基于差分进化算法的动态环境经济电力系统调度优化

电力系统动态环境经济调度优化隶属于非线性优化问题范畴,并具有多目标、高维、多约束条件等特点。经 典的数学规划方法无法处理此类复杂问题。为此,提出了新的方法来解决这个问题。首先,通过代价惩罚因子将双目 标优化问题转化为单目标优化问题。然后,设计启发式搜索策略来解决调度问题中的爬坡约束、动态电力平衡约束。 采用启发式策略修正解决方案,能够提高群体的多样性,拓展搜索空间。基于优先列表的启发式策略能够使能耗低的 火力发电机拥有更高的优先级进行更多的电力输出,以得到更优的调度解决方案。最后,改进差分进化算法,以加快 搜索的速度并提高解决方案的质量。     

基于差分算法的反渗透海水淡化优化调度

以系统运行费用为目标的反渗透海水淡化优化调度是一类带有约束的非线性优化问题。针对这一问题,提出一种改进的差分进化算法。该算法对基本差分进化算法中的变异因子和交叉因子进行改进;定义约束违反度函数,将约束优化问题转化为无约束的优化问题。以24小时为一个周期,通过改进的差分进化算法对系统模型进行优化调度。仿真结果表明,改进的算法可以对机组进行优化操作,有效的降低了系统的生产成本。     

多目标优化差分进化算法

个体的适应度赋值和群体的多样性维护是进化算法的两个关键问题。首先,一方面,定义了Paretoε-支配关系的相关概念,通过Paretoε-支配关系确定个体的强度Pareto值,根据个体的强度Pareto值对群体进行Pareto分级排序,实现优胜劣汰;另一方面,使用拥挤距离估算个体的拥挤密度,淘汰位于拥挤区的一些个体,维持群体的多样性。然后,根据差分进化算法的特点,使用适当的进化策略和控制参数,给出了一种用于求解多目标优化问题的差分进化算法DEAMO。最后,数值实验表明,DEAMO在求解标准的多目标优化问题时性能表现优良。     

多模式公交组合调度优化模型

针对站点不同时刻的客流需求,系统地探讨了乘客出行时间和公交公司运营管理的有机联系,研究了全程车、区间车和大站快车3种发车模式组合及发车间隔。以系统总时间成本最优为目标,在相同决策间隔下选择不同决策模式,建立了发车频率不定的公交组合调度模型。同时,针对调度模型组合优化的NP难特点,利用差分进化优化算法对模型求解。结果表明,在决策间隔为4min的情况下,首站发车间隔有4min、8min、12min 3种可能;考虑到区间车和大站快车超车的情况,各站点乘客的等车时间为0.8min～12min不等。 与原先分时段的单一调度相比,多模式公交组合调度能减少公交车发车次数,有效降低系统时间成本。     

基于优化调度目标的三峡船闸梯级枢纽联合调度算法研究

在三峡船闸梯级枢纽运行期间,要运用联合调度算法完成各项基础任务,以此保障实践工作效益实现最大化。在我国交通能源建设水平不断提高中,以生态文明和低碳环保为核心的枢纽建设得到了全社会的重视,各领域学者在深层探究枢纽优化调度目标的同时,获取了更多基础理论和解决方法,这对现代三峡船闸梯级枢纽联合调度系统建设而言具有积极影响。因此,本文研究在明确优化调度多目标算法的基础上,根据三峡葛洲坝梯级枢纽建设运行情况,深藏探讨实际三峡船闸梯级枢纽联合调度算法的应用效果。     

考虑新能源接入的电力多目标优化调度

发展新能源技术是减少化石能源依赖以及解决污染排放问题的有效途径,但是规模化的新能源并网也会影响电网的安全稳定运行。为研究以风电、电动汽车为代表的新能源并网对电力调度的影响,建立综合考虑电网运行成本、污染排放、日负荷方差等因素的多目标动态环境经济安全调度模型,并采用基于分解的多目标进化算法（MOEA/D-M2M）进行复杂约束条件下的调度分析。对含风电和电动汽车并网的10机系统进行仿真研究,验证了所提调度模型及方法的合理性及有效性。     

