基于改进二进制蛇优化算法的配电网故障定位

分布式电源(distributed generation,DG)大规模接入给配电系统带来更多不确定性、随机性,系统运行方式更复杂,传统故障定位方法难以适应新型电力系统构建。提出了一种基于改进二进制蛇优化算法(improved binary snake optimization,IBSO)的新型故障区段定位方法。利用SPM混沌映射生成高质量的随机数序列,以提高算法种群中个体的随机性,并引入了遗传算法的动态变异策略,根据不同的搜索状态和进化阶段来调整变异率和变异方式,提高算法的灵活性和准确性。通过仿真证明,该方法适用于在含有分布式电源的配电网中定位单一和多重故障区段,相比蛇优化算法、传统二进制粒子群算法以及遗传算法在收敛性、快速性和准确性方面更优。

基于改进遗传算法的物流路径优化方法

为了解决传统遗传算法在求解物流配送路径问题时存在的过早收敛问题,并获得到较高质量的解,提出一种改进的遗传算法对物流配送路径进行优化。采用的改进方法是:在动态交叉策略和动态变异策略操作中用路径较优的解取代路径较差的解,保持种群的多样性及避免在求解过程中过早收敛,提高解的稳定性;然后利用爬山算法对求得的路径较优解做进一步的优化改进。利用A物流公司的客户订单数据模拟仿真实验,结果证实改进后的遗传算法比传统遗传算法在里程方面节约10%。

基于小生境技术的改进基因表达式编程算法的研究

提出一种改进的基因表达式编程方法,针对传统基因表达式编程容易出现过早收敛或者陷入局部收敛,进化后期种群多样性软弱及遗传操作随机性大等问题,加入小生境技术对算法进行改进。实验表明,改进的GEP算法能够克服传统GEP算法的不足。