基于DEPSO混合智能算法的岩土体应力-渗流-损伤耦合模型多参数反演研究

随着复杂岩土工程问题研究的深入,开展关于岩土体应力-渗流-损伤多参数反演问题的研究具有显著意义.引入差异进化算法（Differential Evolution Algorithm,DE）—粒子群算法（Particle Swarm Optimization,PSO）混合智能算法DEPSO到岩土工程应力-渗流-损伤耦合问题参数反演研究之中,该混合智能算法可以保证两个种群的相互协调开发能力和探索能力之间的平衡,维持整个种群的多样性,降低陷入局部最优或早熟停滞的风险.通过两个经典测试函数,针对DEPSO、PSO以及DE这3种算法的收敛性、鲁棒性进行对比分析,并讨论在DEPSO算法中DE控制参数、差异策略的控制作用.将岩体应力-渗流-损伤耦合模型与DEPSO混合智能算法结合起来,建立耦合模型多参数反演方法,并采用C＋＋编制程序,构建基于DEPSO混合算法的耦合多参数反分析平台.依据应力-渗流-损伤耦合正分析计算的结果作为＂假想实测值＂,进行多参数反演分析,以及方法和程序的验证.研究结果表明：所建立的基于DEPSO混合算法的耦合多参数反分析方法,可以同时反演多个力学参数和渗透参数,能够较好地解决岩土工程多参数反演问题,在计算效率方面高于单一智能算法,具有较好的反演精度和鲁棒性,是一种新颖和高效的反分析方法,可以更好地为复杂环境岩土工程动态施工提供帮助和依据.

混合智能算法及其在供水水库群优化调度中的应用

将遗传算法中的进化思想和蚁群算法中的群体智能技术有效地耦合,提出了一种基于两者的混合智能算法,应用于供水水库群系统的优化调度研究中。算法利用蚁群算法的并行性、正反馈性以及良好的全局寻优能力,避免搜索陷入局部最优,同时借鉴遗传算法的进化思想,利用杂交、变异算子来进行局部寻优,使其能快速搜索到全局最优点。在种群随机搜索过程中嵌入确定性的模式搜索,使得算法同时具有随机性和确定性。结合模拟退火思想,构造了罚因子处理约束条件,使该算法对水库优化调度问题以及其他优化问题具有一定的通用性。通过实例验证,并与大系统聚合分解经典算法进行比较,结果表明该算法是可行的和有效的。

采用NSGA-Ⅱ混合智能算法的风电场多目标电网规划

风电并网在实现节约化石能源和减少有害气体排放等效益的同时,也将对电力系统的可靠性造成一定的负面影响。为达到投资经济性、系统可靠性、环保效果的整体最优,构建了多目标风电场接入的输电线路与电网的联合优化规划模型;针对目标权重未知、人工神经网络(artificial neuralnetwork,ANN)收敛困难、无法合理决策等问题,采用方差最大化决策和分类逼近理想解的排序方法(technique fororder preference by similarity to an ideal solution,TOPSIS)缩小最优解的范围,并在此基础上提出了随机模拟、神经元网络和非劣排序遗传算法II(non-dominated sorting geneticalgorithm II,NSGA-Ⅱ)相结合的混合智能算法;对增加风电场的改进IEEE Garver-6系统进行计算分析,结果表明该方法具有较高的决策效率和计算精度,从而验证了所提出模型和方法的合理性和有效性。

基于混合智能算法考虑时序性的风光电源多目标规划

随着分布式电源(Distributed Generation,DG)在配电网中被越来越多的应用,探究分布式电源的选址定容问题成为研究的热点。为降低配电网负荷及DG出力时序特性对DG规划的影响,文章分析了负荷和DG出力时序特性曲线,建立了多目标数学模型,利用层次分析法对多目标函数处理,采用遗传--模式搜索混合智能算法(IGABPS)进行一年全时段寻优求解。最后采用IEEE33节点系统对方案进行验证,算例结果表明了考虑时序特性的规划方案更能真实反映配电网的实际运行情况。

混合智能算法在模糊规划中的应用

简要介绍了模糊规划并综述了模糊规划的建模理论,提出在原有混合智能算法研究的基础上将进化策略融合进混合智能算法中来解决原有算法易陷入局部最优解的问题,提高了求解精度及收敛速度.

