基于加速分层遗传算法-投影寻踪模型的三峡水质评价

针对基于遗传算法的投影寻踪模型的不足,提出了基于加速分层遗传算法的投影寻踪模型,提高了全局搜索能力和收敛速度。并将其应用于长江流域水体水质的评价中。利用长江三峡库区8个断面的水质指标监测数据,建立基于加速分层遗传算法的投影寻踪模型,对各断面水质展开评价。结果显示:该段流域内水体质量整体良好,水质等级主要分布在《地表水环境质量标准》(GB3838-2002)Ⅱ类、Ⅲ类、Ⅳ类等级中。该模型能够合理的评价水质等级,值得广泛推广应用。

基于加速遗传算法的电力系统继电保护定值优化方法

提出基于加速遗传算法的电力系统继电保护定值优化方法研究。对原始继电保护定值优化问题进行转化,将其抽象成一个多目标、多变量和多约束的优化求解过程,分别以选择性、速动性、灵敏性及可靠性为基础,构建了约束条件,并设计了电力系统继电保护定值优化的适应度函数。

基于代理遗传优化的智能驾驶系统加速测试方法

提出了一种基于代理遗传优化的智能驾驶系统加速测试方法。首先,通过场景要素层次分析权值与优解区域特征改进参数采样模块中的拉丁超立方采样区间,实现了采样效率与优化效果的协同提升;其次,利用参数采样结果和重复度筛选机制增加遗传寻优模块的种群多样性,克服了传统遗传算法的局部收敛难题;然后,利用基于循环更新机制的代理筛选模块对场景测试结果进行预测,平衡了加速算法与代理模型应用之间的效率与精度矛盾;最后,搭建仿真平台在高维时序分解的前车变速场景下对待测智能驾驶系统进行加速测试与验证。结果表明,本文提出的方法可有效搜寻大量关键场景并提升测试效率。

推求水稻非充分灌溉下优化灌溉制度的新方法——基于实码加速遗传算法的多维动态规划法

采用改进的加速遗传算法 (RAGA)与多维动态规划法 (DP)相结合 ,提出了遗传动态规划模型 (RA GA—DP) ,解决了多维动态规划法在求解作物非充分灌溉下的灌溉制度优化过程中的反复试算、易早熟及陷入局部最优而难于求得真正最优解的问题。本方法在三江平原井灌水稻非充分灌溉条件下的灌溉制度优化中得以应用 。

基于加速遗传算法的投影寻踪模型在水质评价中的应用研究

提出将改进的实码加速遗传算法 (RAGA)与投影寻踪评价模型 (PPE)相结合 ,同时优化多维参数 (投影方向 ) ,建立了多元数据分类与评价模型。对长春南湖水的营养状态做出了评价 ,取得满意效果 。

改进的实码加速遗传算法

对实码加速遗传算法(RAGA)8个步骤的局部参数进行修改,再对最后一次加速收缩后的区间用标准遗传算法(SGA)进行精细搜索。经过实例证明,改进后的算法计算机运行的次数减少,并且精度也得到提高。另外,对加速后的区间产生偏向最优点一侧的概率做了理论上的探讨,提出了把区间端点值重新赋给2个个体参加下一轮搜索。这样处理后避免舍去上次搜索的最优值,在一定程度上避免了某个变量的搜索区间在最优值一侧发生偏移。

用加速遗传算法和SP模型评估电能质量

综合量化评估电能的质量,是衡量电能质量优劣与电价制定的依据之一,有利于实现按质论价、优质优价的购电原则。为了综合评估电能质量,根据电能质量评估的实质,提出基于遗传算法的Shepard插值理论用于电能质量的评估,并构建了电能质量综合评估的Shepard模型(SP模型)。对于模型中的非线性优化问题,采用加速遗传算法来解决,取得了很好的效果。实例计算结果表明,SP用于电能质量综合评估,其评估结果更为客观、合理。

基于加速遗传算法的组合预测方法研究

应用加速遗传算法解决组合预测问题 ,可以克服传统遗传算法的缺点 :对搜索空间 (优化变量空间 )的大小变化适应能力差 ,计算量大 ,易出现早熟收敛 ,控制参数的设置技术无明确准则指导等 ,与已有结果相比 ,对预测误差信息矩阵无正定性要求 ,目标函数可以推广到规模庞大 。

自适应加速遗传算法及其在水位流量关系拟合中的应用

分析了传统水位流量关系曲线拟合过程中存在的精度不高等问题,在此基础上提出了自适应加速遗传算法,直接拟合水位流量关系。通过实例应用对该法与传统优化方法进行了比较。结果表明,该法具有直观、简便、快速,适用性强等特点,是一种优秀的全局优化方法。

格雷码混合加速遗传算法及其性能分析

通过在格雷码遗传算法进化过程中加入单纯形法学习算子 ,并利用格雷码遗传算法和单纯形法所得到的优秀个体群 ,作为变量新的变化范围 ,逐步缩小搜索空间 ,自动向最优解收缩 ,提出了求解非线性规划问题全局解的一种快速算法———格雷码混合加速遗传算法 (GHAGA) .为了在可行域内能得到全局最优解 ,在参数的定义域内投放了大量的均匀随机初始点作为初始群体 .给出了GHAGA算法实施的详细步骤 ,建立了GHAGA相应的收敛定理 ,并分析了该算法的全局优化性能 .理论分析和数值模拟表明 ,GHAGA具有精度高、收敛速度快的特点 ,是一种既可以较大概率搜索全局最优解 ,又能进行局部细致搜索的较好的非线性规划方法 .

