应用于电力系统无功优化的改进遗传算法

遗传算法是近些年发展起来的基于自然选择规律的一种优化方法。本文在传统遗传算法的基础上，对遗传操作进行了进一步研究和改进，提出了改进遗传算法，电力系统的无功优化问题实例计算表明，改进遗传算法的优化结果可以更有效地达到或接近全局最优。     

基于遗传算法和神经网络的倒立摆控制系统

以单级倒立摆为对象，介绍了一种融合遗传算法的神经网络控制方法。该方法采用以多层前馈神经网络作为遗传搜索表示方法的思想，以神经网络为基础，用遗传算法来学习神经网络的权系数，既保留了遗传算法的强全局随机搜索能力，又具有神经网络的鲁棒性和自学习能力。仿真结果证明：遗传算法和神经网络的结合，可兼有神经网络广泛映射能力和遗传算法快速全局收敛等性能。     

基于遗传算法的机组组合研究

针对遗传算法应用于机组组合问题的具体实现技术进行了深入的研究，实现了采用不同采样空间，不同选择策略，不同适值函数和不同交叉率／变异率的遗传算法和机组组合计算程序，并对10机系统和110机系统的仿真计算进行了分析和比较。结果表明各种不同实现技术的遗传算法应用到机组组合问题具有不同程度的有效性，另外，遗传算法的不同实现技术对收敛时间，收敛代数和收敛值也有较大的影响。文中在计算研究的基础上提出了适用于机组组合问题的遗传算法的具体实现技术，为遗传算法应用到机组组合问题的实用化研究奠定了坚实的基础。     

变电站图像监控系统中一种低码率的图像分形压缩方法

针对大型变电站图像监控系统中图像传输的关键问题，提出了一种基于遗传算法的图像分形编码方法。该方法既利用了图像分形压缩的高压缩比特性，又利用了遗传算法的快速搜索特性，克服了图像分形压缩算法时间开销大的缺点。文章对基本的分形编码方法与基于遗传算法的分形编码方法以及和基于JPEG2000的编码方法做了比较。对遗传算法提出了扩大的可变的搜索空间，有效地避免了遗传算法在运行过程中存在的产生超级后代及失去优秀个体的可能。     

基于遗传算法的电网经济调度新方法的研究

本文简述了人工智能优化方法－－遗传算法基本原理，提出了一个实用性能较好的电网经济调度模型，就遗传算法解决电网安全的调度问题进行了深入研究，建立了多机系统的适值函数，对基本遗传算法提出了有效改进策略，为解决电网安全约束经济调度问题展示了新方法。     

基于遗传算法的电磁电器优化设计

介绍了多目标遗传算法的特点和应用方法，将其运用于电磁电器动态规划优化设计中，并以交流接触器设计为例，编制了相应的多目标遗传算法应用程序。优化结果表明，该法十分有效，遗传算法完全可以应用到电磁电器设计领域中。     

基于Agent行为和范例学习的遗传算法在城网规划中的应用

城市配电网优化规划（简称城网规划）目前还缺乏高效、实用的算法。传统遗传算法由于受确定编码形式的制约而缺乏对复杂问题的表述能力。文中通过吸收有关文献提出的“行为遗传”思想，进一步提出了一种基于Agent行为和范例学习的新型遗传算法。该算法由Agent基于知识的一系列决策行为，生成待优化问题的一个可行解的非编码方式，取代了传统遗传算法基于编码的可行解生成方式；用基于“范例学习”的进化寻优机制，取代了传统遗传算法基于模仿基因遗传和变异的进化寻优机制。最后，分别采用新型遗传算法和传统遗传算法对同一算例网络进行优化规划，对比的结果证明了新型遗传算法具有更好的复杂问题表述能力、计算效率、收敛稳定性以及可扩展性。     

遗传模拟退火算法在圆筒型直线感应电机优化设计中的应用

本文采用遗传模拟退火算法对圆筒型直线感应电机进行优化设计。该优化算法把模拟退火算法结合进遗传算法中，这样在保证获得较好的全局搜索能力的同时，又加快了遗传算法在峰值附近的收敛，提高了遗传算法的效率。     

人工神经网络与遗传算法的协作在输电铁塔结构优化上的实现

着重讨论了人工神经网络及遗传算法的应用，并介绍了求解问题的步骤。提出了人工神经网络（BP网络）与遗传算法的协作，利用人工神经网络的联想记忆，特征提取的能力，辅助遗传算法求解输电铁塔结构优化设计问题。进行了实例运算，给出了计算结果，并和其它的计算方法进行比较，计算时间可减少15％-20％。     

