基于博弈论的交叉优化公平调度算法

针对大多数文献仅仅是分别优化多输入多输出系统(MIMO)链路级性能或是仅仅单纯在系统级进行调度,提出了一种基于博弈论的交叉优化公平调度算法,将系统级的调度策略和链路级的物理层优化相结合,并且采用基于博弈论的功率分配算法调整各天线上每个用户的功率分配.仿真结果表明,该算法不但在系统级为每个用户提供了公平的调度机会,而且充分利用MIMO系统的空间复用技术以及天线匹配技术实现了系统级和链路级的交叉优化,并且采用基于博弈论的功率分配方法,有效地克服了不同天线上不同用户之间的相互干扰动态变化的问题,不会造成用户干扰之间的交互循环,提高了系统容量.

基于排序交叉优化算法的智能微电网调度研究

分布式可再生能源具有出力不稳定等问题,导致智能微电网的经济效益与环保效益较差,为此研究基于排序交叉优化算法的智能微电网调度。根据分布式电源与储能装置的运行特性建立其数学模型,为智能微电网多目标调度提供理论基础,以智能微电网运行成本和排污、治污花费最小为目标,构建多目标调度模型,基于排序交叉优化算法求解模型,实现各机组出力的优化调度。以某地冬季典型日为例,获取智能微电网负荷数据展开算例分析,结果显示采用所设计方法调度后微电网的运行与排污、治污总成本节约了46.25%,说明该调度方法具有经济与环保效益优化的效果。

基于Co-CEM的柔性车间调度优化算法

为解决船舶制造中的柔性作业车间调度问题,本文提出一种基于协同进化策略的交叉熵算法来提高船舶制造过程的效率。协同进化策略弥补了交叉熵算法局部搜索能力较弱的问题,提高解的质量;提出基于主动调度的遗传解码算法,保证得到的解属于活动调度;遗传操作将相关调度信息保存在基因中,有效提高算法的搜索效率。本文通过实验对比遗传解码与常用的插入式解码算法,验证了解码算法的有效性及其提升能力,与现有具有竞争力的算法进行对比,证明了基于协同进化策略的交叉熵算法的高效性与优越性,给出了优质的甘特图。

基于改进鼠群算法的微电网优化调度

为避免传统鼠群优化算法(RSO)在寻优时收敛速度慢,陷入局部最优,提出融合Circle混沌映射和纵横交叉策略的鼠群优化算法(HRSO)。利用Circle混沌映射和纵横交叉策略,加快全局收敛速度同时提高算法跳出局部最优的能力,选取Sphere、Rosenbrock等若干经典测试函数进行仿真测试,将HRSO应用于以总发电成本最低为目标且考虑安全性和稳定性的微电网优化调度模型中。结果表明:在4种测试函数下,HRSO与RSO相比,稳定性提高了12.45%,收敛速度提高了28.17%;在微电网优化调度模型中,微电网的总发电成本降低约8.43%。

MIMO系统中的交叉优化调度算法

多入多出(MIMO)系统中在多用户环境下可以在链路级利用空间复用或者在系统级利用多用户调度来提高系统容量。但是仅仅是分别优化MIMO系统链路级性能或是仅仅单纯在系统级进行调度是不够的,将两者联合起来进行优化可以获得更大的系统容量。为此,该文提出了一种新的交叉优化调度算法(Cross Optimization Scheduling Algorithm,COSA),将系统级的调度策略和链路级的物理层优化相结合,并且采用注水算法动态调整各天线的功率分配。仿真结果表明COSA算法不但在系统级为每个用户提供了公平的接入信道机会,而且在链路级中充分利用MIMO系统的空间复用特点以及动态的功率分配,提高了系统的容量。

求解动态维修资源优化调度的多目标进化算法

为解决维修资源调度过程中出现的维修资源预测不准、资源冲突的问题,本文建立了不同作战阶段的多供应中心-多需求点的的动态维修资源优化调度模型,使得多个供应中心可以及时、高效地对需求点进行维修资源调度,减少了资源调度时间和每个需求点的维修资源不满足量。为了更好地求解提出的模型,本文提出了一种改进的多目标进化算法,在经典的多目标进化算法的基础上,使用正态分布交叉算子、全局探索增强型差分进化算子和自适应变异算子的协同进化策略,提高了算法的局部搜索能力和种群的多样性。仿真实验表明,本文提出的算法具有良好的收敛性和分布均匀性,并且具有较高的求解效率。

基于改进遗传算法的综合能源优化调度方法

电力系统中清洁能源的广泛接入迫切要求提出适用于综合能源系统的优化调度方法。本文以风能、光伏、火电以及储能作为研究对象建立了综合能源优化调度模型,并提出了多种群变异交叉概率自适应变化遗传算法对模型进行求解。相比于传统的遗传算法,该算法可以根据遗传算法的运行中的表现来调整交叉和变异概率,具有较好的全局搜索能力和较强的鲁棒性。算例分析的结果表明本文所提出的综合能源优化调度方法具有较高的能源利用率可以保障综合能源系统的高效稳定运行。

