自适应二次变异差分进化算法

提出一种基于群体适应度方差自适应二次变异的差分进化算法.该算法在运行过程中根据群体适应度方差的大小,增加一种新的变异算子对最优个体和部分其他个体同时进行变异操作,以提高种群多样性,增强差分进化算法跳出局部最优解的能力.对几种典型B enchm arks函数进行了测试,实验结果表明,该方法能有效避免早熟收敛,显著提高算法的全局搜索能力.

电力系统无功优化的二次变异遗传算法

在自适应遗传算法的基础上引入优良个体池和二次变异操作,提出了用于电力系统无功优化和电压控制的二次变异遗传算法。该方法建立一个与群体规模等大的优良个体池,用于保存个体编码、适应度等详细数据。每计算完一代,将该代的个体与优良个体池中的个体进行生存竞争,因此优良个体池中保留了历代计算的优良个体,下一代的群体从优良个体池中选择。考虑到遗传操作后存在大量相同个体,检出重复个体进行二次变异,产生邻近的个体,避免了重复计算而且增强了算法的局部搜索能力,加快了算法的收敛速度。该方法和自适应遗传方法用IEEE30节点系统为例计算,结果表明:使用二次变异自适应遗传算法优化的网损平均值更低,寻优性能更好,优化的网损值集中在小的区间。

带自适应动态变异和二次变异的差分进化算法

为解决差分进化算法在解决多目标优化问题时的多样性与收敛性之间的平衡维持难题,首先提出了一种基于自适应动态变异和非支配解二次变异的改进差分进化算法。该算法的核心是将前N代进化的群体多样性值作为多样性判别准则,根据群体多样性变化情况自适应地选择对应的变异算子产生新个体;其次提出通过对所存档Pareto非支配解进行二次变异来增加新个体解群的优解质量和数量,以同时改进算法的多样性和收敛速度。仿真结果表明,与标准差分进化算法和改进的基于分类排序的Pareto遗传算法相比,所提算法在收敛性、分布性与分散度性能指标上都有较好的表现,多样性和收敛性之间的平衡维持能力则远优于另两种算法。

一种基于二次变异策略的改进型遗传算法

通过对基本遗传算法采用单点位变异和倒置变异两次变异操作进行改进,并把该算法应用到TSP问题的求解中。仿真结果表明,改进后的算法提高了种群的多样性,增强了算法的局部搜索能力,从而使最终找到的解比基本遗传算法更优。另外,二次变异的改进遗传算法对种群规模的敏感性比非二次变异的基本遗传算法更强,相同条件下当增大种群规模时,二次变异的改进算法能得到更优的解。

基于二次变异多目标差分进化方法的水火电联合调度研究

针对水火电调度系统中同时存在的环境污染和火电站煤耗问题,该文提出了一种多目标自适应二次变异差分进化算法,运用自适应控制参数和Tent混沌序列改进了差分进化中的二次变异算子,结合基于密度熵的非劣前沿分布性控制策略,实时地控制了进化群体的收敛性和多样性,在提高了差分进化的收敛速度的同时有效地避免了"早熟"现象的发生。同时,考虑了水电系统中的网络损失问题,为了克服水火电系统中的非线性约束条件难以满足的问题,该文引入了启发式嵌套修正技术,对进化群体中的不可行个体进行循环修正,有效地解决了水火电系统中等式约束难题。此外,该文还将多目标自适应二次变异差分进化算法应用到水火电联合调度系统中,并取得了较为满意的结果。

电力系统无功优化的二次变异遗传算法

遗传算法是一种计算的模型,最初是美国密歇根州立大学的教授所提出的,同时,该教授针对其理论写出了相关方面的论著。遗传算法它主要的形成是以达尔文的生物进化论为依据,对自然生态中的选择以及遗传学中生物的进化过程为原型,所形成的一种计算方面的模型方法,它可以经过对大自然中的进化过程进行模拟,从而得出最佳的解决问题方法,其中,GA的算法是最先被世人所了解的。本文针对遗传算法在电力系统中无功优化方面出现的二次变异应用进行了分析,同时对电力系统当中变电的异常情况进行了详细的研究和探讨。