用遗传算法解算机组组合的研究

用遗传算法解决电力系统机组组合及机组间的负荷分配问题。在机组数目增加时，二进制编码的遗传算法的计算量及存储量会增加很多，并且经典的遗传算法不具有渐近收敛性。针对这些问题，作者采用二进制与浮点数混合的编码方案，并根据这一特点设计了遗传算子；对经典的遗传算法在计算中出现的随机性问题，则采用压缩映射遗传算法使计算过程渐近收敛。计算表明，该算法的具有渐近收敛性，与二进制编码的算法相比，计算所需时间及内存少，而且更易引入问题的相关信息。     

基于免疫遗传算法的智能化电磁电器全局优化设计

文章用一种免疫遗传算法（Immune Genetic Algorithm,简称IGA）对智能化电磁电器进行结构及控制参数优化设计。该算法在保留基本遗传算法（Simple Genetic Algorthm,简称SGA）随机全局搜索能力的基础上，引进了生物免疫系统中的抗原记忆，抗体促进与抑制，抗体多样性保持等机制，实验结果表明，基于免疫原理的遗传算法可有效改善基本遗传算法未成熟收敛等缺陷，提高全局搜索的效率及能力，在智能化电磁电器全局优化设计中取得了满意的结果。     

基于遗传算法的永磁直流电机优化设计

建立了永磁直流电机优化设计数学模型，介绍了遗传算法在该电机优化设计中的应用。为使全局优化更为有效，针对永磁直流电机设计特点，提出了新的设计方法，并对简单遗传算法进行了改进，使两者有机融合在一起。文中还对遗传算法运行参数的选取做了探讨，编写了一套永磁直流电机优化设计软件。结果表明，这种算法效果是比较理想的。     

遗传算法在电力系统无功优化中的应用

在利用遗传算法求解电力系统的无功优化问题，在优化编码和变异概率取值两个方面进行了研究，进一步推动了遗传算法在实际系统优化问题中的应用。在电力系统无功优化这个具有多局部极小值的寻优方面，把遗传算法所求得的无功优化结果和传统的基于梯度寻优方向的非线性规划法所得的优化结果进行比较，指出了遗传算法在处理非连续的和非平滑的函数寻优方面优于传统的寻优方法，具备全局寻优的能力。     

用遗传算法进行电力系统无功优化计算

遗传算法是模拟生物进化过程的一种计算，是应用于电力系统无功优化计算的一种新方法；本文详细论述了“遗传算法”的特点，通过算例进一步说明了“遗传算法”在电力系统无功优化计算中的实用性。     

改进遗传算法在无功优化中的应用

本文提出了一种应用于电力系统无功优化问题的改进遗传算法。该算法在一般遗传算法的基础上，对编码方式、遗传算子以及终止判据等方面作了改进。通过对IEEE14节点系统的计算分析表明，该算法优于一般遗传算法。     

进化多智能体技术在多目标优化中的应用

针对多目标优化研究中传统遗传算法存在的一些问题，引入人工智能领域新兴发展起来的多智能体技术，结合遗传算法形成进化多智能体系统来求解多目标优化问题，主要对进化多智能体系统框架、进化遗传算法进行了论述。     

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．     

基于软测量与遗传算法优化的电磁电器设计技术

本文利用样机的性能测试数据，建立了具有全局映射的神经网络软测量模型，并将该模型与遗传算法优化方法有机结合，形成基于软测量与遗传算法优化的电磁电器设计技术，该项技术不仅解决了由电器动态过程数值分析的复杂性带来的遗传算法计算工作量大的问题，而且在优化设计过程中，充分体现了产品的性能状况，为“一次性”设计奠定了技术基础。     

遗传算法在电力系统无功优化中的应用综述

遗传算法是一种通过在整个解空间多渠道同时搜索以找到全局最优解的寻优方法，已经在许多复杂优化问题上被证明是一种相当有效的方法。为此，就遗传算法在电力系统无功优化中的应用进行了介绍，并提出了遗传算法在大规模电力系统无功优化计算中的改进措施。     

统一思想,迎头赶上,把我省入炉煤计量工作提高到新的水平

在利用遗传算法（Ｇｅｎｅｔｉｃ Ａｌｇｏｒｔｈｍｓ）求解电力系统的无功优化问题，在优化编码和变异概率取值两个方面进行了研究，进一步推动了遗传算法在实际系统优化问题中的应用。在电力系统无功优化这个具有多局部极小值优方面，把遗传算法所求复的无功优化结果和传统的基于梯度寻优方向的非线性规划法所求得优化结果进行比较，指出了遗传算法在处理非连续的和非平滑的函数寻优方面优于传统的寻优方法，具备全局寻优的能力。