基于DE和PSO的混合智能算法及其在模糊EOQ模型中的应用

设计了融合差分进化和PSO算法优点的混合智能优化算法DEPSO,通过在粒子迭代过程中,随机选择一定数量的粒子进行差分进化操作,增加粒子的多样性,使陷入局部极小的粒子逃出,以保证DEPSO的全局收敛性能,并采用典型测试函数验证了DEPSO的性能。针对模糊相关机会规划EOQ模型求解难题,设计了基于模糊模拟方法和DEPSO的智能求解算法来计算模糊事件的可信性,从而得到了使库存费用不超过预算水平的可信度最大的最优订货量,算例证实了此求解算法的有效性。

基于混合智能算法的多资源约束项目优化调度

基于关键链项目管理(critical chain project management,CCPM),利用一种混合智能优化算法求解多资源约束项目调度问题,解决传统调度优化算法的不足,提高这类问题的求解质量.首先利用一类启发式算法识别项目关键链,并设置缓冲区尺寸,以项目总工期和在制品库存为优化目标建立数学模型,设计一种混合智能优化算法求解,并对项目问题库中的j30hrs.sm问题和某生产型项目进行实验分析,得到优化的结果.实验表明,采用混合智能算法求解这类问题能得到明显优于一般调度优化算法的结果.

基于混合智能算法的战略储油基地选址问题

混合智能算法是由随机模拟、单纯形法和遗传算法融合而成的一种智能化启发式算法。对于描述设备选址要求,根据建立战略储备的风险,通过运用不确定规划模型,解决了经济发展需求、路径长度受限情况下选择适合的储油基地问题。实例计算结果表明,与传统算法相比,混合智能算法能有效地解决储油基地的选址问题。

基于混合智能算法的电子市场供应链期权合同协调

在电子市场环境下,考虑了需求、市场价格和市场准入程度的随机性,基于Stack-erlberg主从对策,建立了供应链期权合同协调的随机期望值模型。在这一主从对策模型中,主方供应商的目标函数是预期利润,决策变量是期权合同预订费用和执行费用;从方分销商的目标函数是预期利润,决策变量是订货量。应用包括随机模拟、人工神经元网络和遗传算法组成的混合智能算法求解该主从对策问题。最后,结合上海宝钢集团益昌公司电子商务的运作实例,运用混合智能算法进行了仿真计算与分析。

有时间窗车辆路径问题的混合智能算法

有时间窗的车辆路径问题属于组合优化领域中的NP-hard问题。在对该问题进行分析的基础上,为之建立了数学模型,提出了一种求解该问题的混合智能算法。该算法通过使用蚁群算法和遗传算法交替优化,并且及时交换信息,弥补了蚁群算法和遗传算法各自的不足,达到了优势互补的效果,增强了算法的寻优能力,避免了停滞现象。实验结果表明,该算法能有效解决有时间窗的车辆路径问题。

基于混合智能算法的无功优化研究

为了降低输电网电能损耗,采用混和智能算法(粒子群算法与差异进化算法相结合)作为无功优化算法。该算法对不断变化的个体极值与整体极值进行研究,并且引入第三值分离相似性状,寻找最优补偿点的位置,从而有效补偿电能传输过程中的无功功率。通过IEEE系统例证分析,结果表明混合智能算法性能优于粒子群算法。说明混合智能算法对电能传输过程中所需无功功率有良好的补偿作用,对电网经济安全运行有良好的保障性。

基于混合智能算法的三峡水库汛限水位动态控制研究

为充分发挥三峡水库的防洪兴利效益,利用水文、气象预报,实施动态汛限水位控制运行具有重要的意义.考虑调度期实时防洪风险约束,建立实时调度与汛限水位动态控制模型,设计混合智能算法,对模型进行优化求解.利用宜昌站汛期实测日流量资料进行模拟调度,得到汛限水位动态控制结果.结果表明,汛限水位动态控制能权衡防洪风险与兴利关系,在一定条件下,适当提高水库运行水位,可以在保证防洪标准不变的前提下较大幅度提高水库的兴利效益.

基于混合智能算法的电力系统经济调度优化模型研究

在以电力系统的发电总燃料量、氮氧化物排放量和电价等3个因素为目标函数,以系统有功平衡、系统正负备用、输出功率以及输出功率上升速率等相关约束条件的基础上建立了电力系统经济调度的加权优化模型.同时,在综合了粒子群-人工鱼群算法的基础上构建了混合智能算法.最后,用10个机组所组成的火电厂的优化调度问题作为案例,采用混合算法进行求解及结果分析,以说明电力系统经济调度加权优化模型的有效性以及综合智能算法的收敛性和稳定性.

