改进差分进化算法在动态经济调度中的应用

针对动态经济调度(DED)存在的不可微、非凸性、非线性以及不连续性等特点,提出多策略异维变异差分进化(MDMDE)算法.一方面,从变异维数入手,提出了一种异维变异策略;另一方面,在算法的整个迭代周期内采用了多策略变异.此外,还提出了一种修改的交叉率以及动态变异因子来跳出局部最优.最后,将MDMDE应用于6种动态经济调度...     

经济调度问题的混合蚁群算法及序列二次规划法解

为了获得整体近似最优解,提出采用蚁群算法,搜索发电机可运行状态的最优组合,并对蚁群算法的数学模型进行分析,以参数的形式给出具有普遍意义的收敛性定理.在此求解过程中,以每只人工蚂蚁来表示符合限制条件的某个可运转状态的发电机组合并以序列二次规划法来求解传统的经济调度问题.以三部机组的数值模拟,验证该方法正确有效.     

多目标柔性作业车间调度问题的混合差分算法

多目标柔性作业车间调度问题属于NP-hard问题。在对该问题进行分析的基础上,为之建立了数学模型,并改进了多目标函数,使其更符合实际需要。提出了一种求解该问题的混合差分演化算法,该算法针对差分演化算法易陷入局部最优现象,提出了算法早熟收敛判定方法,并且利用混沌搜索解决早熟收敛问题,突破了局部极值的限制以再次寻优计算。仿真结果表明,该算法效率高,寻优速度快,有效地解决了收敛性能和早熟之间的矛盾。     

自适应多目标混合差分进化算法在联盟运输调度中的应用

传统的单目标算法运行一次只能得到一个解,而多目标算法运行一次可以得到一个解集。文中所提算法(DEASA)通过改进差分进化策略,设计重构,调整自适应参数,并采用擂台法则构建非支配集,将模拟退火策略融入到差分进化算法当中,进一步提高了算法的性能,降低了时间复杂度,增强避免陷入局部最优的能力。通过实验验证表明,该算法能有效地解决联盟运输调度问题。     

自适应差分进化算法及对动态环境经济调度问题应用

为了应对动态环境经济调度(DEED)问题的高维性和大规模约束性,提出了一种自适应多目标差分进化算法(ADEA)。设计自适应差分交叉模块,提出改进的current to best/1交叉策略提高种群的多样性,有效地提高传统进化算法的探索与开采能力,提出一种修补策略处理功率平衡约束和爬坡率约束。为了验证该方法的有效性,数值仿真将ADEA应用于10机系统进行测试,并与同类算法展开比较,仿真结果表明ADEA具有较好的收敛能力,获得的Pareto前沿具有较好的均匀性和延展性,通过模糊决策获得的最好折中解能为电力系统调度人员提供较为合理的调度方案。     

基于快速自适应差分进化算法的电力系统经济负荷分配

提出一种求解复杂电力系统经济负荷分配问题的快速自适应差分进化算法(FSADE).从矢量运算角度对变异算子进行分析,提出了一种改进的变异算子,大大提高了算法的收敛速率.根据个体的进化过程,引入自学习机制,对个体的变异和交叉概率常数进行自适应地调整,提高了算法的鲁棒性.3个不同规模的算例仿真结果表明,与其他4种典型智能优化算法相比, FSADE具有更好的计算精度和计算速度,是一种求解电力系统经济负荷分配问题的有效方法.     

混合遗传算法在多目标柔性作业调度中的应用

针对以生产周期、生产成本、设备利用率为目标的柔性作业调度问题,基于混合遗传箅法提出了一种新的优化求解方法.首先建立了该类问题的调度模型,对于工序编码的染色体决定了工序调度的优先级;利用无量纲的标准化处理方法统一目标量纲;然后,利用层次分析法将多目标问题转化为单目标问题,同时为了保证箅法的收敛性,在基本遗传算法框架的基础上集成了禁忌搜索算法,从而延缓或避免了早熟收敛的发生.最后通过实验仿真,证明提出的方法可以有效解决该类多目标柔性作业调度问题.     

贪心算法在多机调度问题中的应用

1 贪心算法简介 贪心算法总是作出在当前看来是最好的选择.也就是说贪心算法并不从整体最优上加以考虑,它所作出的选择只是在某种意义上的局部最优选择.贪心算法不是对所有问题都能得到整体最优解,但对范围相当广的许多问题它能产生整体最优解.     

