基于改进的遗传算法在函数优化中的应用

针对传统遗传算法在函数优化过程中容易陷入局部最优解、收敛慢等缺点,提出了一种新的自适应遗传算法NAGA。该算法考虑了种群适应度的多种集中分散程度,并且非线性地自适应调节遗传算法的交叉概率与变异概率;为了加快寻优效率,在选择算子方面将引进的选择算子与最优保存策略相结合;为了使遗传操作过程中种群数量恒定,又提出了保留亲本的策略。通过仿真实验发现,与经典遗传算法GA和IAGA相比,改进的自适应遗传算法在收敛速度与精准度等方面都有较大的进步。     

基于改进布谷鸟算法的电力系统最优调度研究

在布谷鸟算法的基础上提出了一种改进的多目标布谷鸟优化算法,并利用此算法优化求解考虑经济性和环保性的电力系统最优调度模型。其主要的改进策略为在原算法的基础上引入粒子群算法中的交流算子促进鸟巢之间的交流,同时将发现概率和步长2个固定参数设置为动态量提高算法的收敛速度,在鸟巢位置更新过程中采用非支配排序和计算拥挤距离的方法来维护档案集,产生最优解后,利用模糊数学集的满意度评价理论获得折中最优解。算法分析结果表明改进后的算法具有较好的寻优速度和精度,同时能有效提高全局收敛性以及保证Pareto非劣解的多样性。