求解逾期惩罚的作业调度问题的模拟退火算法

逾期惩罚的作业调度问题是一个典型的NP完全问题，模拟退火算法是求解此问题的一种理想方法。模拟退火算法是依赖邻域结构的迭代方法，模拟退火算法对选择试验解比较敏感。文章针对找领域解，提出4种策略。算法的分析和测试表明，策略C是一种简单有效的算法。     

基于改进堆优化算法求解电动汽车并网动态经济调度

针对堆优化算法HBO处理含电动汽车的动态经济调度问题时存在收敛慢和精度低等问题,提出一种改进的堆优化算法RDHBO.首先,在RDHBO中引入了最优成员区域搜索和双种群交互策略.前者引导最优成员移动到更有希望的区域,提升了算法的收敛精度和收敛速度;后者充分利用被淘汰的劣势个体,丰富了种群的多样性,避免了算法陷入局部最优.然后,将RDHBO应用于四种充电场景的10机组电动汽车动态经济调度问题.仿真结果表明,与已有的代表性方法相比,RDHBO在产生低燃料成本和稳定性方面具有很强的竞争力.最后,对RDHBO的两种改进策略进行了消融实验,验证了两种改进策略的有效性.     

改进差分进化算法在动态经济调度中的应用

针对动态经济调度(DED)存在的不可微、非凸性、非线性以及不连续性等特点,提出多策略异维变异差分进化(MDMDE)算法.一方面,从变异维数入手,提出了一种异维变异策略;另一方面,在算法的整个迭代周期内采用了多策略变异.此外,还提出了一种修改的交叉率以及动态变异因子来跳出局部最优.最后,将MDMDE应用于6种动态经济调度...     

基于弃风惩罚的电力负荷经济调度研究

随着风电装机量逐渐增多,传统弃风惩罚方案无法灵活配置风电消纳,为了降低风电场运营成本,提升风能利用率,提出一种基于弃风惩罚的风火互补方案。首先以风电场的出力稳定性和预测精度来评估其发电便捷性,从而得到风电场的权重系数,将权重系数与分段弃风惩罚成本系数相结合,建立综合弃风惩罚模型;构建考虑经济调度的火电弥补风力波动模型;最后利用改进的二进制量子粒子群算法(BQPSO)对虚拟电厂进行负荷分配、仿真。实验证明,综合弃风惩罚模型可以合理减少弃风,抑制反调峰现象,降低风电场管理难度,提升电力系统运行的经济性和安全性,改进的BQPSO算法与其它算法相比,风能出力分配频繁波动的问题有很好的改善,系统反应更快且煤耗量更低,对多源互补日内发电计划的编制也具有指导意义。     

基于两阶段求解算法的动态车辆调度问题研究

在分析需求动态变化的基础上,根据需求信息的提出顺序,将动态配送问题转换成不同时刻的静态车辆调度问题,建立基于时间轴的动态车辆调度模型;利用量子理论改进遗传算法,设计量子遗传算法;针对动态车辆调度问题实时性强的特点,设计＂初始优化阶段＋实时优化阶段＂的两阶段求解策略,通过信息更新插入动态需求客户,并对已产生的计划路径进行局部优化调整.通过仿真计算,验证了模型和算法的有效性.     

一种新的自适应惩罚函数算法求解约束优化问题

提出一种新的自适应惩罚函数法,用来处理约束优化问题．这种方法根据当前群体中可行解的比例对目标函数和违反约束条件的程度作出合适的权衡,具有结构简单、参数少等优点．把它和一个简单的进化策略结合起来,得到了一种新的求解约束优化问题的进化算法．选取几个常见的测试函数对这种新方法进行了数值实验．结果表明,所提方法能够非常有效地处理各种约束优化问题,而且具有很强的稳健性;其性能优于或相似于一些尖端的算法．     

求解电力系统经济调度问题的改进粒子群优化算法

电力系统经济调度问题是电力系统中的一个重要的研究课题,针对该问题,提出一种改进粒子群优化(ODPSO)算法.改进算法在搜索前期,采用广义的反向学习策略,使算法能够快速地靠近较优的搜索区域,从而提高收敛速度;在搜索后期,借鉴差分进化算法的进化机制设计改进的变异和交叉策略,对当前种群的最优粒子进行更新,从而提高种群的多样性,进而协助算法获得全局最优解.为了验证改进粒子群优化算法的有效性,对CEC2006提出的22个基准约束测试函数进行仿真,结果表明改进算法相比其他算法在寻优精度和稳定性上更具优势.最后,将改进算法应用于考虑机组爬坡速率约束、机组禁行区域约束以及电力平衡约束的两个电力系统经济调度问题,取得了令人满意的结果.     

