基于启发式蚁群算法的中压配电网络规划方法研究

结合数据库技术,根据城市中压配电网络规划问题的具体特征,对基本蚁群算法中的信息素更新及其寻优方式进行了改进,对基于启发式蚁群算法的中压配电网络规划方法进行了研究.在变电站位置、供电区域及负荷分布已知情况下,利用街道长度和负荷量的信息素和启发信息,选取蚂蚁待选前进街道,确定配电网络的局部优化方案,实现了以区域街道为配电网络走廊的"辐射型"网络优化规划.算例表明该方法能够在保证计算速度的前提下,有效地规划出符合规划要求的方案.方法稳定,规划方案可行.     

基于改进蚁群算法的中压配电网络规划方法研究

研究基于改进蚁群算法的中压配电网络规划方法,设计合理的中压配电网络规划方案,降低中压配电网络的费用。构建以负荷要求、潮流限制为约束条件,投资和运行费用最低为目标函数的中压配电网络规划数学模型。通过变换状态转移准则改进蚁群算法,以数学模型为基础采用改进蚁群算法规划中压配电网络方案。实验表明该方法能使中压配电网络的负荷处于合理范围内,降低投资与运行费用。     

基于蚁群最优的配电网络重构算法

配电网络重构是一个非常复杂的大规模组合优化问题。本文提出了一种新颖的基于蚁群最优的算法来求解正常运行条件下的配电网络重构问题,以达到损失最小,蚁群最优算法法（Ant Colony Optimization,简称ACO算法）是一种新型通用内启发式算法。在求解组合最优问题上,ACO算法已被证明是非常有效的。ACO算法本质上是一个多代理系统,在这个系统中单个代理之间的交互导致了整个蚁群的复杂行为。这种方法的主要特征是正反馈,分布式计算以及富有建设性的贪婪启发式搜索的运用,为了证明本文提出的算法的可行性和有效笥,我们研究了两个算例系统,并给出了计算结果,结论表明,本文提出的算法是相当有希望的。     

跳点优化蚁群算法的移动机器人路径规划

传统的蚁群算法（ACA）在路径规划中难以克服路径次优及收敛慢等问题。针对这些问题,提出一种跳点优化蚁群算法（JPOACA）。通过引入跳点搜索（JPS）算法价值函数,筛选出低成本的邻域节点,然后运用ACA的多邻域性扩展JPS算法的邻域,扩大JPOACA的视野,增加低成本邻域数量,在低成本的JPS算法邻域内设计夹角启发信息函数和步长启发信息函数,提高算法的路径寻优能力,最后采用在跳点处补充信息素,最优路径的跳点处额外增加信息素的信息素补充方式,提高融合算法的收敛速度。仿真结果表明,JPOACA规划出的路径光滑更好性,且收敛速度、对复杂地形的适应能力均有显著提升。     

基于单亲遗传算法的配电网络规划

配电网络规划属于非线性混合整数规划问题，应用传统数学优化算法往往难以直接求解，文章针对目前应用广泛的常规遗传算法在求解该问题时存在的难以保证方案连通性和辐射性的缺陷，提出了基于单亲遗传算法的配电网络优化规划算法，于整数编码策略，给出了配电网络规划中变量编码的具体方法和迭代求解程序，该算法具有进化操作成功率高，求解配电网络优化规划问题的效率高等优点，同时可将简化网架结构和选取导线截面结合在一起，既可确保解的最优性，又可减少工作量，仿真算例验证了该方法的快速性和有效性，该算法还适用于辐射型配电网络的扩展规划和配电网络的重构。     

机器人路径规划的改进粒子群-蚁群算法

针对传统蚁群算法的易陷入局部最优、求解精度低的缺点,提出了一种改进的粒子群-蚁群算法进行最优路径的求解.该算法采用具有线性递减惯性权重系数的粒子群算法进行路径预规划,由此得到蚁群算法的初始信息素分布;同时,通过在蚁群算法中引入了新的启发函数、线性递减的挥发系数和按路径长度排序的信息素增量系数,使算法的收敛速度得到提高....     

