提出使用基于中医思想的蚁群算法(a novel ant colony system based on traditional Chinese medicine theory,CACS)求解配电网重构问题。针对配电网重构问题的特点,采用基于基本环路的解的编码方式,设计适合于配电网重构的解元件库、...提出使用基于中医思想的蚁群算法(a novel ant colony system based on traditional Chinese medicine theory,CACS)求解配电网重构问题。针对配电网重构问题的特点,采用基于基本环路的解的编码方式,设计适合于配电网重构的解元件库、保健算子和治病算子,从而将CACS应用到配电网重构问题中。在IEEEE33和IEEE69节点的100次仿真测试中,CACS全部找到最优解,且最快收敛代数分别为3和7、平均收敛代数分别为22.16和59.92。同相关文献中的智能算法测试结果对比表明,CACS在保证解的质量的前提下,不但计算效率高,而且鲁棒性好。展开更多
为改善分布式电源(Distributed Generation,DG)并入电网后配电网重构算法的性能,提出一种基于佳点集的蜜蜂进化型遗传算法(Bee Evolutionary Genetic Algorithm Based on Good Point Set,GBEGA)。该算法的关键有三点:1.提出一种基于佳...为改善分布式电源(Distributed Generation,DG)并入电网后配电网重构算法的性能,提出一种基于佳点集的蜜蜂进化型遗传算法(Bee Evolutionary Genetic Algorithm Based on Good Point Set,GBEGA)。该算法的关键有三点:1.提出一种基于佳点集的种群初始化方法,该方法比随机方法产生的种群在搜索空间更为均匀;2.引进佳点集交叉算子,该算子能在父代附近进行更加精细的搜索;3.采用自适应的交叉变异概率,有利于算法开采与勘探的平衡。将DG处理为PQ、PV两种模型,并将GBEGA与相关文献中的算法关于IEEE33和IEEE69节点系统进行了对比测试。仿真结果表明,GBEGA适合于含DG的配电网重构,在全局寻优能力和收敛速度上表现出色。展开更多
针对PCB板的表面贴装技术(Surface Mount Technology,SMT)优化问题,提出一种基于蜜蜂进化型遗传算法和蚁群系统的混合智能算法(the Hybrid Intelligent Algorithm based on Bee Evolutionary Genetic Algorithm and Ant Colony System,B...针对PCB板的表面贴装技术(Surface Mount Technology,SMT)优化问题,提出一种基于蜜蜂进化型遗传算法和蚁群系统的混合智能算法(the Hybrid Intelligent Algorithm based on Bee Evolutionary Genetic Algorithm and Ant Colony System,BAHA).该算法的关键有4点:①通过两个种群的融合实现信息共享,提高算法的收敛速度;②采用改进的OX的交叉算子,合理保留优秀个体基因的排列顺序;③加入局部搜索算子,在当代最优解附近进行更加精细的搜索;④信息素重置防止陷入局部最优解.用TSP30问题、eil51问题与相关文献进行对比测试,仿真结果表明BAHA收敛速度快,寻优能力强.通过对5种不同PCB板的元件贴装顺序进行优化计算,结果表明,BAHA能有效的提高贴装效率.展开更多
文摘提出使用基于中医思想的蚁群算法(a novel ant colony system based on traditional Chinese medicine theory,CACS)求解配电网重构问题。针对配电网重构问题的特点,采用基于基本环路的解的编码方式,设计适合于配电网重构的解元件库、保健算子和治病算子,从而将CACS应用到配电网重构问题中。在IEEEE33和IEEE69节点的100次仿真测试中,CACS全部找到最优解,且最快收敛代数分别为3和7、平均收敛代数分别为22.16和59.92。同相关文献中的智能算法测试结果对比表明,CACS在保证解的质量的前提下,不但计算效率高,而且鲁棒性好。
文摘为改善分布式电源(Distributed Generation,DG)并入电网后配电网重构算法的性能,提出一种基于佳点集的蜜蜂进化型遗传算法(Bee Evolutionary Genetic Algorithm Based on Good Point Set,GBEGA)。该算法的关键有三点:1.提出一种基于佳点集的种群初始化方法,该方法比随机方法产生的种群在搜索空间更为均匀;2.引进佳点集交叉算子,该算子能在父代附近进行更加精细的搜索;3.采用自适应的交叉变异概率,有利于算法开采与勘探的平衡。将DG处理为PQ、PV两种模型,并将GBEGA与相关文献中的算法关于IEEE33和IEEE69节点系统进行了对比测试。仿真结果表明,GBEGA适合于含DG的配电网重构,在全局寻优能力和收敛速度上表现出色。
文摘针对PCB板的表面贴装技术(Surface Mount Technology,SMT)优化问题,提出一种基于蜜蜂进化型遗传算法和蚁群系统的混合智能算法(the Hybrid Intelligent Algorithm based on Bee Evolutionary Genetic Algorithm and Ant Colony System,BAHA).该算法的关键有4点:①通过两个种群的融合实现信息共享,提高算法的收敛速度;②采用改进的OX的交叉算子,合理保留优秀个体基因的排列顺序;③加入局部搜索算子,在当代最优解附近进行更加精细的搜索;④信息素重置防止陷入局部最优解.用TSP30问题、eil51问题与相关文献进行对比测试,仿真结果表明BAHA收敛速度快,寻优能力强.通过对5种不同PCB板的元件贴装顺序进行优化计算,结果表明,BAHA能有效的提高贴装效率.