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.     

配电网络重构的FPT-算法

将地区电网停电恢复问题转化为顶点覆盖问题,针对规模巨大的实际配电系统,将FPT-算法的思想引入配电网络重构,提出一种配电网络重构的FPT-算法,通过用图的多划分方法来化简配电网络重构问题的核心及对划分后子图的限定搜索树方法两个步骤对问题求最优解,这具有实用前景,也为人们对此问题寻找新方法提供更多的参考信息．     

配电网络重构的FPT-算法

将地区电网停电恢复问题转化为顶点覆盖问题,针对规模巨大的实际配电系统,将FPT-算法的思想引入配电网络重构,提出一种配电网络重构的FPT-算法,通过用图的多划分方法来化简配电网络重构问题的核心及对划分后子图的限定搜索树方法两个步骤对问题求最优解,这具有实用前景,也为人们对此问题寻找新方法提供更多的参考信息．     

模糊学择近原则在多目标规划中的应用

针对多目标规划寻优的难题，借助于由模糊学择近原则和贴近度概念，从诸多非劣解寻优中归纳出一个方法，并进一步论证了此方法的可行性和综合性等优良特性．     

配电网络预置故障后重构与负荷转移方法研究

供电网的重构力求可靠性和快速性，论述了在正常运行时预置故障后重构方案的方法。讨论了在保证供电网可靠运行的条件下，供电网内各线路可能发生的故障预置负荷的转移方案，包括网络重构，负荷组合方案，网损等的计算过程，在重构已预确定的情况下，负荷恢复供电将迅速简单，方法过程明了，容易实现。     

多目标进化算法综述

多目标进化算法已经成为解决多目标优化问题的主要方法之一。本文详细介绍了经典的多目标进化算法,并分析了各种算法所采取的策略,给出了各个算法优缺点分析。讨论了多目标进化算法的应用。     

多目标进化算法综述

多目标进化算法已经成为解决多目标优化问题的主要方法之一。本文详细介绍了经典的多目标进化算法,并分析了各种算法所采取的策略,给出了各个算法优缺点分析。讨论了多目标进化算法的应用。     

多目标优化量子进化算法及其在PID控制器中的应用

目前量子进化算法主要应用于单目标优化问题．本文结合量子进化算法和经典多目标优化算法中常用的非支配排序技术,提出一种解决多目标优化问题的多目标优化量子进化算法（Multi—objective Optimization Quantum Evolutionary Algorithm,MOQEA）,并将其应用于PID控制器参数整定．经过实验证明,无论是解的质量还是解的分布均匀性,MOQEA都优于经典多目标优化算法NSGA—II．     

多目标进化算法在物流配送中心选址中的应用

传统的物流配送中心选址模型过于单一地追求物流成本的最小化,而没有考虑服务的质量与效率．本文将顾客时间满意度作为度量物流服务水平的一个标准,提出了物流配送中顾客时间满意度的计算方法,建立了以物流成本最小化和时间满意度最大化为目标的物流配送中心选址多目标优化模型．采用一种基于NSGA一Ⅱ的多目标进化算法来求解,通过选择合适的编码方法和遗传算子可以得到模型的最优解,并通过实际算例说明了模型和算法的有效性．该模型能一次得到多组有效解,从而可以为物流配送中心选址提供更加全面的决策支持．     

含分布式电源的配电网络重构

随着分布式电源在电力系统的逐步推广,考虑分布式电源的配电网重构具有广阔的发展前景。提出基于Metropolis准则的群搜索优化算法,并对含分布式电源的配电网进行重构。Metropolis准则能够有效解决发现者局部寻优时产生错误的搜索方向,从而跳出局部极值点,提高了优化的效果。算例结果表明分布式电源的引入提高了节点电压,降低了有功网损,并验证了算法的可行性。     

基于核分布估计的动态多目标优化进化算法

建立了一种近似估计下一环境进化种群和问题的Pareto最优解集的核分布估计方法, 当问题环境发生改变时, 算法利用以前不同环境搜索到的有用解信息对下一环境进化种群及Pareto最优解集进行近似估计, 极大地提高了算法的搜索效率。在对进化算子的合理设计基础上提出了一种核分布估计的动态多目标优化进化算法。通过对4个常用标准测试函数所作的数据仿真实验表明:提出的算法是十分有效的.     