改进蚁群算法求解移动机器人路径规划

在全局静态环境下,提出一种改进蚁群算法,解决传统蚁群算法用于路径规划出现的收敛速性差、局部最优和求解质量差等不足。该算法引入障碍物排斥权重和新的启发因子到路径选择概率中,提高避障能力,增加路径选择的多样性;然后,设置局部信息素的阈值和限定范围更新局部信息素,采用交叉操作获取新路径,引入最优解和最差解,改变全局信息素的更新方式,提高全局搜索能力和解的质量,避免算法陷入局部最优。仿真结果表明,该算法能有效获得最优路径,在长度上比蚁群算法及其他算法分别减少了18%、5.7%和11%,算法迭代次数及运行时间都有所降低,提高了收敛速度和搜索能力。     

改进变步长蚁群算法的移动机器人路径规划

针对移动机器人在蚁群算法路径规划中存在陷入局部收敛且无法做到路径最优的问题,提出了改进变步长蚁群算法,使其能够在收敛迭代次数较少的情况下做到路径最优。针对蚁群算法应用在路径规划中的相关特性,优化信息素分配,降低局部信息素含量对算法的影响,避免蚁群在搜索路径时陷入局部最优,在转移概率公式中增加权重因子,提高移动机器人朝着终点方向移动的概率,有效减少蚁群收敛迭代次数,改变移动机器人移动步长,使其能在360°内自由无碰撞移动,有效缩短路径长度。仿真结果表明,在简单环境下,改进变步长蚁群算法的收敛迭代次数及最优路径长度分别为2次及28.042 m,传统蚁群算法的收敛迭代次数及最优路径长度分别为25次及29.213 m;在复杂环境下,改进变步长蚁群算法的收敛迭代次数及最优路径长度分别为2次及43.960 2 m,改进势场蚁群算法的收敛迭代次数及最优路径长度分别为16次及45.112 7 m。仿真结果验证了改进变步长蚁群算法的有效性和优越性。     

一种基于蚁群系统的配电系统母线槽布线算法

配电系统母线槽的布线问题是一个典型的NP完全的组合最优化问题，随着问题规模的增大，求解时间按指数规模增长。本文提出一种新的基于蚁群系统的布线算法，通过模拟蚁群寻找从蚁巢到食物最短路径的过程来求解最优布线路径。试验结果表明：该算法能够在整个解空间求解布线问题，时间复杂度相对较低，易于和约束条件结合，且有很好的鲁棒性。     

模糊遗传算法和蚁群算法相结合的配电网络重构

通过开关的优化组合可以提高配电系统运行的可靠性、电能质量和经济性.为改善配电网络重构模糊遗传算法的优化速度,提出了一种模糊遗传算法和蚁群算法相结合的方法.该方法将总的种群分为两部分进行搜索,一方面通过选择算子寻找总的种群中较优个体作为模糊遗传算法的子种群进行交叉、变异操作;另一面通过设定适应度函数阈值筛选总的种群中优秀个体,并将其适应度函数值对网络信息矩阵进行全局更新,用蚁群搜索另一部分子种群.该方法设定适应度函数阈值改进了蚁群算法的信息素更新机制;把模糊遗传算法和蚁群算法的子种群融合构成总的新种群,并用选择操作和信息素更新实现了种群之间的信息共享.通过对IEEE 69节点测试系统的计算和分析表明,该方法在解决配网重构问题上比模糊遗传算法具有更好的寻优效率.     

