有补偿二阶段随机最优化问题的逼近算法研究

探讨了以随机变量的子样为条件,使用目标函数的经验均值逼近法来求解有补偿二阶段问题,并分析了相关的收敛性.不要求了解所涉及的随机变量的分布函数是该方法的特点.

考虑多风电场相关性的电网动态经济调度二阶段带补偿算法

大规模多风电场的并网给电网经济调度带来了巨大挑战,文中对含多风电场的电网日前动态经济调度问题进行研究。首先,引入Copula理论构建了多风电场间输出功率的联合分布。随后,建立了电网日前24h动态经济调度随机优化模型。针对约束中风电输出功率的随机性,引入二阶段带补偿算法求解,将原调度模型转化为二阶段模型:第一阶段为仅含常规变量约束,而在目标函数中增加补偿量期望值的优化模型;第二阶段为含随机变量约束,并以补偿量惩罚期望值最小为目标的优化模型;通过二阶段模型间的交替迭代求得最优解。基于IEEE 118节点系统和某省级大电网的算例对该方法的有效性进行了验证。

融合振幅随机补偿与步长演变机制的改进原子搜索优化算法

针对原子优化算法寻优精度弱且易陷入局部极值的问题,本文从种群多样性、参数适应性和位置动态性角度提出一种融合混沌优化、振幅随机补偿和步长演变机制改进的原子搜索优化算法(improved atom search optimization,IASO),并将其成功应用于分类任务。首先,引入帐篷映射(Tent混沌)增强原子种群在搜索空间中的分布均匀性;其次,通过构建振幅函数对算法参数进行随机扰动并加入步长演变因子更新原子位置,以增强算法全局性和收敛性;最后,再将改进算法应用于误差反馈神经网络(BP神经网络)参数优化。通过与6种元启发式算法在20个基准测试函数下的数值实验对比表明:IASO不仅在求解多维基准函数上具有好的寻优性能,且在对BP神经网络参数进行优化时相较于2种对比算法具有更高的分类精度。

基于新颖二进制人工蜂群算法求解带权集合覆盖问题

带权集合覆盖问题(WSCP)是一个著名的NP-hard问题。为了利用人工蜂群算法(ABC)高效求解带权集合覆盖问题,提出了一个新颖二进制ABC(记作nBABC)。在nBABC中,首先提出了随机学习和继承性相结合的全局进化算子,以提高算法的全局勘探能力。其次,基于动态调整策略提出了自适应随机取反算子,以维持勘探与开发的平衡。在借鉴近似算法的思想提出处理WSCP不可行解的修复算法WSCP-GRA和优化算法WSCP-GOA的基础上,利用nBABC给出了求解WSCP的一个新方法。为了验证nBABC求解WSCP的高效性,利用它求解OR-Library中45个WSCP实例,与多个算法的比较表明:nBABC能够求得所有实例的最优值,比已有求解WSCP的算法更具竞争力。

基于1/t-Polyak步长的随机控制的随机梯度算法

随机梯度下降算法已成为求解大规模有限和优化问题的流行算法,然而,由于其在迭代过程中会产生方差,导致了振荡现象。随机控制的随机梯度(SCSG)算法缩减了该方差,但SCSG算法对于步长有较强的限制。为了扩大SCSG算法的步长选择范围,基于1/t-带步长与Polyak步长,提出1/t-Polyak步长,并将其与SCSG算法结合,提出SCSGP算法。建立了SCSGP算法在强凸条件下的线性收敛性,数值实验表明SCSGP算法与其他随机梯度类算法相比有明显优势。

考虑风场高维相依性的电网动态经济调度优化算法

大规模风电并网给电力系统的调度运行带来了巨大的挑战.本文提出改进的二阶段带补偿随机优化算法,用于考虑风场出力高维相依性的电网动态经济调度问题求解.首先,利用Copula函数描述多风场出力的高维相依性,获得多风场出力的联合分布;随后,引入二阶段带补偿随机优化算法解耦求解动态经济调度模型中的常规变量与随机变量;求解过程中,针对补偿费用期望值的计算受限于相依性风场维数,且对迭代方向指导不明确,导致算法收敛耗时长的问题,引入基于整体最小二乘的递推动态多元线性回归法对二阶段带补偿随机优化算法进行改进,通过补偿费用期望值的动态更新,促使两阶段模型的迭代求解快速收敛,克服了传统随机优化方法的"维数灾"弊端,使该算法能够用于考虑风场高维相依性的电网动态经济调度模型求解.最后利用IEEE 118节点系统和某省级实际电网系统验证了所提算法的有效性和实用性.

