基于改进生物地理学算法的并网型微电网优化调度

在综合考虑燃气轮机、柴油发电机等分布式电源以及储能装置的基础上,建立了各微电源出力的数学模型;建立了计及分时电价和负荷转移策略的双重指标负荷侧响应模型;以微网日运行成本最低为目标,建立了微电网优化调度目标函数。为求解负荷侧响应模型和调度模型,对生物地理学优化（Biogeography-based optimization,BBO）算法进行改进,结合差分进化思想修改迁移算子,使用基于协方差矩阵的迁移操作来增强BBO对不可分离问题的适应性。结果表明,改进后生物地理学算法的收敛性有所改善;优化后的微电网运行具有更好的经济效益。     

启发式算法在车间作业调度中的应用

在分析国内外各种解决生产线作业调度问题方法的基础上,提出了一种基于关键工序排序的启发式调度算法,根据目标函数建立了该算法的数学模型,针对该模型,设计了基于启发式算法的调度程序,仿真算例说明了该算法在求解车间调度问题时的可行性和有效性。     

基于改进粒子群算法的梯级水电站优化调度

梯级水电站的优化调度是一个具有复杂约束条件的大型动态非线性优化问题,运用标准线性粒子群算法求解有易陷入局部最优的特点.针对这个问题对惯性权重的更新策略进行改进,减弱了典型线性寻优的局限性,得到更优的优化结果.以恩施芭蕉河梯级水电站丰水期为例,建立以周期发电量最大为目标函数的梯级水电站的短期优化调度模型,运用粒子群优化算法对其进行求解,得到了较好的梯级水电站优化调度结果.     

求解车间作业问题的混合遗传算法

针对遗传算法(GA)求解车间作业问题JSP(job shop problems)的早熟和收敛速度慢等问题,基于算法混合的思想,将改进的瓶颈移动算法MSB(modify shifting bottleneck)所求得的调度方案加入遗传算法解空间,参与遗传算法迭代运算,形成高性能的混合遗传算法HGA(hybrid gennetic algorithm).由于MSB所获得解的质量较高,依据遗传算法的精英保留策略,可以加快算法的收敛速度.标准实例上进行的仿真实验表明,调度结果的平均质量、最好调度的获取能力和算法稳定性方面,HGA的性能明显优于GA.     

遗传算法在车间作业调度中的应用

提出了一种基于遗传算法的车间作业调度问题。根据目标函数建立了算法数学模型,针对该模型,用遗传算法对其进行优化调度。首先设计了染色体编码方式,确定了适应度函数;然后通过选择、交叉、变异等操作,得到目标的全局较优解。仿真示例说明了遗传算法在求解Job-Shop生产调度方面的可行性和有效性。     

用CFPSO算法求解车间作业调度问题

利用收缩因子粒子群算法对车间作业调度问题(JSP)进行求解,通过在粒子群算法中引入收缩因子,使得所有粒子在搜索空间中的全局探索和局部精调能力得以动态调节和平衡,从而有效求得调度的全局最优值.仿真实验结果表明,该算法对经典JSP问题求解的可行性和有效性.     

基于改进差分进化-生物地理学优化算法的最优潮流问题

生物地理学优化算法(biogeography-based optimization,BBO)是一种新提出的全局智能优化算法,但是其应用于最优潮流计算时,具有早熟和收敛不稳定的问题。将BBO与差分进化(differential evolution,DE)算法相结合,并对差分进化部分的改进策略稍做修改,形成改进DE-BBO算法。应用所提方法对IEEE 30节点系统进行了有功优化的计算,并和GA、PSO、BBO和DE 4种方法进行了分析和比较,结果表明所提方法具有良好的收敛稳定性,可以有效缩短迭代时间。     

基于生物地理学优化算法的输电网络规划

随着栖息地居住条件的变化,生物物种在各个栖息地之间不断迁移.将根据自然界物种迁移规律构造的生物地理学优化算法(biogeography-based optimization,BBO)应用于求解输电网络规划问题.针对BBO算法开采能力较强而搜索能力偏弱的特点,采用排重操作对其进行改进.以18节点系统为算例,对各种机制作用下的BBO算法的寻优能力以及与遗传算法的性能差别进行了对比分析.结果显示包含排重操作的BBO算法为兼顾了开发能力和搜索能力、可与遗传算法比拟的寻优方法.     

基于生物地理学优化算法的核心骨干网架搜索方法研究

构建核心骨干网架,是进行差异化规划以提高电网抵御自然灾害能力的重要手段。在构建生存性指标体系的基础上,提出了一种线路和节点数最少、生存性综合指标最大的核心骨干网架构建方法,以电网安全运行和网络连通性为约束条件,采用生物地理学优化算法搜索最优骨干网架方案,并与粒子群算法、蚁群算法、遗传算法的搜索结果进行对比分析。算例结果表明所提方法准确有效,且在收敛速度和收敛精度方面有明显的优势。     

基于模糊支配的生物地理学优化算法及其在含风电场电力系统调度中的应用

构建了含风电场电力系统发电成本和环境影响的双目标优化调度模型,应用模糊支配将双目标函数转化为单个评价标准,提出了基于模糊支配的生物地理学优化算法并对模型进行求解.通过与使用同样支配算法的遗传算法、粒子群优化算法相比较,验证了所提算法在处理电力系统多目标优化调度问题中的可行性和优越性.算例分析表明,根据优化调度决策,在合理的穿透功率范围内,风电的并网对提高电力生产的经济性具有较明显的效果,而在改善环境效益方面不是决定性因素.     

