遗传算法及其在电力系统无功优化中的应用

遗传算法是基于自然选择规律的一种优化方法,算法能成功地解决无功变量中的离散问题,避免常规数学优化方法的局部最优现象。本文阐述了遗传算法的特点以及遗传算法与其它算法相结合的算法在电力系统无功优化中的应用。     

电力系统无功优化的一种新算法

本文提出了一种应用新的粒子群优化(NPSO)算法求解电力系统无功优化的新方法。给出了适合无功优化问题的具体实现方法以及应用NPSO算法求解电力系统无功优化的步骤。对IEEE30节点测试系统进行了无功优化计算。并与粒子群优化(PSO)算法的测试结果进行了比较。仿真结果表明,与PSO算法相比,应用NPSO算法求解无功优化问题是有效的。     

基于完全自适应策略的遗传算法

为改善标准遗传算法的优化性能,延长种群搜索过程,提出了完全自适应策略的遗传算法.自适应策略不仅基于进化阶段,同时基于个体,特别采用了自适应的适应值转换策略,大大降低了早熟的概率,保证算法能以较大的概率收敛到全局最优解.     

电力系统无功规划优化的一种解析方法

基于解耦方法,以各支路无功潮流为规划变量,并考虑了支路无功损耗的影响,构造了无功优化的非增量2次规划模型,其目标为因无功补偿使有功网损减小获得的收益并扣除补偿费用后的净收益现值最大。采用可完全消除增量变量迭代收敛性问题的拉格朗日乘子法和处理不等式约束的“违限取限”法,求解具有环网的电力网无功优化问题并附有算例。模型适用于35～110kV电力系统的无功优化。     

电力系统无功优化与电压综合控制的回顾、现状与展望

无功优化是电力系统电压稳定及电压质量的核心问题之一,同时,对减少网损也有重要作用。本文简要介绍了无功优化意义、控制方式、常用算法、电力市场对无功优化的影响、并行无功优化以及无功优化的发展展望。     

基于宗族进行裂变选择的自适应遗传算法

提出了一种改进的自适应遗传算法,在选择算子中引入裂变选择的思想,避免种群中超级个体的出现,维持了种群的多样性。该算法改造了交叉算子和变异算子,提高了算法的收敛速度,避免早熟。同时,提出了在宗族中构造子代种群的思想,提高了算法的寻优效率。仿真函数优化的结果验证了该算法能有效地维持种群的多样性并迅速找到最优解。     

基于遗传算法的无线传感器网络路径优化

提出使用遗传算法对无线传感器网络进行路径优化,考虑节点能耗和路由恢复时间等实际因素的影响,将这些影响作为路径优化问题的约束条件来处理;考虑各种约束条件和多种目标按照重要性的优先次序,使WSN有更长的寿命;对算法的各个环节进行了细致的分析,包括染色体的表示和编码、适应度函数的设计、遗传操作算子的设计及算法参数的分析和选取。大量的仿真实验证明,使用GA能找到WSN有效的优化路由。     

一种基于机器码存储的改进遗传算法的应用研究

提出了一种基于机器码存储的改进遗传算法，适于优化大型多变量问题。开发的C 基本位操作算子，使此算法仍可沿用传统二进制遗传算法的交叉变异操作。这一算法在内存和时间上占优势，是一种稳健的、全局搜索能力较强的优化算法，并在建立河北省某地区的年降雨神经网络预测模型的实践中得到了验证。     

基于遗传算法的柴油机电控参数实时优化

为使发动机满足日益严格的排放法规要求同时使其具有较好的燃油经济性，采用柴油机性能与运转参数间神经网络模型，将遗传算法嵌入DSP中实现了电控参数的实时优化。在实验台上验证了神经网络建模和遗传算法相结合在线寻优的最优控制MAP生成技术的可行性。     

用遗传算法优化神经网络权值

神经网络模拟大脑的生理机制,通过大量简单神经元的互连,实现信息的智能自动化处理,但是神经网络权值与结构的设计往往依靠经验获得.遗传算法具有全局搜索问题解的特性,用遗传算法优化神经网络权值,为神经网络的设计和训练提供了新的途径。实验表明,该方法是可行的、有效的.     

