火电厂内机组优化组合的改进遗传算法

本文针对常规遗传算法缺点，根据具体问题的特征，对火电厂内机组优化组组合中的遗传算法从各个环节进行了改进。实例计算表明，该方法收敛性好、适应性强、能更有效地达到或接近全局最优。     

基于退火演化算法和遗传算法的机组优化组合算法

机组组合问题是编制短期发电计划时首先要解决的问题，合理的开停机方案将带来很大的经济效益。现代电力系统对机组优化组合算法的收敛速度和解的质量要求越来越高，作者从改善传统算法这两方面着手，根据退火演化算法和遗传算法各自的特点，提出了一种用于机组优化组合的组合算法。与传统的一些优化算法相比，该组合算法具有搜索速度快，收敛性好，而且解的质量相当高。通过对实际系统的测算，验证了该方法的有效性和优越性。该方法具有良好的并行性，易于在并行计算机上实现。     

一种机组优化组合问题的遗传算法

火力发电厂的发电机组优化组合问题具有高维数、非凸、离散、非线性、多约束的特点,增加了求解的复杂性。讨论了机组优化启停的遗传算法,通过可行性检查使初始解群中的所有个体都是可行解,也使求解过程中建立了一种从不可行解域到可行解域的映射关系,这样可以大大减少无效的遗传搜索过程。实例计算表明,该方法收敛性好,适应性强,计算速度快,能够使计算的结果更加有效地接近全局最优解。     

遗传算法在水电站机组优化组合中的研究与应用

建立了水电站机组优化组合数学模型,提出了基于二进制与浮点数混合编码的遗传算法工程实现方法,把问题分解为机组状态组合与机组负荷分配两个子问题,分别对其优化。对实例计算分析表明：遗传算法具有计算速度快,计算结果好的优点,其对发电机组优化组合问题的求解是可行的、有效的,具有较强的实用价值。     

机组优化组合的遗传算法

本文对机组优化组合的遗传算法进行了研究，针对问题的特征，设计了应用方法。实例计算表明，遗传算法具有收敛性好，适应性强，能找到近乎全局最优解，它对实现机组优化组合具有实用价值。     

改进遗传算法及其在机组优化组合中的应用

提出了一种新的基于浮点数和二进制数统一编码的改进遗传算法。该算法有效利用了浮点数编码FGA(Float—coaded Genetic Algorithm)收敛迅速、不易陷入局部最优解、具有较高收敛精度的优点,同时结合二进制编码BGA(Binary—coaded Genetic Algorithm)模拟机组启停状态的优点,解决了机组优化组合的O-1混合整数非线性规划问题。该算法已成功地运用到16台机组的优化组合中,并取得很好的效果。     

用于机组优化组合的改进单亲遗传算法

为了有效地解决火电厂机组优化组合问题,作提出了一种改进的单亲遗传算法。该算法使用实数编码,不使用在两条染色体之间操作的交叉算子,所有遗传操作全部在一条染色体上进行,简化了遗传操作过程,提高了计算效率,且不要求初始群体中的个体具有多样性,也不存在“早熟”收敛现象。与传统的机组优化组合方法相比,该方法能方便地处理机组优化组合问题的复杂约束条。计算实例验证了这种算法的有效性。     

定水电方式下的火电机组优化组合

主要研究了定水电方式下火电机组的优化组合问题,将动态优化调度算法引入到机组优化组合问题中。在计及动态约束的前提下,建立基于一定投运风险度指标下的机组优化组合数学模型,恰当地将网络求解最短路径方法用到此问题的研究之中,使机组优化组合问题的研究取得一定进展。     

基于多Agent遗传算法的水电厂机组优化组合研究与实现

基于多Agent系统理论,构建了一个多Agent机组优化组合系统.对于问题优化模型,提出了一种新颖的多Agent遗传算法,解决了大规模遗传算法的效率问题.对于机组的非线性耗水量特性,提出了一种由Agent动态地管理与维护的神经网络.基于与FIPA兼容的多Agent中间件JADE平台,给出了一个详细的具体实施系统.仿真结果验证了所提出的优化模型与实施方案的合理性和可操作性.     

基于多Agent遗传算法的水电厂机组优化组合研究与实现

基于多Agent系统理论,构建了一个多Agent机组优化组合系统。对于问题优化模型,提出了一种新颖的多Agent遗传算法,解决了大规模遗传算法的效率问题。对于机组的非线性耗水量特性,提出了一种由Agent动态地管理与维护的神经网络。基于与FIPA兼容的多Agent中间件JADE平台,给出了一个详细的具体实施系统。仿真结果验证了所提出的优化模型与实施方案的合理性和可操作性。     

遗传算法搜索优化及其在机组启停中的应用

提出了一种遗传算法应用于机组启停的新思路。针对机组启停问题的特点,设计了一些启发式技术,使得遗传算法初始种群中的所有个体都是可行解。针对遗传操作生成的不可行解,建立了一种从不可行域到可行域的是映射关系,大大减少了搜索中的无效操作。对过度满足约束条件的解,给出了一种有效减冗余的手段。并提出了一种边界搜索方法,可以更容易得到更优的解。这些措施起到了优化搜索路径的作用,有效地提高了遗传算法求解的效率和质量。     

一种求解大规模机组组合问题的混合智能遗传算法

针对传统的采用二进制编码的遗传算法在求解大规模机组组合问题时收敛速度慢、易早熟等问题,作者结合机组组合问题的特点,提出了一种混合智能遗传算法.该算法以机组状态作为个体编码,结合启发式方法的自适应智能变异算子求解目标函数,显著缩小了求解问题的规模,保证了群体多样性,提高了算法的搜索效率,改善了算法的收敛性.仿真计算结果表明了该算法的有效性和实用性.     

机组负荷最优分配的改进遗传算法

本文针对常规遗传算法缺点,根据具体问题的特征,对火电厂内机组优化组合中的遗传算法从各个环节进行了改进,实例计算表明,该方法收敛性好,适应性强,能更有效地达到或接近全局最优。     

一种求解最优机组组合问题的随机扰动蚁群优化算法

针对蚁群优化算法中易出现的停滞现象，设计出一种新颖的随机扰动蚁群优化算法。该算法包含了两个重要方面：一是提出了采用倒指数曲线来描述的扰动因子；二是设计出了相应的随机选择策略和扰动策略。此外，还对该算法中参数的选取方法及取值范围进行了研究和探讨。利用该算法求解最优机组组合问题，并在模型的转化、约束项的处理等方面进行了深入的分析。通过对两个测试系统进行计算，并与基本蚁群算法进行比较，证明了该算法可以有效地克服基本蚁群算法计算时间较长和容易出现停滞现象的缺陷，具有更好的全局优化能力。     

单亲遗传算法及其在火电厂机组优化组合中的应用

本文首先简单介绍了序号编码的单亲遗传算法,然后针对火电厂电机组优化组合问题的具体特征,提出了一种实数编码的单亲遗传算法,并构造了两种遗传算子,最后给出了一个计算实例,计算结果表明这种算法是非常有效的。     

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。     

电力系统机组组合问题的系统进化算法

提出了一种适用于解决大规模电力系统机组组合问题的新型优化算法－－系统进化算法,与常规的优化算法相比该方法具有更强的适应性和鲁棒性,能处理高维数、非凸、离散、非一的实际系统化问题。系统进化的思想具有方法论的意义,根据实际问题的不同特征可以设计不同的系统进化算法。这种方法的提出可以为复杂系统的优化规划、运行决策提供新的途径。