Solving material distribution routing problem in mixed manufacturing systems with a hybrid multi-objective evolutionary algorithm

The material distribution routing problem in the manufacturing system is a complex combinatorial optimization problem and its main task is to deliver materials to the working stations with low cost and high efficiency. A multi-objective model was presented for the material distribution routing problem in mixed manufacturing systems, and it was solved by a hybrid multi-objective evolutionary algorithm (HMOEA). The characteristics of the HMOEA are as follows: 1) A route pool is employed to preserve the best routes for the population initiation; 2) A specialized best-worst route crossover (BWRC) mode is designed to perform the crossover operators for selecting the best route from Chromosomes 1 to exchange with the worst one in Chromosomes 2, so that the better genes are inherited to the offspring; 3) A route swap mode is used to perform the mutation for improving the convergence speed and preserving the better gene; 4) Local heuristics search methods are applied in this algorithm. Computational study of a practical case shows that the proposed algorithm can decrease the total travel distance by 51.66%, enhance the average vehicle load rate by 37.85%, cut down 15 routes and reduce a deliver vehicle. The convergence speed of HMOEA is faster than that of famous NSGA-II.     

基于CMAC神经网络的配网重构模型

为使配电网的有功功率损失最小化,提出了一种基于小脑模型关节控制器(cerebellar model articulation controller,CMAC)神经网络配电网重构模型.借助于CMAC神经网络输入和输出之间的非线性映射关系和泛化能力,来建立变化的负荷水平与最优化网络拓扑之间的对应关系,即网络重构.还将该模型与基于BP网络的配网重构模型进行比较.经算例表明,模型可以快速地给出重构的结果,适合大型配电网使用.     

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。     

无线传感器网络中的进化规划重采样定位算法

为了对无线传感器网络中随机分布的节点进行更精确的定位,提出了一种基于进化规划重采样的定位算法.在初始阶段进行位置采样并求得初始位置估计后,利用小规模的进化规划进行位置的重采样优化,然后使用迭代求得位置估计.在进化过程中,可以使用标准进化规划和元进化规划两种方法来得到重采样位置.仿真结果表明:对比同类算法,该算法将平均定位误差降低了20%左右;相对于标准进化规划,采用元进化规划的重采样具有更强的自适应能力,对定位算法的精度提升更加显著.     

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.     

多目标动态规划分层解法

给出了一个由分层解法得到的最优解一定是弱Pareto最优解,并且可以通过修改分层解法得到 的最优集得到一个Pareto最优解集.     

一种新的模糊自适应模拟退火遗传算法在配电网重构中的应用

本文对配电网的重构问题进行了研究,提出了结合实际的配电网重构目标函数,并将遗传算法引入其中,用来解决这个复杂的,多目标,多约束的组合优化问题。针对遗传算法收敛速度慢、容易"早熟"等缺点,结合模糊推理、模拟退火算法和自适应机制,采用一种改进的遗传算法——模糊自适应模拟退火遗传算法(FASAGA),实例分析表明,该算法比标准的遗传算法(SGA)具有更快的收敛速度和寻优效果。     

改进的基因表达式编程算法在演化建模中的应用

为了克服传统基因表达式编程易早熟收敛、种群多样性难以保持、演化效率不高、拟合度不高等缺陷。给出了基于表现型的种群多样性测度,并提出了基于排挤小生境的改进基因表达式编程算法．该算法将小生境半径内的早熟个体通过罚函数排挤出去．使其它优良个体得以更大概率进化,并使各个个体之间保持一定的距离．分别对一元函数和多元复杂函数进行演化建模实验．结果表明,改进的算法能在演化过程中能保持丰富的群体多样性,能够有效避免过早收敛．具有更高的成功率、更高的收敛速度和拟合精度．