基于遗传算法和TRIZ的产品服务系统优化设计方法

针对产品服务系统方案优化设计问题,分析了系统方案设计过程中主要影响因素,基于遗传算法和TRIZ理论提 出了产品服务系统方案优化设计方法。该方法可以优化产品服务系统的方案设计,并通过理想化程度值定量判定最优 方案设计。以污水处理设备为例,应用该方法获取产品服务系统最优的方案设计,并与其它方案进行对比,验证了该方 法的有效性。实际应用证明该方法不仅可以对产品服务系统方案设计的理想化程度进行定量的判定,还可以实现对系 统方案设计的全局最优搜索。     

基于遗传算法和禁忌搜索的多用户检测器

利用遗传算法和禁忌搜索的优势,介绍一种嵌入式混合优化算法,提出一种基于嵌入式混合优化算法的多用户检测器。数值结果表明:该方法具有较好的检测性能和合理的计算复杂度。     

基于遗传算法与动态规划法的工艺过程优化

针对制造系统中的工艺过程优化问题,提出一种基于遗传算法和动态规划法的综合优化模型。该模型将工艺过程的优化分解为两个并行层次-工序层和工艺路线层。用改进的遗传算法求解工序层中的工艺参数优化问题,同时利用动态规划法实现工艺路线层次的优化。将两个层次优化方法有机结合,在局部优化的基础上进行整体优化,从而实现整个工艺过程的优化。通过实例证明了该优化模型求解的可行性和有效性。     

支持向量机替代模型的遗传优化设计

针对实际工程中常见的性能函数不能显式表示的优化问题,提出一种基于支持向量机替代模型的遗传优化设计方法。利用试验设计选取合适的设计参数样本点,通过实验或数值仿真获得响应输出,结合遗传算法构建具有参数优化功能的支持向量机替代模型;将支持向量机模型作为目标性能函数,结合其他约束条件完成优化模型的建立,并应用遗传算法进行优化,形成一套准确、高效、适应性强的优化方法。以典型电子装备功分器的结构尺寸优化为例,采用均匀试验设计和高频电磁场仿真软件HFSS获取替代模型训练的学习样本,建立功分器模型的幅度比、相位差和驻波3个响应面目标函数,并对该多目标优化问题进行遗传寻优。     

基于实数编码遗传算法的盲信源分离方法

提出了一种新的基于相关矩阵对角化的代价函数,该代价函数通过抑制分离信号的互相关性达到盲信源分离的目的。这种分离新方法可用于分离平稳或非平稳信号的瞬时或卷积混合。针对传统梯度搜索方法容易陷入局部收敛的问题,文章还提出利用实数编码遗传算法对代价函数进行最优化搜索。仿真实验表明,这种遗传算法具有快速收敛性能和高精确度等优点。     

基于改进的蚁群算法的复杂制造系统物流配送路径优化

为了对复杂系统中物流网络进行规划,在分析复杂制造系统物流网络特点的基础上,用多级有向图来对物流配 送问题进行建模。针对物流路径的流量和时间限制,以寻找满足约束条件的最小成本的路径为目标,利用改进的蚁群算 法对配送路径进行规划,最后运用MATLAB语言编程仿真。改进后的蚁群算法克服了一般蚁群算法的不足,提高了算 法的性能,可以解决复杂制造系统的物流网络配送路径优化问题。     

QoS支持下的GIS服务链最优化问题研究

针对当前OGC互操作标准未提供QoS支持的现状,对OGC服务标准进行了服务质量扩展。在此基础上实现了一种基于遗传算法、具有全局QoS约束的最优化服务选择方法。该方法采用了树型染色体编码方式及基于罚函数法的适应度函数。通过与整数规划得到的最优解进行对比,验证了该方法解质量的有效性,并通过改变候选服务数和任务数等试验条件,证明了该方法的时间复杂度近似线性。