基于Spark的并行k均值聚类模拟退火算法求解MMTSP

多起点闭回路多旅行商问题是旅行商问题的扩展。针对这个问题文中提出了一种基于Spark框架的并行k均值聚类模拟退火算法。该算法首先采用k均值聚类算法将所有城市分类,然后对应每个类建立一个旅行商问题,并通过一种改进的模拟退火算法对旅行商问题求解,MMTSP的解由这些类的最短路径之和计算得出。所提算法采用先聚类再执行模拟退火算法的求解策略可以极大的缩减模拟退火的搜索空间,并且由于Spark框架可以将聚类算法分好的若干类并行求解,从而更快的得到MMTSP问题的最优解。选取TSPLIB数据库中若干测试实例进行仿真实验,对求解精度和运行时间两个方面进行测试,与其他几种相关算法进行对比实验。实验结果表明,与目前FCMPGA、IPGA、IWO等算法相比,求解精度提高了5%~40%,求解效率上对比其他算法提升1~5倍,尤其在K值较大时表现更优。     

实数编码遗传模拟退火算法SHEPWM控制技术

针对多电平逆变器SHEPWM(selected harmonic elimination pulse width modulation,SHEPWM)消谐模型的求解问题,提出一种遗传算法和模拟退火算法相融合的新型算法。该算法根据个体适应度值进行自适应交叉和变异操作,采用模拟退火算法进行个体更新,以增加种群的多样性,增强全局寻优能力,避免陷入局部最优,并以实数编码保存个体来提高计算精度。以二极管箝位三电平逆变器SHEPWM为例,给出了全调制度下的开关角度轨迹及较高调制度下的另外两组解,绘制了谐波失真含量(total harmonic distortion,THD)随调制度变化的曲线,并给出了详细的仿真结果。最后通过建立的二极管箝位三电平逆变器实验平台进行了实验验证,仿真和实验结果证明了该算法的正确性和可行性。     

基于改进人工鱼群算法的互感器Jiles-Atherton模型参数辨识

为开展仿真平台下的电磁式互感器特性研究,需要对试验互感器建立精确可靠的磁滞模型。Jiles-Atherton(J-A)模型广泛应用在铁磁材料的磁滞建模与仿真实验中,其5个关键参数的准确度直接影响模型的拟合程度。本文提出一种结合模拟退火算法的改进人工鱼群算法对J-A模型进行参数辨识。改进算法初期使用人工鱼群算法将搜索域快速锁定在全局最优解的附近范围,当J-A模型拟合达到一定精度后,转而改用模拟退火算法继续进行局部的精确搜索。通过Matlab建模证实,改进算法同时解决了鱼群算法后期寻优效率较低以及退火算法难以大范围搜索的问题,能有效提高J-A模型参数辨识的时效性与精确度。     

基于纵横交叉算法的热电联产经济调度

为解决热电联产经济调度优化问题,提出了一种基于纵横交叉算法(Crisscross optimization algorithm,CSO)的新求解方法。CSO采用一种双交叉搜索机制,其中横向交叉引入扩展因子增强全局搜索能力,纵向交叉引入维交叉概念,从而避免维局部最优问题。CSO的全局并行搜索,避免了陷入局部最优,有效提高了收敛速度。以一个包含纯发电机组、热电联产机组、纯发热机组的48机组系统为例,建立了热电联产经济调度问题的模型。仿真结果表明,CSO解决热电联产经济调度问题具有可行性和有效性,为实际调度系统提供了一个较好的方法。     

基于最小二乘支持向量机和自适应模拟退火算法的电磁场逆问题全局优化方法

分析了目前电磁场逆问题全局优化算法存在的收敛速度慢以及搜索时间长等问题的主要原因,并针对以上问题提出了基于最小二乘支持向量机和自适应模拟退火电磁场逆问题优化新算法,充分利用了自适应模拟退火算法中丢失的已搜索过点的信息,动态地建立和改进待求问题的数值模型,指导最优解的搜索过程,大大减少了求解电磁场正问题的求解次数,缩短了搜索到最优解的时间,通过仿真实验以及实际应用的对比,效果显著,提高了电磁场优化设计的实际应用能力。     

