基于改进萤火虫算法的梯级水库优化调度研究

梯级水电站水库群联合调度问题具有复杂的约束条件,受到发电、供水、防洪等目标的制约。作为多目标非线性优化调度问题,为了解决传统算法中存在结果受初值参数影响较大、容易陷入局部最优解、收敛速度不理想等问题,首次尝试将萤火虫算法引入梯级水库优化调度研究中。在传统萤火虫算法模仿自然界萤火虫捕食求偶行为的基础上,对其进行优化与改进,引入目标空间中解的Pareto支配关系比较萤火虫荧光亮度,比较其优化解,采用轮盘赌法确定萤火虫每次更新过程中的移动路径,利用精英保留策略建立多目标萤火虫模型。通过典型的梯级水电站进行仿真计算,研究结果表明,改进的多目标萤火虫算法在优化过程中具有较强的寻优能力,能更好地进行全局搜索和局部搜索,计算过程中具有良好的稳定性,并且计算效率较高,优于遗传算法(GA)、粒子群算法(PSO)和蚁群算法(ACO),为多阶段、多约束的梯级水电站水库群中长期优化调度问题提供了新的途径和新方法。     

改进萤火虫算法在地区水资源优化配置中应用研究

针对某地区水资源供需现状,引入萤火虫算法,并相应改进萤火虫算法匹配水资源配置模型求解,研究了改进计算步长、权重值、压缩因子等方法的萤火虫算法,以Ackley、Sphere、Rastrigin三个目标函数对比求解进度及收敛速度,该水资源模型适合压缩因子改进萤火虫算法。该算法在水资源优化配置模型中求解应用提供一定参考。     

基于改进萤火虫算法的水电机组调速器PID参数优化

针对水电机组PID参数优化问题,在分析水电机组调节系统特性和PID寻优适应度函数的基础上,基于萤火虫算法建立了水电机组调速器PID参数寻优模型。针对空载工况下4%频率扰动仿真试验和10%负荷扰动试验,获得改进萤火虫算法和标准萤火虫算法下的PID最优解。研究表明:改进萤火虫算法所获得的PID最优解不仅在扰动下超调量较小,过渡过程时间也较短,更利于系统的稳定。     

改进萤火虫优化的软子空间聚类算法

目标函数与搜索策略有效地结合可以提高软子空间聚类算法的性能。传统的软子空间聚类算法迭代求解时受初始聚类中心和噪声数据的影响极易陷入局部最优。针对该问题,提出一种改进萤火虫优化的软子空间聚类算法。算法引入目标函数和隶属度计算方法对界约束的权值矩阵进行评估并对数据样本进行分簇,将权值矩阵看成聚类问题的可行解,运用改进萤火虫算法优化求得较优的权值矩阵,从而改善聚类效果。在UCI数据集上的实验结果表明,改进后的算法能有效收敛于全局最优解,具有良好的聚类效果。     

基于IFA-LSSVM的短期风功率预测

为避免风力发电随机性、波动性对电网调度的影响,同时基于风功率预测在微电网和风储系统等热点研究问题中的应用必要性,建立基于改进萤火虫算法(IFA)优化最小二乘支持向量机(LSSVM)的短期风功率预测模型.首先,利用混沌映射及步长因子自适应调整方法对萤火虫算法进行创新性改进,增强其全局搜索能力,又解决了局部震荡问题;其次,...     

基于改进萤火虫算法的水资源优化配置

构建以经济、社会、环境综合效益为目标的水资源优化配置模型,通过线性加权法将多目标模型化为单目标模型,在萤火虫算法的基础上引入一种自适应型惯性权重,将固定步长改进为可变步长,求解优化配置模型,并结合实例,得到了不同水平年不同保证率下的山西省盂县水资源优化配置方案。研究结果表明:盂县供需水量基本平衡,配置方案科学合理,基于改进萤火虫算法的水资源优化配置模型在孟县具有较强的有效性与适用性。     

多策略集成萤火虫算法

为解决萤火虫算法易陷入局部最优、收敛速度慢等问题,提出一种多策略集成萤火虫算法。该算法首先在位置更新公式中引入基于注意力机制的惯性权重,帮助萤火虫跳出局部最优,从而有效提升算法的收敛速度;其次提出一种步长调整机制,为萤火虫算法评估次数设定某一阈值,提高算法的局部开发能力;最后引入改进的邻域搜索策略,充分利用每只萤火虫的历史最优位置信息,使当前待优化粒子有机会搜索到更优解,可有效改善算法迭代后期探索能力下降的问题。12个基准测试函数和22个复杂测试函数的实验结果表明,所提算法具有良好的收敛速度和优化精度。     