考虑阀点效应的基于神经网络算法的负荷经济调度

经济负荷调度(Economic load dispatching, ELD)问题具有非凸、非光滑特性的特点,在电力系统运行及元启发式算法研究中,均是重要课题。提出了一种基于神经网络算法(Neural network algorithm, NNA)的ELD求解模型,考虑发电机组阀点效应因素,将阀点效应所引起的煤耗成本计入目标函数,建立了考虑阀点效应约束的经济调度模型。以调度总成本为目标函数,在满足负荷需求及系统运行约束的条件下,最大程度地降低运行总成本。通过对IEEE-30、IEEE-39及IEEE-118标准测试系统的仿真,分析了算法的搜索能力及迭代收敛情况,并同其他方法的结果进行对比,验证了所提方法的有效性和适用性。     

改进GWO算法求解柔性钣金车间动态重调度问题

根据钣金生产线特点建立了具有工件优先级约束的多目标柔性作业车间动态调度模型,并提出改进的多目标灰狼优化算法用于求解该模型。首先,针对该模型设计出一种同时满足工件优先级约束、工序优先级约束和设备加工约束条件的剪枝式解码方案;其次,提出一种非线性收敛因子和动态位置更新策略,用于平衡经典灰狼优化算法的探索能力和利用能力;最后,为减少设备故障对原始调度方案的影响,设计了一种动态重调度策略。通过实验验证了改进多目标灰狼优化算法求解钣金车间动态调度问题的有效性和动态重调度策略的可行性。     

改进的差分进化算法求解炼钢-连铸动态调度问题

为了求解炼钢-连铸动态调度问题,提出了一种将拉格朗日插值算法与差分进化算法相融合得到的改进的差分进化算法。改进后的差分进化算法通过自适应调整进化参数,动态的调整差分进化的方向,并结合拉格朗日插值来优化差分进化算法的局部搜索能力,引入权重系数对全局搜索和局部搜索加以平衡。针对国内某大型钢厂的实际生产数据建立实验模型,以最小化总完工时间、最小化总断浇时间、最小化炉次间总等待时间和最小化总偏差量时间为目标,将改进的差分进化算法应用于求解炼钢-连铸转炉出现故障的动态扰动事件调度问题,实验结果表明,改进的差分进化算法应用在炼钢-连铸动态调度问题上,有效的缩短了炉次加工总完工时间、炉次间总等待时间和总断浇时间,在合理范围内,有效控制了新生产的调度计划与原始调度计划的时间偏差量,避免了因扰动事件的发生而引起连铸机断浇。     

电力系统经济负荷分配的混合粒子群优化算法

为解决电力系统中的经济负荷分配问题,提出一种将约束优化与粒子群优化算法相结合的混合算法,同时引入直接搜索方法。使得混合后的粒子群优化算法不但具有高效的全局搜索能力,而且具有较强的局部搜索能力,避免陷入局部最优,提高求解精度。对两个实例进行测试,与其他智能算法的结果比较,证明提出的算法可以有效找到可行解,避免陷入局部最优,实现问题的快速求解。     

电站多台机组经济运行算法研究

研究电厂多台机组经济运行的调度算法,开发 了电厂经济运行计算平台并将其加载在网控培训仿真机教员台上．首次将等微增率算法、浮 点数编码遗传算法和变尺度混沌优化算法等3种调度算法集中到一个计算平台上．给出了3种 调度算法的计算结果．采用3种调度方案的计算平台投入运行后将给电厂带来可观的经济效 益．     

动态免疫优化算法及其在背包问题中的应用

利用人工免疫系统的学习、记忆、识别等功能,提出一种动态免疫优化算法(DIOA),用于解决一类高维动态约束优化问题.其中对可行抗体进行克隆突变操作,非可行抗体按价值密度使用贪婪算法进行修正,环境识别模块借助记忆细胞产生新的环境初始群,从而加快算法收敛速度.利用DIOA求解不同环境下的高维背包问题,结果表明,与同类算法相比...     