基于NSGA-Ⅱ的局部范围搜索算法的电机参数优化

针对传统NSGA-Ⅱ在永磁辅助开关磁阻电机的多目标优化中局部搜索能力较弱的问题,提出一种基于NSGA-Ⅱ的局部范围搜索算法(RLS-NSGA-Ⅱ),利用改进的交叉算子与变异算子增强算法的搜索能力,在局部区域内搜索最优解集,并通过标准多目标问题验证算法的有效性。针对优化算法对决策变量的优化精度过高的问题,对决策变量进行有效单位保留,并以此提出一种最小单位优化变异方法。对电机转矩脉动、效率和平均转矩进行多目标优化,并与传统NSGA-Ⅱ进行优化效果和仿真的对比验证,结果表明本算法得出的最优解更有优势。     

基于改进遗传模拟退火算法的无功优化

针对目前电力系统无功优化算法所存在的问题,提出了一种将遗传算法与模拟退火算法及牛顿下山法相结合的混合求解算法。首先根据个体适应度值进行自适应交叉和变异操作并采用模拟退火进行个体更新,以便增加群的多样性,避免陷入局部最优;然后采用牛顿下山法加快模拟退火部分的求解过程,并采用十进制整数编码和保存最优个体法来提高计算速度和精度。以IEEE 30-bus系统和一某实际电力系统为例对所提出算法的性能和求解精度进行了测试,结果表明改进的混合遗传算法比传统的遗传算法在计算速度和全局收敛方面有了很大提高。     

梯级水电站群长期优化调度多核并行混沌模拟退火差分演化算法

针对标准差分演化算法全局搜索易陷入局部最优问题,利用混沌理论和模拟退火算法的优点对差分演化算法进行改进;同时,为提高算法的求解效率,结合Fork/Join并行框架,提出了梯级水电站群长期优化调度多核并行混沌模拟退火差分演化算法(PCSADE)。该算法利用混沌理论随机性和遍历性强以及模拟退火算法局部搜索能力强的特点,采用混沌理论生成差分演化算法初始种群且对其控制参数进行动态调整,并利用模拟退火算法Metropolis准则替代差分演化算法中的选择操作,提高了差分演化算法的寻优能力;采用基于分治策略的Fork/Join并行技术将复杂计算任务分为多个子任务,实现了算法的并行计算求解。红水河流域14座水电站实例计算结果表明,PCSADE能够充分利用多核资源,显著提高优化解质量和计算效率,是求解水电站群长期优化调度问题的一种有效可行的方法。     

基于人工鱼群算法的水库优化调度研究

针对当前各种启发式算法,如遗传算法(GA),粒子群算法(PSO),模拟退火算法(SA)等在求解水库优化调度中的不足,提出了将新型的集群智能算法-人工鱼群算法AFSA(Artificial Fish School Algorithm)用于求解水库优化调度问题。该算法通过模拟鱼群的一些基本行为,如捕食、聚群、追尾,来求解问题的最优解。根据水库优化调度问题的情况及数学模型,给出了基于人工鱼群算法的水库优化调度的求解策略,详细讨论了求解步骤,最后给出了实验仿真结果。结果表明该算法具有较强的局部搜索能力,同时也有更高的搜索效率,与其它方法相比,该算法能够找到更优解,验证了该算法的可行性和有效性。     

基于MA的水电站机组组合优化问题的研究

在日负荷任务下,建立了以耗水量最小为目标的水电站机组组合优化数学模型。设计了文化基因算法（Memetic Algorithm,MA）的工程实现方法,包括编码设计、适应度函数设计等。提出了二进制与浮点数的混和编码以及交叉和变异的双重遗传操作方式,设计了个体合法化的流程,采用模拟退火算法作为局部搜索策略。绘制了算法对问题的求解流程,并编制了基于MATLAB语言的优化计算程序。仿真结果表明：MA具有比GA更优的收敛性能,更有效降低机组切换频率。     

基于改进多元宇宙算法的主动配电网故障定位方法研究

针对现有智能优化算法在求解主动配电网故障定位问题时存在的收敛速度慢、易陷入局部最优解、容错性差、种群质量低等问题,提出一种改进的多元宇宙优化算法(improved multi-verses optimization, IMVO)。首先构建具有容错能力的主动配电网模型,根据故障定位问题的特点对多元宇宙的种群进行离散化编码。其次将自适应精英策略融入改进算法的多元宇宙种群的更迭中,以保证多元宇宙的种群质量。设计基于非线性曲线变化的虫洞存在概率(wormhole existence probability, WEP)与旅行距离率(travel distance rate, TDR)的更新机制,以提高算法前段搜寻相对最优宇宙的能力与后段调整最优探测距离的精度。最后通过自适应突变操作增强改进算法的局部搜索能力,进而提高全局寻优能力。仿真实验结果表明,改进多元宇宙优化算法在单点、多点以及信息畸变故障定位中全局寻优能力显著,相较于其他优化算法在解决配电网故障定位问题上具有更高的准确率与收敛速率。     