直线感应加速器输运磁场遗传算法优化

以直线感应加速器(LIA)匹配磁场设计和束线调谐为背景,提出解决强流相对论电子束长距离、小波动、多元件磁约束的输运优化问题的数值优化办法,建立基于遗传算法的优化程序。结合束质心轨迹及束包络耦合模型,设计描述束传输半径波动大小的评价函数,采用励磁元件馈入电流为优化对象,解决LIA磁场配置"组合爆炸"优化问题。计算结果表明:优化程序可依据不同的初始束流,有针对性地快速给出一组符合束输运要求的励磁电流配置。研究成果为在建的LIA装置束线调谐提供一种重要的数值分析工具。

基于加速遗传算法的堆石坝施工优化

为实现水电站施工资源优化配置,提高水电站建设的经济效益,提出了堆石坝施工优化模型,模型中考虑了日上升高程约束和相邻区的高差约束,并用加速遗传算法实现了优化计算。对国内某一在建堆石坝的计算结果表明,该方法是可行的,对大坝建设期间的资源配置和强度计划制定有一定指导意义。

用加速遗传算法计算梯形明渠的临界水深

目前计算梯形断面明渠临界水深hk的常用方法有试算法、图解法、近似公式法和迭代法 ,它们存在计算精度不高、求解复杂等缺点。为此 ,把hk的计算问题等价于一非线性优化问题 ,指出了hk的变化范围 ,并用加速遗传算法 (AGA)来求解hk。实例的计算结果说明 ,与常用方法相比 ,AGA适用性强。

改进加速遗传算法在梯级水电站优化调度中的应用

在加速遗传算法中嵌入局部搜索法,以加强算法的全局寻优能力。将改进的加速遗传算法应用到梯级水电站中长期优化调度中,可避免动态规划在解决复杂优化问题时易产生"维数灾"的缺点。建立了以梯级发电量和发电保证率最大为目标函数的梯级水电站中长期优化调度模型,并结合模拟退火思想,构造了罚因子将两目标转化为单目标求解,阐述了用改进加速遗传算法解决问题的方法和步骤。实例表明,与其他几种调度算法比,该方法能够求得较准确合理的解,有一定的实用性。

基于遗传算法的加速度控制PID参数自整定研究

详细介绍了加速度试验系统加速度PID参数自整定方法。首先利用过程辨识将控制系统数学模型近似为二阶振荡环节形式,得到传递函数表达式,然后利用遗传算法进行PID参数整定,使整定精确度和效率得到很大提高。

自适应小生态遗传算法的理论分析和加速技术

提出了联赛选择和相似个体概率替换的自适应小生态遗传算法 ,建立了小生态生长的动力学模型 .平衡态理论分析和仿真实验表明 ,概率联赛小生态技术选择能够形成和维持稳定的子种群 .提出了种群聚类分割和单纯形搜索的并行局部搜索算子 ,定性地分析了其搜索性能 .对复杂多峰问题的优化结果表明 ,结合概率联赛选择和并行局部搜索算子的小生态遗传算法不但能够快速可靠地收敛到全局最优解 ,且能并行地搜索到多个局部最优解 。

蚁群加速遗传算法在水环境优化问题中的应用

提出了水环境优化问题的一种新方法——蚁群加速遗传算法,给出了实施该算法的详细步骤。并对新方法的收敛性和全局优化性进行了理论和实例分析,在污水处理模型的参数识别问题中,新方法得到了精度较高的全局最优解。新方法具有精度高、速度快和鲁棒性强等特点,是一种既可以较大概率搜索全局最优解,又能进行局部细致搜索的较好的非线性优化方法,可广泛应用于各种水环境优化问题中。

加速遗传算法在马斯京根洪水演算模型参数估计中的应用

为提高马斯京根洪水演算模型参数估计的准确性、稳定性和工作效率,根据马斯京根洪水演算模型的基本假定把模型参数估计问题转换为相应的优化问题,并提出用加速遗传算法(AGA)同时优化模型参数。实例计算的结果说明了用AGA进行参数估计的有效性和较高的演算精度,实现了参数估计的优化和简化,在洪水灾害管理中具有推广应用价值。

基于加速并行遗传算法的模糊综合评价模型

为加快遗传算法的收敛速度,提高遗传算法的搜索效率和解的精度,提出一种改进的遗传算法———加速并行遗传算法。为合理确定模糊综合评价中各评价指标的权重,提出用加速并行遗传算法检验、修正判断矩阵一致性和计算判断矩阵各要素权重的模糊综合评价模型。实例表明,加速并行遗传算法的模糊综合评价模型直观、实用,计算结果稳定、精度高。

实码加速遗传算法在天然河道水面线计算中的应用

传统的计算天然河道水面线的方法是试算法,迭代法和图解法等,这些方法的缺点是计算量大、精度不高,无法控制全河段误差,将其看作是全河段总计算误差,即一复杂非线性优化最小问题,运用实数编码的加速遗传算法求解天然河道水面线。并与传统的方法相比较,证明该方法具有计算收敛速度快、结果可靠、精度高等优点。