Guided Genetic Algorithm and its Application to Radio Link Frequency Assignment Problems

The Guided Genetic Algorithm (GCA) is a hybrid of Genetic Algorithm and Guided Local Search, a meta–heuristic search algorithm. As the search progresses, GGA modifies both the fitness function and fitness template of candidate solutions based on feedback from constraints. The fitness template is then used to bias crossover and mutation. The Radio Link Frequency Assignment Problem (RLFAP) is a class of problem that has practical relevance to both military and civil applications. In this paper, we show how GGA can be applied to the RLFAP. We focus on an abstraction of a real life military application that involves the assigning of frequencies to radio links. GGA was tested on a set of eleven benchmark problems provided by the French military. This set of problems has been studied intensively by a number of prominent groups in Europe. It covers a variety of needs in military applications, including the satisfaction of constraints, finding optimal solutions that satisfy all the constraints and optimization of some objective functions whenever no solution exist (partial constraint satisfaction). Not only do these benchmark problems vary in problem nature, they are reasonably large for military applications (up to 916 variables, and up to 5548 constraints). This makes them a serious challenge to the generality, reliability as well as efficiency of algorithms. We show in this paper that GGA is capable of producing excellent results reliably in the whole set of benchmark problems.     

Modified neo-fuzzy neuron-based approach for economic and environmental optimal power dispatch

At the central energy management center in a power system, the real time controls continuously track the load changes and endeavor to match the total power demand with total generation in such a manner that the operating cost is minimized while all the operating constraints are satisfied. However, due to the strict government regulations on environmental protection, operation at minimum cost is no longer the only criterion for dispatching electrical power. The idea behind the environmentally constrained economic dispatch formulation is to estimate the optimal generation schedule of generating units in such a manner that fuel cost and harmful emission levels are both simultaneously minimized for a given load demand. Conventional optimization techniques become very time consuming and computationally extensive for such complex optimization tasks. These methods are hence not suitable for on-line use. Neural networks and fuzzy systems can be trained to generate accurate relations among variables in complex non-linear dynamical environment, as both are model-free estimators. The existing synergy between these two fields has been exploited in this paper for solving the economic and environmental dispatch problem on-line. A multi-output modified neo-fuzzy neuron (NFN), capable of real time training is proposed for economic and environmental power generation allocation.This model is found to achieve accurate results and the training is observed to be faster than other popular neural networks. The proposed method has been tested on medium-sized sample power systems with three and six generating units and found to be suitable for on-line combined environmental economic dispatch (CEED).     

Symbiotic organisms search algorithm for dynamic economic dispatch with valve-point effects

Abstract

In this study, symbiotic organisms search (SOS) algorithm is proposed to solve the dynamic economic dispatch with valve-point effects problem, which is one of the most important problems of the modern power system. Some practical constraints like valve-point effects, ramp rate limits and prohibited operating zones have been considered as solutions. Proposed algorithm was tested on five different test cases in 5 units, 10 units and 13 units systems. The obtained results have been compared with other well-known metaheuristic methods reported before. Results show that proposed algorithm has a good convergence and produces better results than other methods.     

低约束密度分布式约束优化问题的求解算法

多Agent协作过程中的许多挑战都可以建模为分布式约束优化问题.针对低约束密度的分布式约束优化问题,提出了一种基于贪婪和回跳思想的求解算法.在该算法中,各Agent基于贪婪原则进行决策,能够利用低约束密度问题中大量赋值组合代价为0这一特点来加快求解速度.同时,Agent间的回跳机制可以在贪婪原则陷入局部最优时保证算法的完全性.相对于已有主流算法,该算法可以在保持多项式级别的消息长度/空间复杂度的前提下,以较少的消息数目求解低约束密度的分布式约束优化问题.给出了算法关键机制的正确性证明,并通过实验验证了算法的上述性能优势.     

混杂免疫多目标优化算法及对动态经济环境调度问题优化

动态经济环境调度(DEED)问题是电力系统调度中一类含大规模约束的高维多目标优化问题,传统的进化算法易于陷入局部最优,使得所获的Pareto前沿分布性和收敛性差。为了充分挖掘免疫系统的克隆选择原理,提出一种混杂免疫多目标优化算法(HIMOA)。该算法以传统进化算法为基本框架,面对高维决策变量优化易于陷入局部最优的缺陷,改进外部存档更新机制以保存历代优秀的多样性个体,采用克隆、高斯突变策略强化局部开采能力,有效地迫使算法跳出停滞搜索状态。为应对大规模约束,提出逐步微调机组出力策略,提高进化群体的可行性。数值仿真实验以10机系统为测试算例,将HIMOA与著名的六种算法MODE、NSGA-Ⅱ、IMOEA/D-CH、ADEA、MOHDE＿SAT、MONNDE进行比较分析,结果表明,HIMOA能为DEED问题的10机系统提供较好的Pareto解,所获的Pareto前沿收敛性和分布性优越于其他算法,各评价指标的箱型图表明HIMOA具有优越于其他算法的统计特征。