基于禁忌克隆遗传算法的配电网故障恢复重构

将克隆遗传算法(clonal genetic algorithm,CGA)和禁忌搜索算法(tabu search,TS)相结合,提出用于配电网故障恢复重构的禁忌克隆遗传算法(tabu search clonal genetic algorithm,TSCGA)。针对配电网的结构特征和克隆遗传算子的特点采用基于环网的编码策略,避免遗传操作后产生表示环网或孤岛的无效解;在CGA中克隆遗传算子的基础上增加了修正算子,减小了搜索范围,提高了搜索效率;并把禁忌搜索算法中的禁忌表、禁忌表处理和藐视准则融入到克隆遗传算法中,显著提高了收敛速度。最后用IEEE33节点标准算例对TSCGA进行了仿真分析,并与其他智能算法进行了比较,结果表明TSCGA具有更快的收敛速度和更好的稳定性。

修正克隆遗传算法在分布式电源规划中的应用

在分析微电网中分布式电源特性的基础之上,构建了相关的目标函数与数学模型,提出一种针对微电网系统的修正克隆遗传算法。该算法在传统克隆遗传算法基础之上,加入修正表和局部搜索操作,提高了搜索效率,从而能更快速地获得微电网中分布式电源的最优化配置。最后在IEEE39节点算例上,应用此算法在计算机上进行仿真,结果表明了该算法的可行性和有效性。

克隆遗传算法与模拟退火算法相结合的配电网络重构

配电网重构可以提高配电网运行的安全性、经济性和供电质量,对于当前国内配电自动化系统建设和应用具有重要意义。将克隆遗传算法(CGA)与退火算法(SA)结合起来,把退火算法中的Metropolis抽样准则融入到克隆遗传算法中,形成克隆遗传退火算法(CGSA)。以网损最小为目标函数,以配电网电压降的限制、线路电流量的限制等为约束条件,在考虑配电网自身特点的基础上,以IEEE33节点为算例,利用克隆遗传退火算法求解。结果证明该优化算法具有较好的全局收敛性和收敛速度。

量子克隆遗传算法

遗传算法是解决优化问题的一种有效方法,但在实际应用中也存在着收敛速度慢、早熟等问题,使得其结果极不稳定。本文将遗传算法和量子理论相结合并利用免疫系统中所特有的克隆算子,针对0/1背包问题,提出了一种改进的进化算法——量子克隆遗传算法(QCA)。它能有效地避免早熟,且具有收敛速度快的特点。

网格计算中基于并行克隆遗传算法的任务分配与调度

实现网格计算的一个重要目的在于实现地理分布、异构资源的统一描述方法,提供用户虚拟的统一资源界面,并将用户提出的服务要求透明、动态地分配给最适应的资源上执行。针对目前任务调度的应用现状,提出了一种既能使资源负载均衡又能充分利用系统资源的并行克隆遗传算法,该启发式算法能显著地降低资源最优分配中的计算复杂度,使其能满足实时调度的需要。实验结果表明这种算法优于其他调度算法。

修正克隆遗传算法在配电网络重构中的应用

运用克隆遗传算法重构配电网络.在分析传统遗传算法应用于电力系统的不足之处的基础上,提出了一种针对电力系统的遗传算法,即提出一种配电网络的简化、染色体编码策略和修正克隆遗传算法.该方法的使用能减少配电网络重构中不可行解,提高有效候选解的比例,从而使GA算法的收敛速度大为提高.算例结果表明作者提出的方法具有较高的计算效率.图2,表3,参11.

量子克隆遗传算法的多用户检测技术研究

针对现有的量子克隆遗传算法存在算法效率低、收敛速度较慢、易于陷入局部值等缺陷。文章通过引入量子交叉,加快算法收敛速度,使用自适应量子旋转门更新策略,加快最优解的搜索;采用量子灾变策略,避免早熟和进化停滞。由此给出了一种改进的量子克隆遗传算法(NQCGA)。仿真结果表明:所提算法的多用户检测器的误码率、收敛速度、抗多址干扰能力和抗远近效应能力均优于基于量子克隆遗传算法和一些经典遗传算法的多用户检测器。

克隆遗传算法在工业炉温控制中的应用

本文针对工业炉温信号的非线性、时变性、时滞性等特点,提出了基于克隆遗传算法(CGA)的模糊神经网络(FNN)训练算法,在提炼模糊控制规则的同时训练神经网络的权值,加快了搜索,使系统保证了炉温控制的实时性,满足工业需要。MATLAB仿真表明,该控制系统具有较高的控制精度和良好的动态特性。