纵横交叉算法在梯级水库优化调度中的应用

针对梯级水库群优化调度高维、多约束、非线性和难以求解的特点,将纵横交叉算法(CSO)运用于梯级水库的优化求解当中.纵横交叉算法采用横向交叉和纵向交叉两种交叉方式,增强了全局搜索能力并且避免了局部最优问题.两种交叉算子交替产生的中庸解与父代竞争产生的占优解,能够迅速收敛到全局最优.实例计算表明,与粒子群算法、遗传算法、最大期望算法相比,纵横交叉算法全局寻优能力更好,寻优结果稳定性更强,可以有效地运用于梯级水库群优化调度中.

交叉微粒群算法在梯级水电站水库群多目标优化调度中的应用

以发电量和保证出力为目标,建立水库优化调度多目标数学模型,将遗传算法的交叉思想应用到微粒群算法中,尝试应用多目标交叉微粒群算法(multi-objective Hybrid Particle Swarm Optimization——multi-objectiveHPSO)来求解水库调度中的多目标优化模型的不劣解集。通过实例研究计算并与其他算法的优化结果进行比较分析,证明交叉微粒群算法具有灵活和有效性能好的特性。

改进粒子群优化算法在水电站群优化调度中的应用研究

为克服常规粒子群优化算法易早熟、后期收敛慢且易陷入局部最优解的缺点,本文提出一种新的惯性权重系数更新策略——自适应指数惯性权重系数(SEIWC)代替线性递减惯性权重系数(LDIWC),同时,将遗传算法中的染色体交叉、变异思想引入粒子的更新策略,提高粒子的多样性,增强算法的全局搜索能力。使用Rosenbrock函数和Schaffer函数验证了改进粒子群优化算法的有效性。以福建电网闽江流域水电站群优化调度为例,建立基于改进粒子群优化算法的库群长期优化调度模型。计算结果表明,该模型的调度结果显著优于常规粒子群优化算法,与逐步优化算法结果水平相当。

基于模型预测控制的多微网系统2阶段优化调度

针对多微网系统集中式优化所带来的巨大计算压力以及源荷不确定性给系统稳定运行所造成的影响,提出了基于模型预测控制的多微网系统2阶段优化调度方法。针对日前阶段,考虑微网间源荷时空互补特性,以微网间热电交互功率、各微网中可控微源出力以及储能系统出力为优化变量,建立最小化多微网运行成本的日前优化模型,并利用同步型交叉方向乘子算法求解日前调度计划;针对日内阶段,为应对源荷预测偏差,用模型预测控制对储能系统进行合理调控,以平滑热、电网联络线,跟踪日前调度计划。算例结果表明,所提优化调度方法可缓解集中式优化的计算压力,提升系统运行的经济性与可靠性。

基于改进遗传算法立体车库存取调度优化

研究了巷道堆垛式立体车库的结构及运行原理,其具有自动化程度高、搬运器运行无空行程、存取方便快捷等优点,但也有自身的不足之处。针对巷道堆垛类立体车库的车辆出入口相对较少造成的用户的平均等待时间较长、堆垛机的工作负荷较大等缺点,从调度策略的角度进行分析,利用改进遗传算法对立体车库进行调度策略的优化,建立了以总存取时间为目标函数的数学模型,采用混合编码,改良的OX交叉算子对车库存取序列进行优化,以使总的存取车时间最少,即用户的平均等待时间最少。经过仿真实验的验证该算法得到了较好的收敛,并得到较小的存取车总时间,获得了预期的车辆存取序列,在与其他调度优化方法比较时得出结论,该种优化方法所得结果较为实用。

基于改进遗传算法的应急物资配送车辆调度优化问题研究

以调度完成时间最短为目标,对多种类型车辆从多个仓库点运载多种物资到多个灾害点的问题进行了数学描述,建立了相应的数学模型。采用标准遗传算法对基于模型的算例进行求解,针对标准遗传算法求解存在的早熟收敛、一定迭代次数条件下求解精度不高等问题,分别从改进交叉算子和同时改进交叉算子及迭代引入新个体两个方面对标准遗传算法进行改进。采用改进遗传算法对算例进行求解,并与标准遗传算法求得的解进行对比,结果表明改进遗传算法能明显改善早熟收敛的情况,并获得精度更高的解。

