基于自适应混沌精英变异差分进化算法的中长期水资源优化调度

中长期水资源优化调度问题是一类具有非线性、多阶段、高维度和多重约束特性的复杂优化问题。针对经典智能算法在求解此类问题时容易陷入局部最优或者收敛效率较低等问题,应用混沌搜索策略增强算法的探索能力,同时改进传统算法的变异方式,向精英个体学习以提升收敛速度,提出自适应混沌精英变异差分进化(ACEDE)算法。将所提出的算法应用于珠江三角洲水资源配置工程中长期调度进行实例研究,并与经典智能算法进行对比分析。结果表明:①ACEDE算法在全局探索能力、收敛精度与速度上实现了全面提升,并且表现出良好的适应性。相较于传统差分进化(DE)算法,2030年水平年6月份和2040年水平年6月份调度中ACEDE算法所计算的电费成本分别节省了74.23万元和23.55万元,降低了6.68%和1.52%。②在珠江三角洲水资源配置工程中长期调度中,充分利用调蓄水库库容满足高分水量需求,同时放缓月末补水充库过程,能够有效控制泵站的平稳运行,达到降低电费成本的目的。

求解奇异非线性方程组的三角进化算法

给出了一种基于三角进化算法(TE)的求解奇异非线性方程组的方法.将方程组的求解问题先转化为无约束函数优化问题,而后利用种群并行搜索策略的三角进化算法对其求解.数值实验的结果证明了该算法的全局收敛性和有效性.

费用与资源约束双重模糊下的联合采购模型——基于差分进化算法的研究

针对复杂不确定环境下的联合采购决策难题,用三角模糊数表示不确定的次要订货费用、库存持有费用和资金约束条件,用梯形模糊数表示不确定的存储空间约束,构建了模糊联合采购模型,并采用两种方法对模糊总成本进行去模糊化处理。进而在对差分进化(DE)算法改进并借助典型函数测试性能的基础上,给出了基于改进DE的模糊联合采购模型求解流程,算例证明所设计的DE算法能较好地解决模糊联合采购问题。

差分进化算法在模糊多资源约束联合补货模型中的应用

本文用三角模糊数表示不确定的资金约束,用梯形模糊数表示不确定的存储空间约束,构建了模糊规划联合补货模型,目标函数为最小化订货成本、库存持有成本和运输成本,决策变量为基本补充周期和每种产品的补充周期。通过对变异算子与选择操作进行变化,设计了改进的差分进化算法对模型进行求解,并通过实例证实了模型与算法的科学合理性。

结构拓扑优化设计的三角网格进化法

针对进化式拓扑优化方法的不足 ,提出了一种基于遗传算法的新型进化式拓扑优化方法—三角网格进化法 ,该方法不仅能够同时进行拓扑、形状与截面变量优化设计 ,而且在优化过程中实现了退化和进化的统一 ,提高了优化效率。另外本文还首次对结构类型变量进行了优化计算 ,取得了有益的结果。最后几个数值算例证明了本方法的可行性和有效性。

基于差分进化算法的圆形口径网格分布面阵的波束优化技术

提出一种圆形口径矩形网格平面阵列和圆形口径三角网格平面阵列的波束优化方法.该方法基于差分进化算法优化阵列的幅度加权,以得到满足指标的阵列远场方向图.将阵列的幅度加权矩阵视为水平向和垂直向2个幅度加权矢量的乘积,相应地将优化矢量的长度由M×N数量级降低为M+N数量级;限定幅度加权在水平向和垂直向基于中心对称,大幅降低了优化迭代次数;采用插值算法,基于优化矢量得到适用于圆形口径阵列的幅度加权矩阵.数值仿真实验结果表明,该方法能快速高效地综合出指标满足要求的阵列方向图,副瓣电平可以达到-35 d B,零陷电平可以达到-60 d B.