带有VaR方法的模糊NPV模型及其混合智能算法

基于可信性理论建立一类带有模糊Va R方法的NPV模型,并设计含有逼近方法、神经网络和遗传算法的混合智能算法对提出的模型进行求解。给出一个数值例子表明模型和算法的有效性。通过改变目标函数和可信性约束中的可信性水平对最优解进行灵敏度分析。

混合智能算法在彩色图像分割中的应用研究

对颜色空间做了全面地介绍,对当前传统的彩色图像分割技术进行了较为系统的论述,通过比较发现传统的单一分割算法在彩色图像分割中都不可避免地存在一定的不足与缺陷。而以神经网络、遗传算法和蚁群算法等智能算法进行图像分割时,由于从不同侧面反映了人类视觉感知的智能性、并行性,取得了较好的效果,推动了图像分割向智能化方向发展,但其在理论和实践上都没有达到让人满意的程度。因此,可以根据实际情况组合不同的算法,分层次地分割图像,寻找符合人类视觉感知特性的有效的彩色图像分割混合智能算法,从而弥补单一算法对彩色图像分割的不足。

旅行商问题推广及其混合智能算法

旅行商问题(TSP)是典型的NP-hard问题,是组合优化研究领域中的热点问题之一。全体旅行商问题(CTSP)是TSP的变形推广,它是比TSP更复杂的一个问题,而且有着广泛的应用。遗传算法(GA)具有随机全局搜索能力,但对于系统反馈信息利用能力差,且收敛慢,求解效率低。蚁群系统(ACS)算法具有并行全局搜索能力,且在很大程度上避免了收敛到局部极小解从而陷入停止进化的可能性,但它也存在初期信息缺乏且收敛慢的缺点。用GA和ACS算法可组合成混合智能算法(CIA),用它来求解CSTP具有信息利用充分等较好性能,且收敛速度快。

求解PDPTW的混合分组编码智能算法

给出了有时间窗装卸问题的描述,提出了一种解决该问题的混合分组编码智能算法。该算法在运算过程中融入了遗传算法与粒子群算法的优势,使2种算法取长补短,保证了计算结果能收敛到所求解问题较好的解,从而有效地解决了PDPTW问题。

基于混合智能算法的电力系统无功优化研究

研究了电力系统的无功优化功问题,给出了结合电力市场实行的无功优化目标函数。在分析了遗传算法和蚁群算法各自优缺点的基础上,将遗传算法与蚁群算法融合,利用遗传算法的交叉、变异操作产生蚁群算法新的搜索路径,以此提高混合智能算法的全局搜索能力和收敛速度,并将混合智能算法应用于实例进行仿真。仿真结果表明,该混合智能算法具有快速的收敛速度和优良的全局优化能力。

基于智能算法的代理购电业务电量预测与评价体系研究

我国电力市场目前仍处于改革中,电力企业代理购电预测的准确与否,在市场资源配置中起着决定性作用。为保证代理购电机制平稳发展,需明确电力企业市场化购电规模。目前代理购电电量主要是根据代理购电工商业用户用电量及典型负荷曲线进行预测,缺乏完整的体系,难以精确预测,导致缺少合理的规划。文章提出一套相似日月度预测算法与混合时序月度预测算法相结合的智能算法,用于代理购电业务电量预测与评价,围绕江苏省2022年用电情况进行预测,从5个维度对预测结果进行评价,帮助电力企业精准预判整体售电量规模,合理规划购电计划。

基于HSDPA混合群集智能算法的多用户调度

传统的基于粒子群最优化的混合启发式算法和模拟退火算法往往以牺牲解的质量或者求解速度来实现有效的调度，为了解决这一问题，提出了一种基于高速下行分组接入（HSDPA）标准的混合群集智能算法。首先假定HSDPA标准所指定的是现实性不完善的信道状态信息（CSI）反馈，并以有限集合的形式存在于信道指示符（CQI）中；接着在最优化过程中，利用模拟退火算法和粒子群最优化算法各自的优点设计混合群集智能算法；最后利用混合算法进行数据处理，得到最优解的同时降低了复杂度，从而实现提升系统通量，达到调度最优化的目的。实验结果表明，与传统的基于粒子群最优化的算法相比，所提的混合算法取得了更好的调度效果。