限时点到多点跨数据中心传输的多源树调度算法

随着各种云应用的数据规模的增大,越来越多的云服务提供商开始关注跨数据中心的大数据块传输(bulk transfer)。跨数据中心的大数据块传输面临的主要挑战是:如何找到最佳的资源调度算法,在用户指定的时限内,用最少的传输资源将用户的数据传输到指定的地点。文中设计了一种有效的带传输时限(transfer deadlines)的、点到多点(Point-to-MultiPoint,P2MP)的跨数据中心数据传输调度算法MSTB(Multi-Source Tree-Based algorithm)。在多源机制和多播转发树的帮助下,MSTB表现得比现有的最优方法更好。仿真实验结果表明,MSTB可以在保证低传输完成时间和低计算复杂度的同时,增加最高达91%的传输请求接受数,增加最高达54%的有效吞吐量。     

基于差分进化的飞蛾算法在电力调度中的应用

针对基本MFO算法存在后期收敛速度较慢、收敛精度低等缺点,提出了一种基于差分进化的改进飞蛾优化算法（DEMFO）。该算法首先将差分进化算法融合到MFO算法中,使得飞蛾种群个体之间具有变异、交叉、选择机制,DEMFO算法拥有更强的全局和局部搜索能力;运用柯西变异算子对飞蛾最优位置进行变异更新产生新解,保持飞蛾种群的多样性,帮助算法跳出局部最优;再引入动态自适应权重因子,使飞蛾的更新方式更具灵活性,引导算法朝着正确的搜索方向进行,从而有效地提高了算法的收敛性和精度;对该算法用8个测试函数进行仿真实验,从实验结果可以看出DEMFO算法在收敛速度和收敛精度上有了显著提高。将该算法成功应用于求解电力系统负荷经济调度（Economic Dispatch,ED）模型,在Matlab平台对140台机组算例进行了仿真,相比基本MFO算法,提出的DEMFO算法能够获得更高质量的优化解,提供更好的负荷经济调度方案,从而有效降低发电成本,产生巨大的经济效益。     

基于变迁图编辑距离的流程相似性算法

为了提高从企业模型库中查询检索模型的效率,提出一种基于变迁图编辑距离的流程相似性算法。首先,给出了变迁图的概念及其生成方法;其次,提出边的长度概念,且删除和插入边的代价由该边的长度决定,基于此定义出图编辑操作及其代价,并用节点匹配算法计算最小图编辑距离;然后,给出两个过程模型的相似性概念和计算方法;最后,通过实验验证了算法的正确性且满足七条相似性性质,并验证了变迁图编辑距离满足四条距离性质。     

基于混合蛙跳算法的电力系统经济负荷分配

针对带阀点效应的经济负荷分配(ELD)问题高维、非凸、非线性的特点,应用混合蛙跳算法(SF-LA)解决电力系统ELD问题。该算法结合了模因演算算法(MA)和粒子群优化(PSO)算法二者的优点,在确保全局收敛和满足约束条件下,能够快速有效地搜索到最优解。通过对多个ELD问题实例进行仿真计算,并与参考文献做比较,结果表明:SFLA对于解决电力系统ELD问题是有效、可行的。     

基于改进遗传算法的电力系统经济负荷分配

针对电力系统经济负荷分配问题,分析了遗传算法与传统数学优化方法的不同优势与特性,提出一种求解电力系统经济负荷分配问题的改进遗传算法.利用极大熵理论将经济负荷分配问题转化为可微问题,将BFGS法引入遗传算法,提出了BFGS算子,以提高遗传算法的寻优速度与局部搜索能力.同时,应用单纯形交叉算子将种群逐步向最优点进行引导,实现算法的快速寻优.实例研究结果验证了所提出方法的有效性.     

Glowworm swarm optimization algorithm with topsis for solving multiple objective environmental economic dispatch problem

A new glowworm swarm optimization (GSO) algorithm is proposed to find the optimal solution for multiple objective environmental economic dispatch (MOEED) problem. In this proposed approach, technique for order preference similar to an ideal solution (TOPSIS) is employed as an overall fitness ranking tool to evaluate the multiple objectives simultaneously. In addition, a time varying step size is incorporated in the GSO algorithm to get better performance. Finally, to evaluate the feasibility and effectiveness of the proposed combination of GSO algorithm with TOPSIS (GSO–T) approach is examined in four different test cases. Simulation results have revealed the capabilities of the proposed GSO–T approach to find the optimal solution for MOEED problem. The comparison with own coded weighted sum method incorporated GSO (WGSO) and other methods reported in literatures exhibit the superiority of the proposed GSO–T approach and also the results confirm the potential of the proposed GSO–T approach to solve the MOEED problem.     

