基于进化规划的电力负荷预测

讨论了模拟进化优化方法中的进化规划（ＥＰ）在电力负荷预测中的应用问题．在基因编码、适合度函数和变异量取值方面进行了研究,引入了优化组合预测模型,进一步拓展了进化规划在电力系统中的应用前景．经实例计算表明,该方法不仅克服了梯度寻优可能陷于局部最优解或在接近最优解时难以收敛的缺点,也省去了常规方法大量、复杂、繁琐的计算,具有全局寻优、并行处理特性、通用性好、稳定性强等优点,因而是行之有效的．     

固定采购成本与最小采购量约束下的周期库存

对最低采购量约束下带有固定采购成本的随机库存模型进行了分析．当约束作用在单周期或双周期下，得到了最优库存控制策略，并给出求解方法．当约束作用在多周期下，问题性质复杂，难以得到最优解，给出了利用进化计算与BP神经网络结合寻找多周期问题近优解的方法，有效降低了计算复杂度．仿真实例表明使用该方法的误差很小．     

电力负荷综合预测方法的研究

提出用自适应进化规划方法进行电力负荷综合预测，引入了优化综合模型，同时采用某地用电量进行预测分析．对进化规划的变异操作、适应度计算及竞争选择方案进行了研究．结果表明，该方法具有全局寻优、自适应性强、通用性好等优点，预测精度有了很大的提高．     

一种线性三层规划的改进的Frank-Wolf解法

利用KT条件、罚函数法,将三层线性规划降为约束条件为线性的二层规划,再利用Frank-Wolf线性逼近的理论,从而仅需求解一层线性规划就得到了三层线性规划的最优解.其中线性规划的求解应用了主元标单纯形法,其优点是可以得到更靠近最优点的可行解,从而减少计算量.     

G-KKT-不变凸非线性优化问题

为了简化非线性规划问题求最优解的计算量,在KKT-不变凸(Karush-KuhnTucker-invex)优化问题以及G-不变凸函数概念的基础上,引入了G-KKT-不变凸问题的概念.在G-型约束限制的条件下,证明了非线性规划问题(NP)的每个G-KKT点是全局最小值点的充分必要条件.通过算例表明该充分必要条件在多数情况下可以大大简化求最优解的计算量.     

赤峰市给水管网优化改扩建研究

针对我国城市给水管网扩建实际，提出采用直接优化方法－约束非线性混合离散离量规划方法进行管网优化改扩建模型的计算，从而确定出各改扩建管段的最优管径和各水源最优水量分配，经管网工况复核，优化改扩建方案合理可行。     

集成学习人工蜂群算法

为了抑制人工蜂群算法中的早熟收敛问题,提出一种集成学习框架,挖掘种群中的有用信息来抑制早熟。当个体产生候选解的时候,通过对所有好于当前解的个体线性组合,产生一个集成最优解;然后利用相应的人工蜂群算法的搜索公式产生候选解,该公式中的全局最优解被集成最优解代替。该框架通过产生更有希望的个体带领算法进化,帮助算法逃离局部最优解。实验表明,新的集成学习框架显著地提高了全局最优解引导的人工蜂群算法的性能,而没有增加算法的计算复杂度,且该框架可提高全局最优解引导的差分、粒子群算法的性能。     

利用一种改进的模拟退火算法求解多目标规划问题

提出了一种求解多目标规划问题的改进模拟退火算法。该算法基于多目标规划的Pareto最优解特征提出了一种新的能量差计算方法,并利用外部存档储存每一代产生的Pareto最优解,通过预设迭代次数,使近似Pareto最优解不断逼近精确最优解。最后,通过数值实验验证算法的可行性和有效性。     

遗传算法的超大跨度充气结构设计优化

为了提高超大跨度充气结构设计水平和研发效率,用遗传算法和有限元分析相结合的优化方法进行了超大跨度充气结构设计优化．应用ABAQUS有限元分析软件建立了充气结构有限元模型并进行计算分析,采用遗传算法进行优化,经繁殖和进化后获得最优解.分析结果可知,最优解蒙皮材料应力分布基本均匀,结构各附件平均应力水平较高,具有较高的材料利用率,结构整体质量为3 928 kg．根据最优解进行了样件加工测试,在所有工况下充气结构均可安全工作,旋翼翼梢处最小水平安全距离1.09 m,最小垂直安全距离1.67 m,与有限元分析结果基本一致．测试结果与分析结果基本一致,优化方案能够满足运用要求,验证了该优化方法是有效的．     

二次规划的广义逆矩阵方法

给出了求解等式约束二次规划的广义逆矩阵方法，该方法简单易行且计算简便，尤其判断唯一解和无最优解上更显示其优越性。     

二次规划的广义逆矩阵方法

给出了求解等式约束二次规划的广义逆矩阵方法，该方法简单易行且计算简便，尤其判断唯一和无最优解上更显示其优越性。     

遗传算法在随机备件概算中的应用

遗传算法在解决随机动态规划问题中具有快速、准确等优点，本文以遗传算法在随机备件概算模型中的应用为例，说明了遗传算法在求解机会约束规划问题中的高效率性，具有很高的鲁棒性，并能避免在局部最优解附近徘徊．     

