法存在容易产生过早收敛及易陷入局部最优的问题,提出了一种改进的遗传算法,并成功地应用在华东某市供水优化调度。数值模拟的结果表明利用该改进的遗传算法求解大规模供水系统优化调度问题,有效地克服了早熟现象,提高了全局优化能力。     

一种工程实用的动态等值方法

研究同时包含特高压交流和特高压直流华东电网的动态特性有必要搭建电磁仿真平台。为提高电磁平台仿真效率,在保持电网原有动态特性的前提下,在机电暂态仿真环境下对原有网络中非关注的和低电压等级网络分别进行了等值,从而达到缩减规模的目的。采用同调等值法进行外网等值,基于受扰轨迹主导群方法识别同调群,并通过弱化励磁系统调压能力和调整原动机调速系统的调频能力,对等值机的参数进行了修正。对低电压等级网络等值时,首次提出了按与直流关联紧密程度不同而采用不同的工程实用等值方法,兼顾了等值效果和仿真效率。     

一种求解最优机组组合问题的随机扰动蚁群优化算法

针对蚁群优化算法中易出现的停滞现象，设计出一种新颖的随机扰动蚁群优化算法。该算法包含了两个重要方面：一是提出了采用倒指数曲线来描述的扰动因子；二是设计出了相应的随机选择策略和扰动策略。此外，还对该算法中参数的选取方法及取值范围进行了研究和探讨。利用该算法求解最优机组组合问题，并在模型的转化、约束项的处理等方面进行了深入的分析。通过对两个测试系统进行计算，并与基本蚁群算法进行比较，证明了该算法可以有效地克服基本蚁群算法计算时间较长和容易出现停滞现象的缺陷，具有更好的全局优化能力。     

蜜蜂进化型遗传算法在水库优化调度中的应用

提出了一种基于蜜蜂进化型遗传算法的水库优化调度问题的求解方法,并通过实例对蜜蜂进化型遗传算法和标准遗传算法的性能做了比较.结果表明,在进化代数相同的条件下,由于蜜蜂进化型遗传算法在配种选择算子上使用种群的最优个体作为蜂王,提高了种群收敛速度;再者,在代进化过程中引入一个随机种群,保持了群体的多样性,提高了算法的勘测能力.     

自压式树状管网神经网络优化设计

应用Hopfield神经网络模型的优化计算原理与方法, 建立了自压式树状管网神经网络优化设计模型, 并用计算机软件模拟方法求解. 研究表明: 人工神经网络法是快速求解自压式树状管网非线性规划模型的一种新方法, 结合两级优化算法可以实现树状管网全局最优设计.     

多目标梯级水库优化调度问题的免疫遗传算法

在研究现有多目标遗传算法的优越性与存在不足的基础上,受生物免疫原理的启发,提出了一种新的优化调度算法--多目标免疫遗传算法,有效克服遗传算法的早熟、群体多样性不足及搜索速度慢等问题.同时,以梯级水库优化调度发电量和保证出力为目标,建立了三峡梯级水库多目标优化调度模型.通过实例研究计算,论证了该方法的有效性和实用性.     

改进遗传算法在城市给水管网改扩建工程中的应用

论述了遗传算法在城市给水管网优化应用中的原理和特点,针对传统遗传算法存在的问题 提出了改进意见,同时还介绍了改进遗传算法在四川某市给水管网改扩建工程中的应用情况。该计算 方法比传统的计算方法节省管道投资,而且因城市给水管网得到优化,水厂二泵站的电耗也得以降低。     

遗传神经网络在二维潮流特性模拟中的应用

本文将水动力学模型与遗传神经网络方法结合，对深圳湾生态敏感点潮流的实时变化特性进行了预测。利用人工神经网络得出的模拟结果与经过实测资料验证的海湾二维潮流模型的模拟结果十分吻合，从而说明了将遗传神经网络用于二维潮流运动特征模拟的可行性。     

改进遗传算法及其在泵站优化运行中的应用

在分析遗传算法基本理论的基础上,针对泵站优化运行问题的特性,从控制参数、选择方式、交叉机理和种群设置等方面进行改进,建立求解高维整型离散决策变量的改进遗传算法。以淮安四站为例进行计算,比较并分析改进遗传算法和标准遗传算法在泵站优化运行中的适用性,为泵站优化运行算法的设计和应用提供参考。结果表明:同时改进适应度和种群的混合改进遗传算法——FFGATPGA,精度高,计算速度快,具有收敛一致性,可用于复杂泵站系统的实时优化调度计算。     

复杂防洪系统优化调度的三层并行逐步优化算法

逐步优化算法(POA)在求解水库群防洪优化调度问题方面,应用广泛且较为有效。但是随着水库数量的增加和计及洪水演进、干支流汇入等因素,该算法求解复杂防洪系统调度的效率降低。本文在POA算法基础上,引入莱维飞行更新策略、模式搜索法以及并行技术,提出了三层并行POA算法(TPPOA),并应用于赣江中下游复杂防洪系统的防洪优化调度中。结果表明,相较常规防洪调度规则和POA算法,TPPOA获得的调度策略可以有效降低下游防洪控制点洪峰流量,减轻下游防洪压力。此外,在6核心CPU计算机下,TPPOA计算速度约为POA算法的3～7倍,计算速度更快。本文为复杂防洪系统的优化调度提供了一种新的方法。     

A Genetic Programming Approach to Rainfall-Runoff Modelling

Planning for sustainable development of water resources relies crucially on the data available. Continuous hydrologic simulation based on conceptual models has proved to be the appropriate tool for studying rainfall-runoff processes and for providing necessary data. In recent years, artificial neural networks have emerged as a novel identification technique for the modelling of hydrological processes. However, they represent their knowledge in terms of a weight matrix that is not accessible to human understanding at present. This paper introduces genetic programming, which is an evolutionary computing method that provides a transparent and structured system identification, to rainfall-runoff modelling. The genetic-programming approach is applied to flow prediction for the Kirkton catchment in Scotland (U.K.). The results obtained are compared to those attained using two optimally calibrated conceptual models and an artificial neural network. Correlations identified using data-driven approaches (genetic programming and neural network) are surprising in their consistency considering the relative size of the models and the number of variables included. These results also compare favourably with the conceptual models.     

重力单水源环状管网优化设计的遗传-线性规划算法

本文首先提出了基管段流量概念,并作为优化变量,建立环状管网流量优化分配的非线性规划模型;又以管道尺寸为优化变量,建立某一流量分配方案下管网优化设计的线性规划模型。在优化设计计算过程中,采用遗传算法求解非线性规划模型及单纯形法求解线性规划模型,两种优化算法交替计算,可确定环状管网优化设计方案。本文提出的方法,是一种有效地解决重力单水源环状管网优化设计的新方法。     

改进遗传算法在渡槽优化设计中的应用

简要介绍了基本遗传算法的原理,并对遗传算子作了改进．将改进后的遗传算法应用于大型预应力U型渡槽优化设计中,计算结果验证了优化设计方案的可行性与有效性．     

基于遗传-神经网络的城市需水量预测方法研究

为了实现城市可持续发展，城市需水量预测极为重要。针对目前常用的灰色预测方法，从建模机理出发，指出了灰色建模中存在的不足。本文将人工神经网络原理引入城市需水量预测中，并针对BP网络收敛速度慢、易陷入局部极小的缺陷，提出了基于GA和BP的预测模型，实例研究表明该模型是一种行之有效的城市需水量预测模型。