基于环境经济调度问题的空间自适应划分多目标优化

提出一种基于空间自适应划分的多目标优化算法. 为了增强种群的收敛性和多样性, 多维搜索空间被划分成多个网格, 网格内的粒子通过共享“引导”粒子的经验信息调整自身的速度和位置, 并引入年龄观测器实时记录引导粒子对Pareto 解集所做的贡献, 及时更新引导粒子, 以增强算法的全局搜索能力. 对多目标测试函数以及环境经济调度问题进行了仿真实验, 实验结果表明, 所提出算法能对解空间进行更加全面、充分的探索, 快速找到一组分布具有较好的逼近性、宽广性和均匀性的最优解集合.

     

基于多信息综合的运动车辆跟踪算法

综合车辆本身的区域和特征信息,提出了一种在交通场景中跟踪运动车辆的新方法。该方法主要解决运动目标在遮挡、粘连以及分裂情况下的跟踪问题。首先通过引入的预测机制建立序列图像间运动区域的关联,并根据区域关联的结果判断是否出现以上情况。针对车辆遮挡和粘连的问题,采用基于特征点跟踪的方法解决,先根据车辆区域信息对特征点进行初始化,然后在图像中预测位置的邻域内搜索匹配点从而实现特征点的跟踪和聚类。对于车辆分裂的情况,根据提出的规则对判定的区域进行融合后进行模板匹配从而解决分裂的问题。实验结果表明该方法具有较强的鲁棒性和较好的实时性。     

基于极限动态规划算法的微电网一体化调度与控制

随着电力电子技术的发展,微电网已成为分布式发电的必然趋势.传统的多时间尺度控制策略之间的配合使用已经很难同时满足高品质频率稳定控制和经济调度的要求.为解决此问题,本文提出极限动态规划算法.所提算法以自适应动态规划算法为框架,以极限学习机作为其评价模块、模型模块、执行模块、预测模块的内核.基于所提算法的微电网一体化调控控制器能替代传统模式下"下垂控制+自动发电控制+经济调度"多时间尺度控制组合策略.最后,为验证所提算法的有效性,在5个节点的微电网模型进行仿真,结果验证了所提极限动态规划算法的可行性和有效性.     

多检测引擎监测的动态负载均衡算法

为解决多引擎入侵检测系统的负载均衡问题,提出一种检测引擎的动态负载调节算法。首先,监测各引擎节点计算负载;然后,以过载或空载节点出现为调度时机,以会话为单位调度重负载节点的流量到低负载节点,并遍历节点进行负载均衡的调节。由于以会话为调度单位,算法并不以负载的绝对平均为目的,只需保障各引擎节点不出现过载或空载即达到基本目标。采用KDD cup99数据集进行模拟实验,实验结果表明,与平均分配流量算法和基于较大流调整的安全分流算法相比,所提算法对检测引擎基于会话的负载均衡效果显著,运行开销较低且降低了重负载状态下的丢包率,有利于提高入侵检测系统的检测率。     

基于多种群蚁群算法的柔性作业车间调度研究

针对柔性作业车间调度的特点,设计了柔性作业车间调度析取图模型,结合蚁群分工组织的工作方式,给出了基于竞争规则的多种群蚁群算法求解方法。算法中不同种群的蚂蚁被放置在析取图中不同的工序节点上,通过核心种群的引导,充分发挥蚁群协作竞争的并行高效特点,满足柔性作业车间调度的要求。仿真实验表明该算法求解柔性作业车间调度具有可行性和有效性。     

基于排队网络的多优先级MapReduce作业调度算法

MapReduce是一个能够对大规模数据进行分布式处理的框架,目前被各个领域广泛应用。在提供MapReduce服务的集群中,如何保证不同优先级用户的截止时间限定是MapReduce作业调度问题的一个挑战。针对这一问题,提出了一个基于排队网络的多优先级作业调度算法（MPSA）。首先分析和归纳了基于MapReduce模型的算法,提出了三种常见模式,采用Jackson排队网络对基于MapReduce模型的算法建立了数学模型,应用该网络模型可以求出不同优先级队列对资源的需求;随后使用AR(1)模型进行预测,使算法可以动态地适应不同的用户访问量;利用二分查找算法,分步计算出不同优先级在map阶段和reduce阶段分配的槽位数;最后实现了在MapReduce模型中应用的实时调度算法。实验结果表明,与传统的FIFO和公平调度算法相比,本文提出的算法在用户到达率和任务规模变化的情况下,可以更加有效地满足不同优先级用户的截止时间限定。