棒线材轧制批量调度多目标混合优化

在分析批量调度问题特征的基础上建立了精轧工序轧制批量调度的数学模型,采用混合自适应多目标进化算法进行求解．在该算法中,采用全局搜索与局部优化相结合来加快算法的收敛速度,基因修正与罚函数相结合来解决约束问题,运用免疫共享方法维护种群的多源性,根据评估结果自适应改变遗传操作的概率．应用生产实际数据进行测试,表明该调度方法能获得所需的Pareto优化前沿．     

组合分布估计和差分进化的多目标优化算法

为了提高多目标优化算法的收敛能力及求解精度,提出了一种组合分布估计和差分进化的多目标优化算法.该方法用分布估计算法和差分进化算法共同生成种群中的粒子,利用选择因子来控制每个粒子的产生方式,并且根据迭代次数的增加来改变2种算法的使用比例,搜索初期利用分布估计算法进行快速定位,然后用差分进化算法进行精确搜索.并对差分进化算法的变异因子进行了改进,定义了一个可变的变异因子,来控制不同搜索时期中差分进化算法的变异范围.用4个测试函数对算法进行了仿真测试,并同NSGA-Ⅱ和RM-MEDA进行了比较.实验结果表明,该算法具有良好的收敛性和分布性,并且效果稳定.     

基于反向差分算法的航空发动机装配车间优化调度

航空发动机装配车间的各个生产线的优化调度问题是一个典型的具有可重入特性的生产调度问题,从调度优化难易的角度来看,属于NP难题。针对这个问题,在分析航空发动机的工艺流程与特点以及航空发动机的数学模型之后,以最小化最大完工时间为调度优化问题的目标函数,提出了基于反向差分进化算法的优化调度方案。最后,仿真实验表明,该方案对于解决优化调度问题是行之有效的。     

差分进化混合粒子群算法求解项目调度问题*

针对求解资源受限项目调度问题（RCPSP）,提出了基于差分进化（DE）的混合粒子群算法（PSODE）。通过在PSO种群和DE种群之间建立一种信息交流机制,使信息能够在两个种群中传递,以避免个体因错误的信息判断而陷入局部最优点。采用标准测试函数和具体算例进行检验,结果表明PSODE算法可以较好地解决RCPS问题。     

多目标柔性作业调度的优化研究

针对以生产周期、生产成本、设备利用率为目标的柔性作业调度问题,基于混合遗传算法提出了一种新的优化求解方法。首先建立了该类问题的调度模型,基于工序编码的染色体决定了工序调度的优先级;利用无量纲的标准化处理方法统一目标量纲;然后,利用层次分析法将多目标问题转化为单目标问题,同时为了保证算法的收敛性,在基本遗传算法框架的基础上集成了禁忌搜索算法,从而延缓或避免了早熟收敛的发生。最后通过实验仿真,证明提出的方法可以有效解决该类多目标柔性作业调度问题。     

基于多策略协同进化差分算法的社区居民负荷优化调度

针对需求响应下负荷调度的问题,为提供满足居民利益的响应方案,并提高电网运行稳定性,综合考虑电价、激励型需求响应机制与居民用电需求,以用电成本和社区负荷方差最小化为目标,建立了多用户负荷调度高维目标优化模型。结合模型特征提出一种基于多策略的合作协同进化差分进化算法,设计了基于居民用电特征的混合编码与种群初始化策略,以提高解的质量;引入合作协同进化思想将问题变量分解,依据高维目标分组与聚合对种群进行划分,避免陷入局优;各子种群进化时采取双差分模式协同策略,并构建知识迁移个体实现种群间信息交互,最后经贪婪与随机选择结合的种群合并策略保留完整优秀解至外部档案,以提高Pareto最优集的收敛性与分布性。算例仿真表明所提方法可降低社区居民用电成本18%左右、负荷波动方差30%以上;随着居民数量增加,算法的收敛性与多样性与同领域其他算法相比优势更为明显。     

两级差分进化算法求解多资源作业车间批量调度问题

以优化生产周期为目标,研究并建立了多资源作业车间批量调度问题模型.提出一种新的两级差分进化算法,采用两级染色体编码来解决批量划分和排序优化问题;设计了基于自适应差分进化算法(DE)的全局搜索操作,并在算法框架中嵌入了基于Interchange邻域结构的局部搜索;基于等量划分原则,为每个工件确定最优批次数及子批次的批量大小,并为各子批次确定最优排序.通过单资源算例和多资源实例仿真表明了模型和算法的可行性和有效性.     