基于改进Tabu搜索算法的电力系统无功优化

本文将一种改进的 Tabu搜索算法 (MTSA)用于电力系统无功优化 ,建立了相应的数学模型 ,考虑了有功损耗费用和补偿费用 ,使得总费用最小。在一般 Tabu搜索算法的基础上 ,对搜索步长、禁忌表、不同循环起始点的选择以及算法终止判据等问题做了分析、讨论 ,并做了一些改进 ,使得更容易挑出局部最优解 ,保证可以搜索整个可行域 ,从而得到全局最优解的可能性更大。应用 MTSA对 IEEE6节点系统行了无功优化计算 ,与线性规划算法、Box算法进行了比较 ,结果表明 MTSA与 Box算法一类的随机搜索算法的优化结果相近 。

求解带有交易费的CVaR投资组合模型的L-S算法

本文假设投资者是风险厌恶型,用CVaR作为测量投资组合风险的方法.在预算约束的条件下,以最小化CVaR为目标函数,建立了带有交易费用的投资组合模型.将模型转化为两阶段补偿随机优化模型,构造了求解模型的随机L-S算法.为了验证算法的有效性,用中国证券市场中的股票进行数值试验,得到了最优投资组合、VaR和CVaR的值.而且对比分析了有交易费和没有交易费的最优投资组合的不同,给出了相应的有效前沿.

一种求解随机线性二层规划问题的分支定界-粒子群混合算法

将一类随机线性二层规划模型转换为带期望约束的确定性线性二层协方差规划模型,并进一步利用KKT条件将二层协方差规划模型转化为单层规划模型,然后利用分支定界-粒子群混合算法对该模型进行求解.与传统分支定界算法的对比实验表明,该算法有效改善了上层问题的方差结果,且计算效率得到了较显著提高.

一种心脏运动补偿算法的GPU实现

在心肌灌注核磁共振(MR)图像中,病人的呼吸和心跳会使心脏的位置和形状发生改变,因此需要对心脏核磁共振(CMR)时间序列图像中的心肌图像位置进行运动补偿。针对医学图像特征较少的问题,利用马尔科夫随机场(MRF)模型,提出一种基于图像配准的心脏运动补偿算法。根据心动周期不同时间点图像像素块的邻域和灰度信息,计算心脏的运动向量,将最相似的像素块平移到图像的相近位置,对心跳产生的位移进行补偿。由于MRF模型的计算量较大,将CPU算法和GPU算法相结合,计算耗时部分使用GPU并行实现,以提高程序的运行速度。实验结果表明,该方法能有效地对心肌灌注MR图像中心脏的位移和弹性形变进行补偿,结合GPU算法能使运动补偿算法的计算性能提高400%,图像配准时间仅为CPU算法的1/3。

配电网固定串联补偿多目标优化

为了更好地利用固定串联补偿电容器改善网架薄弱、供电半径大以及长线路末端有重负荷配电网的电压偏差,研究了确定固定串联补偿电容器选址定容的多目标优化方法。以电压整体偏差、串联补偿容抗和有功网络损耗最小为目标建立配电网固定串联补偿多目标优化模型。基于灵敏度方法和固定串联电容器减小线路电压损耗的原理确定安装固定串联电容器候选线路和补偿容抗取值范围。运用带精英策略的快速非支配排序遗传算法求解建立的模型。算例验证了方法的可行性和有效性。结果表明串联电容器能够有效地提高电压质量和降低有功网络损耗。

基子Benders分解的不确定条件下过程优化研究

基于Benders分解的二阶段随机规划在不确定条件过程优化中占有重要的地位,分析和比较了前人的工作,并将蒙特卡罗积分策略与基于对偶理论的可行域限定条件相结合,提出了新的求解策略,不仅避免了求解一系列子问题进行可行域限定的情况以及计算负荷随不确定参数数目呈指数增加的不足,而且使可行域限定条件更加合理,算例证明了该算法的有效性.

基于改进NSGA-Ⅱ算法的港口堆位分配问题研究

散杂货港口堆位分配问题是一个典型的组合优化问题。在对此问题分析和建模的基础上,采用NSGA-Ⅱ算法进行求解。针对问题搜索空间大、约束条件复杂等特点,对传统NSGA-Ⅱ算法进行了改进,以提高算法的处理效率、收敛性和多样性。应用Java编程语言,融合JESS推理机,进行了改进NSGA-Ⅱ算法的仿真研究。

基于分等级公平竞争模型的可持续模拟退火算法的应用

通过改进可持续模拟退火算法(HFCSA)算法的个体定义与编码方式、种群的生成方式以及设计新的算子,成功解决了医学实验安排这种带约束的优化问题。设计的最优实验方案所需时间是某医学院所使用方案的77%,拓宽了算法的应用领域,为带约束优化问题的求解找到了新的途径。

低碳电网扩张策略:以南方电网公司为例

研究了需求随机环境下电力企业关于电源建设与电力调度的最优决策;考虑电源机组的能源结构约束与运营发电期内的碳排放总量约束,构建了以总成本最小化为目标的带补偿二阶段随机规划模型;定性分析了模型的最优解与装机容量等其它参数之间的联系;以南方电网公司为例,基于真实的数据并考虑政府的规划建议与企业自身的低碳化发展要求,利用情景生成法求解随机规划模型。结果反映了电力系统发展过程中环保绩效与总成本之间的矛盾之外,为企业在实践运作中计划期的电力建设决策以及运营期的发电决策提供了一些有价值的建议。