基于改进遗传算法的电力系统经济负荷分配

针对电力系统经济负荷分配问题,分析了遗传算法与传统数学优化方法的不同优势与特性,提出一种求解电力系统经济负荷分配问题的改进遗传算法.利用极大熵理论将经济负荷分配问题转化为可微问题,将BFGS法引入遗传算法,提出了BFGS算子,以提高遗传算法的寻优速度与局部搜索能力.同时,应用单纯形交叉算子将种群逐步向最优点进行引导,实现算法的快速寻优.实例研究结果验证了所提出方法的有效性.     

基于Matlab遗传算法工具箱的函数优化问题求解

介绍了遗传算法的基本原理和求解流程,详细阐述了Matlab遗传算法工具箱的使用方法,并通过使用遗传算法工具箱对一个典型的函数优化问题进行求解,验证了该工具箱在解决函数优化问题上的有效性和实用性     

基于遗传算法的模糊隶属函数的选择

确定合适的隶属函数对模糊控制效果有重要影响,是应用模糊控制的基础,也是难点之一。作者应用遗传算法对模糊温度传感器信号处理过程中的隶属函数进行选择,阐述了基本原理和具体实施过程,最后用一具体的实例来说明该优化算法在模糊隶属函数选择中的应用。结果表明：该方法简单实用,具有较为理想的效果。     

基于遗传算法的磨机负荷模糊控制研究

提出了一种磨机负荷模糊控制规则的优化方法。该方法利用遗传算法的全局搜索能力，通过重新设计交叉算子和变异算子，较好地解决了磨机负荷模糊控制规则的获取和寻优问题。     

遗传算法求解函数优化问题的Matlab实现

本文介绍了遗传算法的基本原理,并重点分析了Matlab遗传算法工具箱的使用方法。在此基础上,给出了一个函数优化问题的实例,以验证Matlab遗传算法工具箱在解决基于遗传算法的函数优化问题上的有效性和实用性。     

双目标有功经济负荷分配模型及算法研究

建立了以全网煤耗最小,成本节约最大为双目标的电力系统有功经济负荷分配模型,将模糊 经理论与线性规划方法有机结合提出了求解双目标、大规模、非线性经济负荷分配型的有效方法。仿真算例的结果验证了本语文模型和算法的正确性和有效性。     

基于遗传算法的进化压力的研究

为了解影响进化压力的因素,在群体大小的选择、选择运算（Selection）、交叉运算（Crossover）三个方面进行了详细的分析。通过在遗传算法的三个阶段,选取不同的方案来解决复杂的函数优化问题的实验方法,得出了不同方案对进化压力的影响差异。时差异进行了比较分析,并对实际运用中方案的选择提出了一些建议。     

基于遗传算法的模糊控制器设计

将改进的遗传算法引入到模糊控制器的设计中,用以自动寻优模糊隶属函数和比例咽子。以二阶系统为例进行了计算机仿真研究结果表明这种方法是有效的。     

模糊逻辑系统的遗传算法优化方法

参照模糊逻辑系统的表格查询学习算法,提出了一个切实可行的遗传算法优化方法。仿真结果表明,利用该方法可以在缺乏先验知识的情况下,只需要较少的样本数据,就可以通过评价学习,使优化后的模糊逻辑系统最大程度地拟合原系统的动态特性。     

一种基于改进遗传算法的多峰函数优化研究

本文针对多峰函数优化问题,提出了一种基于排序的遗传算法,该算法对原有遗传算法的编码方式、选择算子、交叉算子及变异算子进行了改进,增加了灾变算子及精度调整环节。使搜索效率有了较大提高,较好地避免了系统,在实例运行中体现出优良特性。     

并联型有源电力滤波器Matlab仿真研究

采用有源电力滤波器(APF)治理谐波污染是一个明显趋势。介绍并联型APF工作原理,建立了其数学模型。在Matlab/Simulik仿真环境下,基于瞬时无功功率理论的i_p-i_q谐波检测法和电压、电流双闭环结构,对控制系统进行了仿真建模。实验结果表明仿真建模准确,基本实现了谐波抑制。     

改进遗传算法在电力系统无功优化中的应用

遗传算法是一种模拟生物进化过程的优化算法,可用于求解包含离散化变量的复杂优化问题,是近些年发展起来的基于自然选择规律的一种优化方法.本文提出了一种应用于电力系统无功优化问题的改进遗传算法,该算法在一般遗传算法的基础上,对适应函数、编码方式以及变异操作等方面作了改进.经电力系统的无功优化问题实例计算表明,改进遗传算法的优化结果可以更有效地达到或接近全局最优.     