基于二次变异的齿形链内侧齿廓优化设计

提出齿形链当量链板的概念,分析了内-外复合啮合齿形链与渐开线链轮的啮合关系;指出与链轮渐开线齿廓啮合的链板内侧齿廓的正确形式,提出了一种基于二次变异的齿形链链板内侧齿廓优化设计方法;建立齿形链传动系统的多体动力学模型,对比分析了基于不同设计方法的齿形链传动系统。仿真结果表明,基于二次变异的内-外复合啮合齿形链内侧齿廓优化设计,可以显著减小齿形链传动系统的多边形效应以及啮合冲击。

分阶段二次变异的多目标混沌差分进化算法

提出一种结合分阶段二次变异和混沌理论的改进差分进化(DE)算法,以解决多目标约束优化问题.其核心思想是,在DE进化前期采用基于非支配解的随机二次变异来提高算法的全局寻优能力,进化后期采用基于非支配解的混沌二次变异来提高DE的局部寻优能力.通过对典型测试问题的仿真实验验证了所提出的算法能在全局搜索性能与局部搜索性能之间维持较好平衡,而且保持了DE算法的简洁性能,其收敛性、分布度和均衡性均优于标准DE.

基于可选节点集优化的变异蚁群算法的QoS路由算法

多约束QoS单播路由问题是一个NP-完全问题,针对基本蚁群算法在解决多约束QoS单播路由问题时易陷入局部最优解、收敛速度慢的突出缺点,提出一种基于可选节点集优化的变异蚁群算法对该问题进行求解。该算法采取混合蚂蚁行为,可选节点集优化,二次变异,借助节点使用计数器,引入二次蚁群搜索机制,减少了算法陷入局部极值的可能性,提高了算法的寻优能力和收敛速度。仿真实验结果验证了该算法的可行性和有效性。

改进ASMDE算法和RBFNN的配电网线损计算

针对中压配电网结构复杂,运行数据不全,常规网损计算方法难以实施的问题,提出了一种配电网线损的实用计算方法。利用RBF神经网络的强拟合特性,映射配电线路的特征参量与线损之间复杂的非线性关系,记忆配电线路在结构参数和运行参数变化时线损的变化规律,建立了基于RBF神经网络的线损计算模型。采用改进的自适应二次变异差分进化(ASMDE)算法,对RBF神经网络的结构参数进行整体优化,克服了常规算法隐含层与输出层结构参数分开确定,输出层易陷入局部极小的缺点。实例仿真验证了所提方法的有效性和实用性。

改进的差异演化算法

针对差异演化算法求解复杂优化问题效率不高问题,提出一种改进的差异演化算法。该算法采用单种群机制提高全局搜索能力,利用二次局部变异操作使当前种群中的部分个体在当前最优个体附近寻优,增强局部搜索能力。利用不同类型的标准测试函数对该算法进行测试,并与差异演化算法、动态差异演化算法和粒子群优化算法进行比较。仿真结果表明,改进的差异演化算法显著提高了搜索效率。

基于改进遗传算法的医院配电室巡视路径优化

为提高大型医院的配电室巡视效率,优化巡视路径,设计了一种基于个体校验及二次变异的改进遗传算法。对需要巡视的配电室进行编号并形成路径编码,考虑单人及双人的不同巡视模式,建立路径优化模型,然后用改进遗传算法求解。实例仿真分析表明,改进后的遗传算法性能更好,优化后的巡视路径更合理。运用改进遗传算法对大型医院配电室巡视路径进行优化,对于提高医院配电管理水平及工作效率具有积极意义。

基于改进DE的含风电机组配电网多目标无功优化

电网无功优化是保障电网安全、经济、可靠运行的基本手段,普遍方法是应用智能优化算法以确定电网无功设备投切方案,为此引入差分进化算法解决含风电机组的配电网无功优化问题。考虑风电机组出力的随机性,采用基于场景概率方法,建立了全场景下计及有功网损、静态电压稳定指标、无功补偿设备投资成本的多目标无功优化模型。针对基本差分进化算法的不足,结合免疫原理和二次变异思想改进了差分算法,改进后算法在充分利用进化过程中优良信息的同时,又能保持种群多样性。算例分析结果验证了所建模型与改进方法的可行性和有效性。