一种新的自适应退火遗传算法

在函数的全局优化算法中,模拟退火算法和遗传算法的结合可较好地改善算法的性能。基于这个思想提出一种新的自适应退火策略用于遗传算法中选择概率的计算以增强算法的收敛性,在交叉和变异概率的选取上也进行了自适应处理,以进一步改善算法的稳定性和收敛性。基于典型算例的仿真结果验证了该算法对高维复杂函数最优化的有效性和高效性,其性能明显优于传统遗传退火算法、改进的进化规划方法。     

免疫遗传算法在配电网重构中的应用

配电网具有闭环设计、开环运行的特点。本文提出免疫遗传算法的方法来解决配电网重构问题,以减小网损。配电网重构属于大规模、混合整型、非线性组合优化问题。免疫遗传算法在传统遗传算法的基础上,借鉴生物免疫机制中的抗体的多样性保持策略和记忆抗原的特点,大大提高了算法的全局搜索和局部搜索能力。该算法将遗传算法中的二进制编码改进为整、实数混合编码,提高了计算速度和精度,同时引入了疫苗接种概念,能有效抑制算法在进化过程中退化现象。实验表明,免疫遗传算法具有更好的全局收敛性,同时加快了计算速度。     

免疫遗传算法在配电网重构中的应用

配电网重构是配电网络优化的主要措施,其实质是一个多目标非线性混和优化问题.采用免疫遗传算法来研究重构问题的求解方法.免疫遗传算法在传统遗传算法的基础上,借鉴生物免疫机制中抗体的多样性保持策略和记忆抗原的特点,大大提高了算法的全局搜索和局部搜索能力.实验表明,免疫遗传算法具有很好的全局收敛性,能有效解决配电网重构问题.     

基于实数编码的遗传算法在配电网络重构中的应用

配电网络是一个复杂的网络,对其进行网络重构的目的就是为了使网损最小.提出了一种基于实数编码的遗传算法,并在遗传算法中引入了模糊理论,建立了模糊控制器,对交叉率和突变率进行模糊控制,从而很好地解决了配电网络的重构问题.通过算例的分析比较,说明该方法是行之有效的.     

模拟退火遗传算法在电力系统无功优化中的应用

电力系统无功优化是保证系统安全、经济运行的一项有效手段．针对常规遗传算法收敛速度慢、易早熟等缺陷,并结合电力系统无功优化的特点,在遗传算法（GA）和模拟退火算法（SA）的基础上,提出了更加有效的算法即模拟退火遗传算法．使用该文提出的算法对IEEE-14节点系统进行了无功优化计算,结果表明该模拟退火遗传算法应用于无功优化是合理可行的．     

评定圆度误差的模拟退火自适应变异遗传算法

圆度误差是几何精度的重要指标．已有的评定方法存在一定的局限性．为此．提出了一种快速地、准确评定圆度误差的新方法．该方法采用一种新颖的改进遗传算法．通过遗传种群的遗传过程实现对参考圆圆心的快速搜索．为了保证收敛性并加快收敛速度,采用了模拟退火和自适应变异策略．为了提高算法精度和收敛速度．采用了实数染色体基因编码．并采用白适应线性变异和线性交叉．仿真实验和实用证明,该方法算法简单、可快速准确的评定出圆度误差．     

基于自适应遗传算法的模糊控制器优化设计

改变传统的优化模糊控制器的方法,采用自适应遗传算法优化设计了一种控制效果较好的模糊控制器。在遗传算法改进方面,不以传统的定值常量作为交叉和变异概率,而是根据遗传算法本身计算出来的个体适应度来自适应的调节交叉和变异概率的大小,以克服采用定值常量作为交叉和变异概率所带来的早熟现象和效率相对较低的问题。仿真结果表明,改进的模糊控制器具有更好的控制效果。     

配电网重构的改进多种群遗传算法

将改进的多种群遗传算法(multiple population GA,MPGA)应用于配电网重构。该算法引入不同控制参数的多种群协同进化模式,并且能根据进化程度自适应的改变操作算子,具有良好的全局和局部搜索能力,克服了遗传算法未成熟收敛等问题。种群间通过移民算子共享进化信息。采用人工选择精华种群保存最优个体。根据配电网网络特点,提出了基于基本环路的整数编码方法,减少了变量维数。人工定义寻优过程中不满足配电网络辐射状及无孤岛的运行要求的不可行解一个低适应值,保证搜索范围的连续性。基于matlab遗传算法工具箱,对IEEE16节点和IEEE 33节点2个不同规模测试系统编程仿真计算,证实了算法快速稳定的全局寻优能力。     

基于改进遗传算法的含分布式电源配电网重构

以运行时网络损耗最小为目标建立含DG配网重构的模型,采用考虑种群约束的编码规则改进遗传算法,简化了环网判断过程,提高了求解效率,有效实现了全局最优搜索,并防止了过早收敛.     