基于模糊自适应模拟退火遗传算法的配电网故障定位

对于配电网故障定位系统的不足与遗传算法存在易早熟、收敛速度慢等问题,结合模糊推理和自适应模拟退火遗传算法,提出一种模糊自适应模拟退火遗传算法(FASAGA)。该算法对评价函数做了容错性改进,在遗传选择时采用自适应机制与最佳个体保留策略,并结合模糊推理与自适应机制求取模糊自适应交叉算子、模糊自适应变异算子,引入模拟退火算法提高收敛速度与局部搜索能力。仿真结果说明该算法应用在配电网故障定位中的准确性、快速性与高容错性。     

基于自适应模拟退火遗传算法的多目标最优潮流

采用自适应遗传算法来确定基本遗传算法的交叉率和变异率,保证遗传算法的收敛性。同时引入模拟退火法思想,通过拉伸目标函数的适应度使优秀个体在产生后代时具有明显的优势,从而加速寻优的过程,形成一种新的算法:自适应模拟退火遗传算法。应用该算法进行电力系统多目标最优潮流计算,IEEE30试验系统计算结果表明了该算法的灵活性和有效性。     

基于纵横交叉算法的波浪发电装置最大功率跟踪控制

针对波浪能最大功率点跟踪控制中,浮子水动力模型的非线性,使传统群智能算法存在局部最优问题,提出纵横交叉算法(CSO)控制方案。CSO的纵向交叉算子,在纵向交叉概率判定下进行个体维变量间的算术交叉,保证种群能够脱离局部最优状态; CSO的横向交叉算子完成个体间的随机配对与算术交叉,并将解空间全体分割成若干个子空间,每个子空间以配对个体为对角顶点,搜索子空间内部及邻域,实现精细的局部搜索能力。通过纵、横交叉算子的交替作用,任何有益于实现全局最优的信息,都将被迅速地分发到种群的各变量中,用以改变搜索路径。仿真表明,在波浪周期发生变化时,纵横交叉算法能够实现最大功率点跟踪,并提高收敛速度。     

混沌模拟退火算法在无功优化中的应用

为了更有效地改进处理无功优化问题的方法,提出了混沌模拟退火(CSA)算法,该算法是一种基于混沌变量的改进模拟退火算法,结合了混沌算法的全局遍历性和模拟退火算法的启发式规则,在模拟退火算法的搜索过程中加入了混沌算法的优点。利用混沌算法确定算法的初始温度,有效地减小了搜索空间,同时利用混沌算法确定模拟退火算法中的扰动准则,使算法有效跳出局部最优解。最后将混沌模拟退火算法应用于电力系统无功优化中,通过对IEEE 6和IEEE 30节点以及实际129节点系统的仿真验证了该算法应用的有效性。     

电力系统中PMU最优配置的研究

针对确定配置同步相量测量单元(PMU)的最小数目和最佳位置以达到最大的网络结构可观测性的PMU最优配置问题,提出了一种最小生成树(MST)算法,在深度优先搜索(DFS)算法的基础上提出了一种新的寻优规则,从而提高了解的质量和求解速度。该算法克服了DFS算法收敛性差和模拟退火(SA)算法收敛速度慢的缺点。算例仿真证明了利用MST算法求解PMU最优配置问题能使解的质量与求解效率达到很好的平衡,同时也可提高最优解的多样性。     

基于改进免疫遗传算法的无功优化

针对目前电力系统无功优化算法所存在的问题提出了一种改进的免疫遗传算法,该算法把模糊逻辑、模拟退火和免疫算法相结合,根据模糊逻辑获得变化的交叉和变异算子,采用退火免疫方法对抗体进行选择,用免疫算子进行个体更新,从而增加了群的多样性,避免陷入局部最优。同时,还采用十进制整数编码和保存最优个体法来提高计算速度和精度。最后以IEEE 30-bus系统为例对算法的性能和求解精度进行了测试,结果表明本文提出的算法比其他遗传算法在计算速度和全局收敛方面有了很大提高。