强力三角型液压挖掘机的约束多目标优化设计

为解决液压挖掘机的约束多目标优化问题,基于进化算法开展强力三角型液压挖掘机的多目标优化设计研究。依据强力三角工作装置的功能特点和挖掘机技术指标,首先,建立强力三角型液压挖掘机的约束多目标优化模型,该模型包含水平推压、平移提升、等力矩提升、挖掘力、推压力和主动液压缸充分发挥比例等目标函数。然后,采用基于推拉搜索的约束多目标进化算法求解该多目标优化模型,并将70 t级的液压挖掘机优化实例结果与当前最先进的7种约束多目标进化算法结果进行比较。最后,基于理想解法从优化求得的非支配解集中筛选得到最终的强力三角型液压挖掘机设计方案,并与其他机型方案主要性能参数进行比较。研究结果表明:约束多目标进化算法能够有效地解决液压挖掘机的多目标优化问题,而多属性决策方法可以帮助设计人员快速、高效地筛选设计方案。

一种矩形口径三角网格平面阵列的方向图数值优化方法

本文采用差分进化算法优化矩形口径三角网格平面阵列的幅度加权,使阵列方向性满足副瓣电平和零陷电平等设定指标。将阵列的二维方向性视为水平向和垂直向两个相互独立分量的乘积,相应地将优化矢量由二维矩阵变成两个一维矢量相加,明显缩短了优化矢量的长度。同时,限定水平向和垂直向优化矢量关于中心点对称,以大幅减少优化迭代次数。仿真结果证明,本文算法能够快速有效地优化出合适的幅度加权,从而得到副瓣电平和零陷电平满足指标的二维方向图。

基于Delaunay三角剖分的多目标进化算法解集分布度评价指标

系统分析目前多目标进化算法(MOEAs)分布度评价指标的特点和不足,提出一种基于Delaunay三角剖分的分布度评价指标.该指标将基于邻域和基于距离的评价思想相结合,利用Delaunay三角网最近邻与邻接性的特点实现自主邻域划分.采用空间映射的方法,有效减少MOEAs解集非支配关系对种群分布度评价的影响.测试结果表明该指标能准确反映MOEAs解集的分布性.

最小权三角划分的进化算法

提出了一种解决平面点集最小权三角划分的新方法——最小权三角划分进化算法。针对平面点集最小权三角划分问题的特点，提出了新的交叉算子和变异算子，即多边形交叉算子与三角形变异算子。从而保证了经交叉与变异操作后得到的后代仍为合理的三角划分，加快了算法的收敛速度。研究了进化算法的几个主要参数（如：解群规模、交叉概率、变异概率及自适应系数）对算法性能及收敛性的影响，并给出了影响曲线。计算结果表明，新算法能得到比贪心算法更优的结果。

利用差分进化算法优化设计的多泵浦Te基光纤拉曼放大器

为适应下一代6G网络对光纤传输系统大容量、高速率和低延时的要求,以Te基光纤为传输介质,利用差分进化算法设计了一款具有两级放大结构的(Raman-fiber amplifier,RFA),实现了对C+L波段内各信道的平坦光放大。差分进化算法具有结构简单、性能优越和鲁棒性强的特点,能够有效解决拉曼耦合微分方程中的大空间、非线性和组合优化等问题。通过Matlab仿真,该Te基光纤拉曼放大器(T-RFA)在100 nm带宽范围内的平均增益为37.7 dB,增益平坦度为0.9 dB。同时,分析了两级放大结构下该T-RFA的噪声增益对系统的影响,为6G网络的拉曼光纤放大器的设计与优化提供了参考。

基于PSO的MWT求解

针对最小权剖分(MWT)问题,本文提出用改造的粒子群(PSO)算法求解。对MWT采用矩阵编码,个体通过吸取优良品种的基因片段实现迁移,并对个体自身主动变异按一定规律接受或否定,实现全局寻优。试验结果表明该算法局很稳定收敛于最优解。