一种模糊自适应控制器

本文提出了一种根据系统输入—输出数据在线修改模糊关系的模糊自适应控制器．文中给出一个由不稳定非最小相位线性部分和饱和非线性两部分组成的随机系统仿真示例，仿真结果表明该控制器是有效的     

基于距离测度的实数编码自适应遗传退火算法

提出一种基于距离测度的实数编码自适应遗传退火算法,根据个体的距离密集度自适应地确定其交叉概率和变异概率.空间距离密集度越高的个体,其交叉概率和变异概率也越高.算法引入模拟退火机制,在遗传进化过程中的每一代,对最优个体进行邻域局部寻优,利用模拟退火进一步改善算法的收敛性能.对带边界约束函数优化问题进行了仿真计算,结果表明该算法有效.     

基于诊断策略遗传算法的配电网络重构算法

为减小网损,提出基于诊断策略遗传算法的配电网络重构方法.针对基因诊断策略,提出新的编码方案,改进遗传操作。对优质基因进行诊断,存入优质基因库;并且将诊断出的劣质基因（即不可行解）通过打开回路和连通孤岛的方法,将其修复为可行解,从而提高收敛速度和遗传算法搜索效率.最后对典型IEEE 33节点和IEEE69节点测试系统进行网络重构仿真实验,证实了算法的有效性,并与快速支路交换算法的计算结果相比较,表明了该算法可有效减小重构配电网的网损.     

中压配电网的网络重构方法研究

主要针对中压配电网运行时在满足可靠性的基础上如何降低线损的问题，提出了改进的多种群遗传算法进行了中压配电网网络优化（即重构），并建立了最小网损配网重的数学模型，最后通过实例分析了配网重构算法的有效性和配网重构的经济效益。     

基于遗传模拟退火算法的改进K-medoids算法

针对标准K-medoids算法在大数据聚类应用中易陷入局部最优解以及聚类效果受初始中心限制的缺点,提出了基于遗传模拟退火算法的K-medoids改进算法。该算法结合遗传算法和模拟退火算法,可以增强标准K-medoids算法在聚类时的全局搜索能力,并加快其收敛速度。对比实验证明:这一改进有效地弥补了标准K-medoids算法的上述缺陷,达到了提高聚类效率、加快收敛速度、改善聚类质量的目的。     

混合遗传模拟退火算法求解背包问题

提出了一种混合遗传模拟退火算法求解背包问题,该算法应用改进的模拟退火算法作为局部搜索,提高算法的搜索效率,采用同时考虑解的质量和种群多样性的种群更新策略,保持种群的多样性,仿真实验结果表明该算法是有效的.     

遗传模拟退火算法用于浅海声速反演的仿真研究

研究了浅海声速反演中经验正交函数的参数寻优算法.通过数值仿真分析了模拟退火算法和遗传算法的优缺点,并在此基础上,提出了将二者相联合而得到遗传模拟退火算法,数值算例验证了该算法兼备二者的优点,克服了它们的缺点.以射线理论为基础,应用遗传模拟退火算法,仿真计算了浅海2种声速分布下的声速反演问题,取得了较好的结果.该方法具有不依赖初始条件且解为收敛等特点.     

基于遗传模拟退火算法的水下机器人路径规划

全局路径规划是智能水下机器人(AUV)研究领域中的一个重要课题,在一定程度上它标志着水下机器人智能水平的高低,它的目标是在已知障碍物的环境中为水下机器人寻找一条从起始状态到达目标状态的无碰路径.文中提出一种基于区域分层模型的遗传模拟退火算法的全局路径规划方法,解决了在大范围海洋环境下水下机器人的路径规划问题,详细介绍了区域分层模型和遗传模拟退火算法的实现,仿真的结果证明了该算法的有效性.     

基于遗传模拟退火算法的结构可靠性分析

为了克服一次二矩法在迭代求可靠性指标时可能不收敛或收敛于局部验算点的缺点以及现有遗传算法局部搜索效率不高的问题,提出了采用混合模拟退火与遗传算法计算结构可靠性的新方法.先采用遗传算法开始随机搜索,通过选择、交叉、变异等遗传操作产生新的个体,再对这些个体分别进行模拟退火,以其结果作为下一代群体中的个体.结合有限元计算,给出了船舶三维空间梁板结构的功能函数,并采用遗传模拟退火算法求结构可靠性指标.算例分析表明该方法计算精度高,为求解结构可靠性指标提供了一种新的思路.     

电网故障诊断的遗传模拟退火算法研究

针对电网出现的复杂故障,如断路器和保护不正常动作或多重故障等情况,结合新的故障诊断优化模型,应用遗传模拟退火优化算法进行故障诊断,寻找使构造的目标函数最小的最优解.将遗传算法和模拟退火算法结合,有效避免了遗传算法过早收敛和模拟退火算法全局搜索较差的缺点,解决了电网故障诊断结果多解和漏解的情况,实现了电网断路器和保护不正常动作的故障诊断.