模糊遗传算法和蚁群算法相结合的配电网络重构

通过开关的优化组合可以提高配电系统运行的可靠性、电能质量和经济性。为改善配电网络重构模糊遗传算法的优化速度,提出了一种模糊遗传算法和蚁群算法相结合的方法。该方法将总的种群分为两部分进行搜索,一方面通过选择算子寻找总的种群中较优个体作为模糊遗传算法的子种群进行交叉、变异操作;另一面通过设定适应度函数阈值筛选总的种群中优秀个体,并将其适应度函数值对网络信息矩阵进行全局更新,用蚁群搜索另一部分子种群。该方法设定适应度函数阈值改进了蚁群算法的信息素更新机制;把模糊遗传算法和蚁群算法的子种群融合构成总的新种群,并用     

基于蚁群算法的配电网网架优化规划方法

蚁群算法是一种求解组合优化问题的新型通用启发式方法，该方法的主要特点是正反馈、分布式计算和富于建设性的贪婪启发式搜索。配电网网架优化规划是一个复杂的非线性组合优化问题。本文将蚁群算法用于配电网网架优化规划问题的研究，建立了网架规划的数学模型，该模型以线路的年综合费用和过负荷征罚费用之和最小为目标函数，并在此基础上设计了相应的算法。算例证明了该算法在配电网网架优化规划中应用的可行性和有效性。     

P2P网络中基于蚁群算法的智能搜索研究

资源搜索是P2P网络应用领域中最为广泛的问题,蚁群算法是受到自然界中真实的蚂蚁集体行为的启发而提出的一种算法.将蚁群算法用于非结构化P2P网络资源搜索中,在广度优先搜索技术(BFS)机制的基础上实现了资源的智能搜索.该算法利用蚁群算法特有的信息素以充分利用历史经验,设置了全局更新规则和局部更新规则来更新蚂蚁寻找到所需资源时经过的路径上的信息素浓度,对蚁群算法中的参数做了相应的修改,并给出了算法的简要描述和基本框架.避免了广度优先搜索技术机制中的消息量过大、网络负载过重的问题,从而提高了系统搜索效率.     

基于多窝蚁群协同算法的中压配电网分支线路智能规划

基于传统蚁群算法提出一种多窝蚁群协同算法从全局角度进行中压配电网分支线路的最优布局:首先以每一个负荷点作为每窝蚂蚁爬行的起始节点,以组成主干线路的街道节点作为终点,每只蚂蚁按照一定的择路规则爬行;然后在信息素的更新策略上,不同窝的蚂蚁通过共享路径上的遗留信息素体现了蚂蚁之间的协作优势,保证了布线结果的全局最优性;最后通过算例分析得到了全局最优的布线结果,且算法具有良好的收敛性,从而验证了所提算法的可行性,对配电网分支线路的规划具有一定的指导意义。     

基于蚁群最优的配电网规划方法

详细探讨了现代启发式方法家族中新兴成员蚁群最优(Ant Colony Optimization, ACO)在配电网络扩展规划中的应用。蚁群最优是一种通用的内启发式(meta-Heuristic)算法,能够有效地求解大规模组合优化问题。文中给出了同时考虑配电网络扩展的固定费用和与电能损失相关的可变费用的配电网络规划的非线性混合整数规划模型,探讨了基于ACO的配电网络规划方法,并用该方法对一具有6个变电所、102条馈线的配电网络进行了测试。结果表明,文中所提方法是可行的、有效的。     

基于改进蚁群算法的输电网络扩展规划

输电网络扩展规划问题是一个复杂的组合优化问题。蚁群算法是用于解决组合优化问题的一种高效的随机化内启发式全局搜索技术。文中结合单阶段输电网络扩展规划问题的特点，应用改进的蚁群算法来解决输电网络扩展规划问题，建立了相应的数学模型，并给出求解算法。2个算例系统的计算结果表明了这种方法可有效减小搜索空间，并具有计算速度快和收敛性好等优点。     

用于配电系统网络规划的生物智能算法

介绍了在配电网络规划中用到的遗传算法、蚁群算法、粒子群算法等三种生物智能算法及他们相应的一些改进。     

城市中压配电网络规划方案的探讨

介绍了城市中压配电网的基本规划方法和“城市中压配电网规划计算机辅助决策系统”软件包的基本功能和特点,并提出城市配网规划中应注意的问题.