自适应人工蜂群算法在梯级水库优化调度中的应用

针对人工蜂群算法全局搜索能力强、局部搜索能力弱的缺点,提出了自适应人工蜂群算法,即先在搜索策略中引入自适应全局最优学习,以增强算法局部搜索能力;其次,个体使用改进策略进行全维搜索产生进化体,通过自适应交叉概率因子,将进化体与原个体进行交叉构建候选个体,以平衡算法搜索能力。在经典基准测试函数的仿真试验表明,与一些最新的改进人工蜂群算法相比,所提算法具有较大优势;在清江梯级水库优化调度应用中的测试,也证明了所提算法具有更好的适用性。

利用遗传算法求解应急物资调度优化问题

目的求解大规模自然灾害下的多供应点对多需求点提供应急救援物资的多目标优化调度方案.方法以开始时间最早和出救点数目最少为优化目标,构建了多对多应急物资调度数学模型;设计了遗传算法对最优调度方案进行求解,算法采用符号编码,采用融合问题特点的特殊交叉算子和变异算子,以确保解的合法性;基于应急调度问题规模和算法求解过程,对算法进行了复杂度分析.结果以文献经典案例为实验数据的仿真实验结果验证了算法的有效性;随机生成数据的仿真实验结果显示,所设计遗传算法对随机生成的数据能够产生最优解,并且求得最优解的迭代次数平均为10.6次.结论算法可用于多对多应急物资调度问题的多目标优化,能够以较少迭代次数求解最优解.

采用多目标纵横交叉算法的电力系统动态环境经济调度

针对带非线性约束的电力系统动态环境经济调度问题,提出一种多目标纵横交叉算法。对动态调度中燃料费用和污染排放两个相互约束、冲突的目标同时进行优化。求解过程中,结合非约束支配策略,提出一种双交叉机制,增强粒子穿越非可行区域的能力,使得生成的帕累托最优解落在可行区域内。通过边缘探索,增强算法的全局搜索能力。同时,采用外部存档集合储存非劣解,并通过拥挤度对比,保持非劣解的多样性。最后,采用模糊决策理论获得最优折中解。对10机电力系统的仿真结果验证了所提方法的有效性与优越性。

水资源优化调度的改进量子遗传算法研究

针对于传统量子遗传算法在连续函数优化中出现的易陷于局部最优搜索、优化效率低等问题.本文通过深入研究量子遗传算法,将量子旋转门、量子全干扰交叉进行了改进,结合量子灾变操作,提出了一种改进的量子遗传算法,并运用于南水北调东线工程江苏段水资源优化调度研究.在50%、75%和95%三种保证率下,分别降低了系统缺水量的13.3%、13.9%、8.7%及总抽水量的13.6%、14.4%、11.1%,提高了水资源调度的合理性,取得了良好的效果.

水库优化调度遗传算法参数的灵敏性分析

选取选择算子、交叉算子、变异算子、初始种群数、交叉率、变异率和终止条件等7个主要因素,以搜索能力、时效性、收敛性、稳定性为算法性能评价指标,运用正交试验方法,进行遗传算法参数的多指标、多因素、多水平的模拟试验。采用极差分析方法,确定因素对遗传算法性能影响,得到结论,遗传算法参数对各性能评价指标影响比模式的影响大;初始种群数、优值不变终止代数和变异率是影响算法综合性能的主要敏感参数。实例表明,采用确定式采样选择、均匀交叉和均匀变异模式遗传算法的综合性能较优。

突发洪涝灾害下考虑公平性的多灾点应急资源调度

针对突发洪涝灾害情景下的具有多个供需点的应急资源调度问题,构建了以最大公平性和调度总成本最小为目标的多目标应急资源调度模型,同时设定目标时间和迟到惩罚系数以保障救灾及时性,并采用多目标遗传算法进行求解。算例模拟结果表明,相较粒子群优化算法和两阶段启发式算法求解结果,采用多目标遗传算法求解的资源满足程度方差系数分别降低了44.8%和18.4%,资源调度总成本分别降低了17.1%和7.3%。研究表明,采用多目标遗传算法能够降低每个需求点的资源满足程度方差,提升各需求点的资源调度分配公平性,同时可以减少资源调度的运输成本,有效解决突发洪涝灾害情景下的具有多个供需点的应急资源调度问题。

基于混合并行混沌优化算法的铸造生产线两阶段协同调度

高效的生产调度策略是铸造企业提高生产效率、降低生产成本的重要手段.目前,铸造生产优化调度的相关研究通常是针对熔炼浇铸加工与机加工两阶段分别进行的,制约了铸造生产线全流程优化调度的效果.针对铸造生产线生产过程当中熔炼浇铸加工与机加工协同调度问题,建立了以最小化总完工时间为目标的铸造生产线全流程优化调度模型.为了有效地解决该调度模型,提出一种混合并行混沌优化算法(HPCOA).HPCOA中设计了并行混沌搜索用于高效的全局搜索,并引入基于关键路径的变邻域搜索用于增强算法的局部搜索能力.通过在实际案例的对比试验,证明了HPCOA算法的有效性.