基于免疫克隆遗传算法的配电网络重构

配电网重构可以提高配电网运行的安全性、经济性和供电质量,对于当前国内配电自动化系统建设和应用具有重要意义。将克隆遗传算法(CGA)与免疫算法(IA)结合起来,形成免疫克隆遗传算法(ICGA)。以网损最小为目标函数,以配电网电压降的限制、线路电流量的限制等为约束条件,在考虑配电网自身特点的基础上,以69节点配电系统为算例,利用免疫克隆遗传算法求解。结果证明该优化算法具有较好的全局收敛性和收敛速度。

修正克隆遗传算法及其在电网重构调度中的应用

本文在分析克隆遗传算法的几种主要遗传算子及其性质的基础上,提出了一种针对电力系统的遗传算法,即提出一种配电网络的简化、染色体编码策略和修正克隆遗传算法.该方法的使用能减少配电网络重构中不可行解,提高有效候选解的比例,从而使GA算法的收敛速度大为提高.算例结果表明本文提出的方法具有较高的计算效率.

基于粒子克隆遗传算法的配电网优化重构

配电网重构是配电网系统自动化和优化的重要方面,针对基于遗传算法(GA)的配电网重构中大量使用二进制码导致的不可行解问题,文中提出了一种以环路为基因、环路中各开关状态为基因值的序列编码方法。为了减缓克隆遗传算法(CGA)后期的收敛速度问题,文中还提出了一种新的粒子克隆遗传算法(PCGA),并且建立了粒子群算法(PSO)变异算子,PCGA避免了PSO的早熟收敛和CGA的盲目性问题,仅根据粒子历史记录和种群记录确保了进化方向和范围,可以用较少的代数和更短的搜索时间获得全局最优解。最后运用IEEE-33和IEEE-69实例进行模拟,结果表明,所提出的PCGA与CGA和克隆遗传模拟退火算法(CGSA)相比,PCGA能明显缩短计算时间并且提高搜索效率。

克隆选择遗传算法在冲击矿压预测中的应用

针对传统预测冲击矿压方法存在网络训练时间较长、容易陷入局部极小值、容易早熟等问题,提出了采用克隆选择遗传算法预测冲击矿压的方法,详细介绍了克隆选择遗传算法优化BP神经网络权值和阈值的基本步骤,并利用Matlab7.1在PC机上建立网络模型进行仿真实验,仿真结果表明,该方法有效提高了冲击矿压预测的准确性。

基于克隆选择的混合遗传算法在碳纳米管结构优化中的研究

针对分子动力学模拟中碳纳米管的结构优化问题,提出了一种新的优化算法.新的优化算法在遗传算法的基础上,引入了克隆选择机理和模拟退火技术.对五个典型函数的优化测试结果表明,该算法搜索过程稳定性好,可较好地实现全局最优.将其应用于碳纳米管原子结构优化,加快了能量优化速度,提高了优化质量.模拟结果说明,混合遗传算法的优化时间随原子数增加而呈线性增长.在碳纳米管原子数较多时,结构优化时间比共轭梯度法降低一个数量级左右,大大降低了系统的模拟时间.

空天高速飞行器多传感器协同跟踪任务规划研究

针对空天高速飞行器连续稳定跟踪难题,构建了基于多智能体(multi-agent system,MAS)的多传感器协同跟踪任务规划框架,建立了面向空天高速目标协同跟踪的多传感器协同调度优化模型,并提出了基于自适应克隆遗传算法(self-adaptive clonal genetic algorithm,SCGA)的协同跟踪任务规划算法。仿真实验验证了所建立的模型、算法的合理性和优越性,对未来空天高速飞行器探测预警系统的构建具有一定的技术支撑作用。

基于改进CGA的配电网重构

针对遗传算法易早熟收敛和易产生大量不可行解的问题,提出了一种基于改进的克隆遗传算法(CGA)的配电网重构方法.该方法对克隆遗传算法进行了3点改进:通过简化网络结构,缩短了算法中染色体的长度;采用基于环路的编码方式,避免了产生大量不可行解;改进克隆遗传算法的选择算子、基因移位和突变操作,克服了早熟收敛的问题,提高了算法的收敛速度.本文以网损最小为优化目标对算例进行了重构,同时与基于遗传算法及粒子群算法的配电网重构进行了比较,算例结果表明:改进的CGA具有较高的寻优性能,应用于配电网中可以起到减小网损的作用.