Flexible job‐shop scheduling problem by genetic algorithm

The Flexible Job‐shop Scheduling Problem is an expansion of the traditional Job‐shop Scheduling Problem in which an operation can be processed by one or more machines. The purpose of this problem is to look for the smallest makespan. For that purpose, it is necessary to decide the optimal assignment of machines to operations and the order of operations on machines. In this paper, we focus on the maximum of the workloads for all machines and propose a new method of survival selection, a method of creation of the initial solution, mutation, and a method of escape to the genetic algorithm for this problem. The efficacy of our method is demonstrated by comparing its numerical experiment results with those of other methods. © 2011 Wiley Periodicals, Inc. Electr Eng Jpn, 177(3): 28–35, 2011; Published online in Wiley Online Library ( wileyonlinelibrary.com ). DOI 10.1002/eej.21194     

Solution of job‐shop scheduling problems by an idle time shortening genetic algorithm

In this paper, we propose a new idle time shortening method for job‐shop scheduling problems (JSPs). We insert our method into a genetic algorithm (GA). The purpose of JSP is to find a schedule with the minimum makespan. We consider that it is effective to reduce idle time of a machine in order to improve the makespan. The left shift is well‐known among existing algorithms for shortening idle time. The left shift cannot arrange the work to idle time. For that reason, some idle times are not shortened by left shift. We propose two kinds of algorithms which shorten such idle time. Next, we combine these algorithms and the reversal of a schedule. We apply GA with its algorithm to benchmark problems and demonstrate its effectiveness. © 2007 Wiley Periodicals, Inc. Electr Eng Jpn, 159(2): 55–63, 2007; Published online in Wiley InterScience ( www.interscience.wiley.com ). DOI 10.1002/eej.20389     

Active solution space and search on job‐shop scheduling problem

In this paper we propose a new searching method of Genetic Algorithm for the job‐shop scheduling problem (JSP). The coding method represents job number in order to decide a priority to arrange a job in the Gantt chart (called the ordinal representation with a priority) in JSP, and an active schedule is created by using left shift. We define an active solution at first. It is a solution that allows the creation of an active schedule without using left shift, and the setting of a defined active solution space. Next, we propose an algorithm, Genetic Algorithm with active solution space search (GA‐asol), which can create an active solution while solution is evaluated, in order to search the active solution space effectively. We applied it to some benchmark problems for comparison with other methods. The experimental results show good performance. © 2006 Wiley Periodicals, Inc. Electr Eng Jpn, 154(4): 61–67, 2006; Published online in Wiley InterScience ( www.interscience.wiley.com ). DOI 10.1002/eej.20185     

基于遗传算法的电力巡检机器人作业调度优化方法

目前研究的电力巡检机器人作业调度优化方法的适应度无法满足收敛原则,导致调度优化过程耗费时间过长.为此,基于遗传算法研究了一种新的电力巡检机器人作业调度优化方法.通过分析尺度特征,确定电力巡检机器人运行图像,计算偏移角度.引入遗传算法,利用编码/解码,设计适应度函数、选择、交叉和变异,选择操作的目标是能够在群体中选出优等...     

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。     

基于自适应混沌粒子群优化算法的多目标无功优化

针对粒子群无功优化中由于随机生成代表控制变量值的粒子,使得在优化迭代过程中易陷入局部最优解,而且后期收敛速度慢等问题,将混沌优化算法融合到粒子群算法中,提出了混沌粒子群算法求解多目标无功优化问题。该算法在初始化粒子即无功优化控制变量值时,采用混沌思想,增加控制变量取值的多样性;通过粒子群无功优化算法计算各个粒子对应的适应值即无功优化目标函数值,并按照其大小择优选取控制变量值进行混沌优化以帮助无功优化控制变量跳出局部极值区域;并根据无功优化目标函数值自适应地调整其惯性权重系数以提高全局与局部搜索能力。通过算例分析表明,采用自适应混沌粒子群算法进行无功优化,能够及时跳出局部最优得到全局最优解,且收敛速度快。     

近似粒子群算法在Flow-shop调度中的应用

提出了一种基于近似粒子群算法的车间作业调度问题。根据目标函数建立了算法数学模型,针对该模型,用近似粒子群算法对其进行优化调度。近似粒子群算法是通过交叉、变异和迭代等操作,得到目标的全局较优解。仿真示例说明了近似粒子群算法在求解FlowShop生产调度方面的可行性和有效性。