高温混合障碍空间中的移动机器人路径规划

为了解决高温场景中移动机器人全局路径规划所面临的安全与效率问题,提出高温热源虚拟障碍的定义,建立混合障碍空间模型,将高温场景中的路径规划问题转化为高温混合障碍空间中考虑路径温度代价和长度代价的多目标优化问题. 改进NSGA-Ⅱ算法,通过选取优秀非可行解扩展种群,提高了种群多样性和进化效率,提出新的交叉和变异概率计算方法. 根据种群进化进程和个体代价函数值调整概率,实现了种群前期搜索能力和后期收敛性的平衡. 仿真所得的最优路径结果表明,该改进算法的路径长度代价虽然比原算法和其他改进算法略有增加,但温度代价大幅降低,更有效地避免了陷入局部最优.     

一类机会约束规划的回溯逼近求解法

研究了一类机会约束随机规划的近似求解问题,提出了基于蒙特卡罗随机模拟的回溯逼近求解算法,该方法通过在迭代过程中逐步增加抽样次数和精确求解确定性数学规划,最终得到机会约束规划的最优解。文中讨论了最优解的计算方法及算法迭代终止条件。最后,通过算例验证了该方法的有效性。     

基于遗传算法的网格结构的拓扑优化

遗传算法是一种新兴的基于遗传进化机理的寻优技术。它与常规算法的不同之处在于不受初始值影响、从多个初始点开始寻优，并采用交叉、变异和移民算子避免过早地收敛到局部最优解，可获得全局最优解。该算法不必求导计算，编程简单、快捷，尤其适用于具有离散变量的结构优化设计。本文利用遗传算法对在应力、位移约束下的网格结构进行拓扑优化，利用对称性对杆件进行分组，使优化后的结构模型仍然保持对称，具有工程应用价值，并达到降低造价的目的。计算实例表明了该算法的有效性。     

并联水电站联合运行最优化研究(动态规划法)

本文将联合运行的水电站群作为一个准水电系统,在满足系统电力负荷要求的前提下,以储存电能效益最大为最优运行准则,用动态规划法求联合运行的最优解。根据贝尔曼提出的动态规划逐次渐近法②原理,本文采用适合于解算本问题的库偶循环调节法(下文简称库偶法),将一个高维的动态规划问题化简为若干个一维的动态规划问题,并应用电子计算机实现其优解计算。为减少对电子计算机贮存量的要求,并使计算更有效,本文建议二种可采用的处理方法:借助于给定的约束条件,划定各水库运行范围的上、下界,以缩小优解计算的选值区间,以给出的初始解为基础,用小邻域法逐步逼近求得问题的最优解。我们在参加国内某电力系统年度生产计划的编制工作中,曾采用本文的方法研究系统中水电站的联合运行方式,初步验证了方法的合理性。     

K-T条件在对偶问题中的应用

将非线性规划中的一个重要理论K-T条件和线性规划中的对偶问题结合起来,并在具体应用的基础上给出了一个简单且易操作的求解线性规划最优解的方法。     

模糊优化相对增量比准则摄动梯度投影算法

首先根据非线性规划最优解的ＫＴ条件，给出一种含参数不等式约束的非线性规划最优解的存在条件。建立相对增量比与较优解的概念，应用摄动梯度投影方法，针对工程优化设计中具有模糊约束非线性规划的模糊优化问题，构造了一种相对增量比准则摄动梯度投影的普通优化算法，为求解模糊优化问题提供了一种新的途径。     

进化规划用于模糊控制器优化设计

为了避免模糊控制器设计过程中参数的大量调试工作,并使其获得良好的控制性能,采用了进化规划方法对模糊控制器的参数进行优化。仿真结果证实：进化规划方法寻优速度快,计算量小,基于进化规划方法的模糊控制器对各种扰动均有较好的响应特性。     

复杂机械产品性能意图优化研究

为解决专用装备制造业中复杂机械产品多设计参数、多设计约束、多设计目标的设计优化问题,采用一种基于Pareto最优解的多目标广义差分进化(GDE)算法.GDE算法在普通差分进化算法的基础上改进了约束条件的处理方法,利用差分进化算法模拟生物种群进化,以群体中的所有个体为对象,采用随机化技术对一个被编码的参数空间进行高效搜索,通过反复迭代搜索到多目标优化问题的近似Pareto最优解集.以高速工业平缝机勾线机构的设计为例,通过对求得的Pareto最优解集的分析,得到了高速工业平缝机勾线机构的设计特性,为设计人员今后进行高速工业平缝机勾线机构性能设计优化提供了充分的依据.