多种群分层联合优化的城轨列车ATO研究

针对城轨列车控制系统运行模式曲线的设计需求,在满足安全、精确停车及各种约束条件下,以运行时间和能耗为目标,建立列车运行的多目标优化模型。将粒子群优化PSO算法与布谷鸟搜索CS相结合,即多种群分层PSO-CS联合优化算法。在底层,该方法将整个种群分成若干个小种群,小种群使用PSO算法寻优,再将寻优得到的精英粒子送往高层使用CS算法深度优化,高层优化后的粒子再返回到底层各自的小种群中去。将该方法与多目标粒子群MOPSO分别用于列车运行过程的优化,仿真实验表明,所提出算法得到的Pareto前沿解的收敛性和多样性更好。将该算法用于城轨列车运行曲线的优化设计中,不仅能够获得更优的列车运行控制策略,还能为设计者提供更多选择方案。

分层多种群的自适应粒子群算法

为了改善粒子群算法的性能,提出一种分层多种群的自适应粒子群算法.为了提高全局搜索和局部搜索的能力,选用了自适应更新的惯性权重和学习因子.为了防止种群多样性的丧失且加快算法的收敛速度,采用了一种分层多种群协同进化策略.最后,将新算法与其他4个算法在23个测试函数上进行了测试,结果表明,新算法能够动态地平衡算法的全局搜索和局部搜索能力,保持种群的多样性,收敛精度高.

基于种群年龄分层模型的线性遗传编程算法

针对常规线性遗传编程算法易发生早熟收敛与膨胀的不足,提出了一种改进的线性遗传编程算法——种群年龄分层模型的线性遗传编程算法。算法采用种群年龄分层模型对种群进行分层提高种群的整体多样性,并进一步采用双层锦标赛提高各分层子种群局部的多样性,以种群多样性的提高减少算法早熟收敛的发生频率;算法采用种群分层的方法限制长度较长个体的数量,从而减轻种群的膨胀程度。在5个符号回归基准函数进行测试的结果表明,所提方法能够有效减少早熟收敛的发生频率,同时有效控制种群的膨胀程度。

基于多种群分层粒子群优化算法的电力系统低压减载优化方法研究

低压减载是维护电力系统电压稳定的一道重要防线。最优减载问题是离散变量(地点和轮次)和连续变量(各轮的控制量)的混合优化问题。提出了一种利用多种群分层粒子群优化算法(HSPPSO)求解最优减载问题的新思路,采用受动态电压约束的系统最优潮流所建立的优化模型,以所切负荷总量最小为目标函数。最后以IEEE-39节点作为算例,结果与标准粒子群算法(PSO)和遗传算法(GA)对比,得出在同样的稳定裕度和迭代次数要求下,HSPP-SO算法总能够得到最小的减载量,表现出了在求解UVLS问题时的良好适应性。

基于双螺旋染色体和分层结构的遗传算法

为满足制造业相关项目中寻找最优化解的需求,提出了一种基于双螺旋染色体和分层种群结构的遗传算法模型。在此模型中,解染色体数据结构采用的是类似DNA的双螺旋对称结构,一个解染色体中包含2份完全相同的解信息,但在遗传运算中各自承担不同的角色;种群采用优、中、差3类解按一定比例组成的分层结构,使得新生的解种群能够涵盖更广的求解范围;遗传运算参数中的交叉和变异概率随种群结构特征动态变化。基于此模型的遗传算法,能够保护优秀解,避免算法早熟,同时还具有收敛速度快、稳定性强的特点。

基于动态负荷特性指标化的集中式低压减载方案

针对考虑负荷模型的最优减载问题,在戴维南等值电路的基础上指出传统依据静态负荷指标考虑低压减载问题可能导致分析不准确的原因。推导了基于本地量测信息的动态电压稳定裕度指标,该指标考虑节点负荷特性,能够通过本地量测量信息实时得出,不用进行复杂的节点戴维南等值,在电压变化的关键区域能够近似线性地反映出该点的负荷裕度,从而降低优化问题的维数。依据该指标建立了集中式最优减载的数学模型,将多种群分层粒子群算法与该模型结合推导出求解流程。IEEE39节点系统上的仿真结果表明所提方法在解决考虑动态负荷模型的低压减载问题上表现出了良好的适应性。