应用于Flow-Shop调度中的改进遗传算法

如何对大规模的生产进行有效合理的调度 ,在分析企业生产流程的基础上 ,提出了一种用改进的遗传算法来求解流水车间调度问题的方法。仿真实验结果证明了算法的可靠性与实用性 ,具有较好的工程应用价值     

改进遗传算法的K-均值聚类算法研究

传统的k-均值算法对初始聚类中心的敏感很大,极易陷入局部最优值;利用遗传算法或免疫规划算法解决初始聚类中心是较好的方法,但后期容易出现收敛速度缓慢.为了克服上述缺点,文章将免疫原理的选择操作机制引入遗传算法中,使个体浓度和适应度同时对个体的选择施加影响,以此提出基于改进遗传算法的K-均值聚类算法,该方法利用K-均值算法的高效性和改进遗传算法的全局优化搜索能力,较好地解决了聚类中心优化问题.试验结果表明,本算法能够有效改善聚类质量,并且具有较好的收敛速度.     

基于改进粒子群优化算法的火电厂机组负荷分配

以坑口电厂厂级监控信息系统的机组负荷在线优化分配功能模块为应用背景,针对模块所运用的基本粒子群优化算法在优化过程中容易陷入局部收敛、收敛速度慢的缺点,提出一种基于惯性权重非线性减小策略的改进粒子群优化算法,使惯性权重呈对数减小;测试函数仿真结果表明,改进粒子群优化算法在收敛速度和寻优精度方面,优化性能均优于基本粒子群优化算法;通过MATLAB与Visual C++混合编程,开发了机组负荷在线优化分配功能模块,提高了算法的计算效率和工程应用价值。     

基于混合潮流算法的多能源互补调度仿真研究

充分考虑综合能源系统受外部能源供应条件以及能源设备的影响,为了降低多能源耦合潮流计算复杂度,提升工程应用的可操作性,提出基于混合潮流算法的多能源互补调度仿真.依据经济指标、安全可靠性指标以及清洁性指标建立多能源互补调度优化模型,设定能量转换枢纽单元输出容量约束、能量转换枢纽单元多能流耦合约束、供能平衡约束、设备运行约束四项约束条件,利用多目标最优混合潮流计算平台基于非劣排序遗传算法求解多能源互补调度优化模型,利用所输出最优解实现混合潮流算法的多能源互补调度.仿真分析结果表明,该方法可实现综合能源系统的多能源互补调度,经济性以及静态安全性提升幅度明显.     

基于改进遗传算法的智能排课研究

本文深入地分析了排课问题的软约束条件和硬约束条件,抽象出求解智能排课问题的数学模型。深入分析遗传算法,针对传统的遗传算法,对初始种群进行均匀化、适应度函数、变异算子等方面改进。通过对比实验证明改进的算法完全适用于智能排课问题,而且具有较高的效率,为排课问题的发展提供了新的思路。     

基子改进的遗传算法的选播QoS路由算法研究

针对选播的QoS路由选择问题，本文提出了一种基于改进的遗传算法的多约束选播路由优化算法。该算法在满足带宽、延时、时延抖动和包丢失率的条件下。可寻找花费最小的路径。网络仿真实验证明：该算法操作简单，结果可行且有效。     

基于遗传算法的立体车库车位调度研究

立体车库的车位调度是一个比较复杂的问题,遗传算法是搜索立体车库最短路径的有效方法之一.对传统的GA结构加以改进,利用一种改良的OX交叉算子加快算法的收敛速度,利用变换变异算子维持群体的多样性防止算法早熟收敛.仿真实验结果验证了算法的有效性.     

基于改进遗传算法的带时间窗VRP问题研究

带时间窗约束的VRP问题(VRPTW)属于NP-hard问题,采用改进遗传算法探索最优方案。首先分析了带时间窗VRP问题的一般数学模型,并采用罚函数的方法对时间窗约束进行处理;设计了带权重的适应度函数,并采用了基于基因库的跨世代精英选择算子、PMX交叉算子和局部爬山变异算子;最后通过仿真实验与传统遗传算法和自适应遗传算法进行了对比研究,仿真结果表明改进遗传算法在解决带时间窗VRP问题中具有较高收敛速度和全局搜索能力。