基于改进萤火虫算法和投影寻踪模型的区域水资源承载力评价

<正>确评价区域水资源承载力,对合理开发利用水资源以及促进区域社会经济的可持续发展具有重要意义。以新疆和田地区为例,构建了基于改进萤火虫算法(MFA)-投影寻踪模型的区域水资源承载力评价模型。并将计算结果与PSO算法及GA算法进行比较。结果表明:研究区2012年水资源承载力等级为Ⅱ级,这与其他2种算法的计算结果完全相同,实现了方法对方法的检验。MFA算法在非线性优化问题处理上适用性更强。研究结果为类似地区的水资源承载力评价提供了方法上的借鉴。     

基于萤火虫算法和熵权法的水资源优化配置

以经济、社会、环境综合效益最大为目标建立多目标水资源优化配置模型,利用熵权法计算得到多目标的客观权重系数,采用主观权重与客观权重相结合的方式得到综合权重,避免了仅由人的主观因素确实权重而形成的偏差,结合实例利用萤火虫算法对所建立的模型进行仿真。结果表明:萤烛算法具有较快的收敛速度和较高的寻优性能,能有效地找到最优解,为解决复杂水资源优化配置问题提供了新思路。     

基于GGSO和有限元的土坡稳定性计算研究

针对传统土坡稳定性系数试算过于粗糙、未考虑岩土体应力应变特征的不足等问题,以提出一种更为合理的边坡稳定性计算方法为目标,对标准的萤火虫算法(Glowworm Swarm Optimization,GSO)进行改进,加入高斯白噪声扰动策略,增强了算法的全局寻优能力,提出一种改进萤火虫算法(Gauss Glowworm Swarm Optimization,GGSO)。通过标准函数测试表明了新方法的有效性。三个标准函数的测试结果显示:GGSO的寻优效果较GSO大幅度提升;通过有限元应力法计算土坡稳定性系数,并以圆心和半径为自变量,将边坡稳定性计算转化为一个完备的数学优化问题,该优化问题可通过GGSO求解。通过均质土坡和非均质土坡算例验证提出方法的有效性,结果表明:提出的边坡稳定性计算方法能够获得合理的边坡稳定性系数值。最后将提出的边坡稳定性计算方法用于许卡滑坡土质边坡的稳定性计算之中。研究成果对土坡稳定性分析具有一定的参考价值。     

求解无功优化的内点线性和内点非线性规划方法比较

将内点线性和内点非线性规划算法应用于求解大型电力系统的无功优化问题，并对两种算法的几个关键问题进行了研究，提出了有效的改进措施。根据从14节点到538节点的5个不同规模试验系统的计算结果，在收敛性能、优化结果和计算速度等方面对这两种算法进行了综合评估。     

鲸鱼优化算法在水库优化调度中的应用

为验证鲸鱼优化算法在水库优化调度求解中的可行性和有效性,采用4个典型测试函数对鲸鱼优化算法进行仿真验证,并与布谷鸟搜索算法、差分进化算法、混合蛙跳算法、粒子群优化算法、萤火虫算法和SCE-UA算法共6种算法的仿真结果进行对比分析;将鲸鱼优化算法与6种对比算法应用于某单一水库和某梯级水库中长期优化调度求解。结果表明:鲸鱼优化算法寻优精度高于其他6种算法8个数量级以上,具有收敛速度快、收敛精度高和极值寻优能力强等特点;鲸鱼优化算法单一水库和梯级水库优化调度结果均优于其他6种算法;鲸鱼优化算法应用于水库优化调度求解是可行和有效的。     

多策略融合学习萤火虫算法在年径流预测中的应用

为提高萤火虫算法(FA)的收敛速度和求解精度,提出多策略融合学习萤火虫算法(MSFLFA)。该算法为最优萤火虫引入深度学习策略,开展全局搜索,为非最优萤火虫引入随机吸引模型,开展局部开采,兼顾探索和开采平衡,提升收敛速度和寻优精度双目标。为验证MSFLFA性能,基于经典函数测试集进行仿真测试,实验表明,MSFLFA性能优于FA,VSSFA,WSSFA,MFA,CFA,RaFA和ApFA。为扩展MSFLFA应用领域,融合支持向量回归(SVR),建立MSFLFA-SVR径流预测模型。仿真实验表明,与FA-SVR,WSSFA-SVR,MFA-SVR,RaFA-SVR,BP-ANN-SVR和PPR-SVR模型相比,MSFLFA-SVR预测模型具有更高的预测精度。     