基于混合差分进化算法的梯级水电站调度研究

针对梯级水电站优化调度的复杂问题,结合差分进化算法和混合蛙跳算法各自优势,提出一种新的混合差分进化算法。该算法将差分进化策略嵌入到混合蛙跳算法框架中,对整个群体循环进行分组进化与混合操作,而在每个分组内部按照差分进化策略对个体不断进行更新。数值实验表明该算法具有较强的全局搜索能力,克服了基本差分进化算法易早熟收敛的缺点。将该算法应用于梯级水电站中长期优化调度实例,并与传统动态规划法进行比较分析,进一步验证了其可行性与有效性。     

考虑多样化需求的诊疗设备维护和患者调度联合优化研究

针对诊疗设备维护和住院患者候诊难以有效协调的问题,建立了联合优化模型。首先,假设设备具有离散的劣化状态,将设备的劣化过程建模为连续时间马尔可夫链;其次,考虑到患者对诊疗设备的不同功能频率需求,以及不同劣化状态对患者治疗时间、费用的影响,以患者就诊顺序、检查策略、修复策略为决策变量建立了设备维护和患者调度模型;最后,采用改进后的非支配排序遗传算法对多目标问题进行了求解。实验结果验证了设备维护与患者调度联合优化模型的有效性。改进后的算法提高了整体和局部的搜索能力,且具有鲁棒性。     

基于改进多目标粒子群算法的水库防洪调度

提出了一种基于改进多目标粒子群优化算法的水库防洪调度算法（MOPSO-RFC）。该算法采用下泄流量编码方式;设计了一种基于邻域最大拥挤距离的全局极值选择算子,以保持更好的种群多样性;设计了一种基于差分进化的精英种群自学习算子,以提高算法的求解效率。对陕西省安康水库两场典型洪水的调度研究结果表明,MOPSO-RFC算法获得了一组质量高、多样性好的防洪调度方案,有效实现了削减洪峰的目的。     

基于多Agent和进化算法的作业线调度研究

作业线调度是集装箱码头生产调度中最为关键的一个环节。文中将在充分分析与研究集装箱码头装卸作业信息流动的基础上,针对岸边作业线调度问题以及国内作业线系统的不足,建立模型辅助决策,帮助调度员快速、准确、安全、合理地进行岸桥调度的决策。在文中,充分地考虑了泊位、船舶、岸桥等集装箱设备及其协调,利用并合理地配置了这些码头资源,将引用多Agent技术协调作业线调度,并使用进化算法计算并安排岸桥来进行作业调度,建立基于多Agent和进化算法的集装箱码头作业线调度智能化系统。     

生产调度优化问题文化进化算法研究

许多生产调度优化问题属于NP-hard问题,其求解通常采用智能启发式算法。基于文化算法及文化进化思想设计的文化进化算法,通过上层文化空间的经验知识指导下层个体进化搜索的方向及步长,通过模拟人类社会文化进化的机制实现文化空间的进化与更新,最后将算法应用到置换Flow shop问题的求解,用Matlab编程仿真测试,结果表明此算法解决生产调度优化问题是可行的,而且其全局搜索性能优于一种改进的GA算法。     

面向柔性作业车间调度的多策略鲸鱼优化算法

以某大型家具企业的柔性生产制造过程中调度问题为研究对象,提出了一种主要用于求解柔性作业车间调度问题的多策略鲸鱼优化算法(multi-strategy whale optimization algorithm, MWOA),首先,为了提高初始种群的多样性,引入混沌理论来初始化种群;同时设计了非线性收敛因子和自适应惯性权重系数来平衡全局探索和局部开发能力;然后结合差分进化(differential evolution, DE)算子提高了WOA的利用和搜索能力,最后采取最优个体混沌搜索策略,减少WOA算法出现早熟收敛现象的概率.以最小化最大完工时间为求解目标,对基准测试问题与某家具企业的生产制造过程的调度优化问题进行了求解,结果表明提出来的多策略鲸鱼优化算法克服了基本鲸鱼优化算法寻优精度低、收敛速度慢及容易陷入局部最优等缺陷,与对比算法比较,取得了更好的寻优效果.