基于单纯形模拟退火算法的网架结构优化设计

针对单纯形和模拟退火算法的优缺点,单纯形模拟退火算法将两种算法有机地结合起来,充分利用了单纯形算法收敛速度快以及模拟退火算法的随机突跳、不易陷入局部极小点的特性。两种算法结合,互相补充不足,大大提高算法的效率,并消弱了对参数选择的苛刻性。应用单纯形模拟退火算法对网架结构进行优化设计,并对模拟退火算法中参数的选择进行了探讨,算例分析表明了单纯形模拟退火算法应用在网架结构优化中的可行性和有效性。     

基于单纯形模拟退火算法的网架结构优化设计

针对单纯形和模拟退火算法的优缺点,单纯形模拟退火算法将两种算法有机地结合起来,充分利用了单纯形算法收敛速度快以及模拟退火算法的随机突跳、不易陷入局部极小点的特性。两种算法结合,互相补充不足,大大提高算法的效率,并消弱了对参数选择的苛刻性。应用单纯形模拟退火算法对网架结构进行优化设计,并对模拟退火算法中参数的选择进行了探讨,算例分析表明了单纯形模拟退火算法应用在网架结构优化中的可行性和有效性。     

应用单纯形算法优化电力系统稳定器参数

提出了一种基于单纯形法的电力系统稳定器(PSS)参数优化方法。该方法以弱阻尼机电模式阻尼比构建目标函数,采用单纯形算法优化PSS参数。该方法不需要计算特征值对PSS参数的灵敏度,计算量小,收敛速度快。在IEEE新英格兰典型系统上的分析表明,该方法是一种有效的PSS优化方法,所得参数对系统运行方式的变化具有良好的鲁棒性。     

单纯形—模拟退火算法

在简要介绍单纯形法基础上,针对模拟退火算法存在收敛慢、费机时较多的缺陷,将单纯形法与模拟退火算法有机地结合起来,形成一种新的改进造型的优化算法－单纯形－模拟退火算法,以加快速敛速度,提高解的质量,是单纯形法与模拟退火算法各自特点的综合,并通过算例进行了验证。     

基于人工鱼群算法的电力系统稳定器参数优化研究

为提高电网的动态稳定性,有效地抑制低频振荡,对电力系统稳定器进行优化研究和算法改进.在本研究中,将全部PSS的参数配置处理成一个优化问题,用人工鱼群算法求出各个PSS的最佳参数整定值.以所有机电模式的最小阻尼比最大为优化目标函数,以PSS参数为待优化变量,以基于K阵等值法设计的PSS参数作为人工鱼群算法初始种群的选取基准.与传统PSS配置方法相比,该方法可以使多机系统所有机电模式都能得到良好的阻尼.算例结果与预期基本相符,表明了所设计的优化算法是切实有效的.     

一种高效并行的匹配场反演混合优化算法

为解决浅海匹配场反演所面临的复杂的参数优化问题，设计了一种基于差异进化算法与下山单纯形算法的混合优化算法。差异进化算法是一种并行的全局优化算法，其优化机制使其在优化的起始阶段有较高的效率，但不能持续；下山单纯形算法是一种对目标函数梯度信息敏感的局部优化算法，具有很强的压缩参数向量的能力。利用所导出的检测差异进化算法效率跌落的机制，将2种算法有机结合，以下山单纯形算法强的参数向量压缩能力保证差异进化算法持续进行全局、并行搜索，得到一种高效的全并行混合优化算法。高维函数优化与匹配场反演仿真算例表明，该算法能有效解决复杂场合下的参数优化问题。     

基于改进遗传算法的多机系统PSS参数协调优化

提出了一种基于改进遗传算法的多机系统PSS(电力系统稳定器)参数的协调优化的方法。由励磁系统产生的滞后相位计算出PSS相位补偿环节的时间参数初值,根据这一初值决定优化PSS算法中PSS时间参数的取值范围,从而保证了PSS主要是给系统提供正的阻尼转矩,而对同步转矩影响较小,有利于IGA快速找到最优解。同时对GA的遗传算子进行了改进,提高了IGA的搜索效率。一个NewEngland10机系统的算例表明,利用本算法优化后的PSS能有效、合理地抑制低频振荡。     

一种采用聚类单纯形搜索的引力算法

提出了一种基于聚类和单纯形法的中心引力优化算法,该算法引入了一种聚类单纯形算子,利用聚类方法选择合适的个体以构成单纯形的顶点,周期性地把单纯形算子搜索得到的最优个体迁移到中心引力算法的种群个体中．依靠聚类单纯形算子提高中心引力算法的局部搜索能力和收敛速度,聚类单纯形算子依靠中心引力算法跳出局部最优．实验结果表明,改进后的算法比其他常见优化算法有更好的收敛精度和收敛速度．     

遗传模拟退火算法在结构优化设计中的应用

遗传算法、模拟退火算法都是随机搜索方法,在处理全局优化、离散变量、多连通可行区等困难问题中,具有传统结构优化算法不可比拟的优势.笔者针对遗传算法和模拟退火算法的特点,取长补短,结合成一种混合遗传算法—遗传模拟退火混合算法.经改进后的混合算法既发挥了遗传算法全局搜索能力强的特点,又保留了模拟退火算法局部寻优效果好的优点.     

一种锐化解空间的基于模拟退火的混合遗传算法

遗传算法是模仿自然界生物个体进化的机理发展而来的一类优化算法,近年来得到广泛的应用,模拟退火算法(Simulated Annealing,简称SA)则是模仿另一种自然现象-固体退火原理的一类优化算法.分析了两种算法的优缺点,将两种算法进行混合,并引入一种锐化解空间的方法,提出一种基于模拟退火的混合遗传算法以弥补两个算法的不足.