基于免疫蛙跳算法的小波神经网络的水稻需水量预测

为了避免传统小波神经网络采用基于负梯度方向的BP算法学习训练过程中存在收敛速度慢、易陷入局部最小的缺点,采用改进的免疫蛙跳算法对传统的小波神经网络中各个参数进行优化,提高小波神经网络模型的收敛速度和预测精度,提出了基于改进免疫蛙跳算法优化小波神经网络的预测模型,将该模型应用于水稻需水量的预测中,研究结果表明：该耦合模型优于传统的小波神经网络,对水稻需水量有良好的预测性能。     

基于改进萤火虫算法的水库多目标调度决策研究

水库不同调度目标之间既非完全协调也非完全对立,如何快速获取多目标调度方案集,科学进行调度方案决策优选,是实现水库水资源高效利用的重要问题。以年发电量最大和生态效益最优作为目标函数,建立水库发电-生态多目标优化调度模型,进而提出该模型优化求解的改进多目标萤火虫算法,并结合组合权重改进的多准则妥协解排序法进行调度方案决策,最后将其应用于三峡水库调度实例。研究结果表明：改进算法能够获得更高质量的非劣解集,方案集优选方法能够在折中最大化群体效益和最小化个体遗憾的基础上寻求最优解,且能够同时体现决策者偏好以及各个决策指标客观特征。研究成果可为水库多目标调度决策提供科学依据。     

基于改进粒子群优化算法的水库生态优化调度研究

文中对传统粒子群算法进行改进,提高其优化算法的收敛度,并结合改进粒子群算法对观音阁水库生态调度进行优化计算。研究结果表明,采用改进粒子群算法的水库生态调度优化求解精度得到明显改善,不同月份观音阁水库下游河道最小和适宜生态径流满足度相比于改进前显著提高。研究成果对于水库生态优化调度算法具有重要参考价值。     

改进微粒群算法在"资源-工期"优化中的应用

为了解决水利工程项目中"资源有限、工期最短"优化问题,将微粒群算法与该问题相结合,建立基于改进微粒群算法的工期优化模型.对基于置换的改进微粒群算法及其相关参数进行了研究,结合该算法对"资源有限、工期最短"问题进行具体分析,通过工程实例验证了基于改进微粒群算法优化该问题的有效性,较传统方法更为简单、收敛速度快,获得更优的结果.     

基于改进布谷鸟算法的梯级水库优化调度研究

梯级水库优化调度模型的求解一直是水利学科需要深入研究的基本问题。使用改进布谷鸟算法求解梯级水库优化调度模型是一种新思路。布谷鸟算法是近年来提出的一种新颖的启发式全局搜索算法,该算法参数少、鲁棒性强、搜索效率高,已得到广泛的研究和应用。本文对标准布谷鸟算法的寻优机制作了阐述,并尝试在算法进化过程中采用动态发现概率以及引入变异机制对标准算法进行改进,提出了改进的布谷鸟算法,将其应用于某梯级水库优化调度问题当中。实例验证了布谷鸟算法在梯级水库优化调度中的可行性和有效性,提出的改进策略可有效克服标准算法中的"早熟"现象,改进算法搜索效率更高,寻优结果更稳定。     

基于改进布谷鸟算法的梯级水库长期优化调度研究

梯级水库优化调度模型的求解一直是水利学科需要深入研究的基本问题。使用改进布谷鸟算法求解梯级水库优化调度模型是一种新思路。布谷鸟算法是近年来提出的一种新颖的启发式全局搜索算法,该算法参数少、鲁棒性强、搜索效率高,已得到广泛的研究和应用。对标准布谷鸟算法的寻优机制作了阐述,并尝试在算法进化过程中采用动态发现概率以及引入变异机制对标准算法进行改进,提出了改进的布谷鸟算法,并将其应用于某梯级水库优化调度中。以实例验证了布谷鸟算法在梯级水库优化调度中的可行性和有效性,提出的改进策略可有效克服标准算法中的"早熟"现象,改进算法搜索效率更高,寻优结果更稳定。     

基于改进蚁群算法的渡槽结构优化设计

渡槽结构优化设计属于混合离散变量优化问题,针对利用一般连续变量方法进行离散变量优化设计的不足,对基本蚁群优化算法进行了改进:引入蚁群更新、沿途搜索等策略,在搜索过程中对设计变量进行工程化处理,蚂蚁按处理后的变量进行离散搜索。开发了基于改进的蚁群优化算法的混合离散变量渡槽优化设计的程序。实例研究表明,该算法对优化设计问题的特性无特殊要求,而且程序运行可靠,全局收敛能力强。