分销供应链协商调度多目标合作协同演化算法

研究了在制造商占优并优先调度的分销供应链中,多个分销商同时与制造商进行协商以改善自身调度的问题,建立了基于补偿的多目标协商调度模型,提出了同时实施分销商局部演化计算与制造商全局演化计算的新型多目标合作协同演化算法GLCCEC.提出了制造商全局精英解的跳跃渐变解组合策略及全局非支配解集实时更新策略,设计了保持局部作业顺序约束下的分销商局部解全局化动态规划算法.实验结果表明,GLCCEC算法能够在不损害制造商调度的条件下有效改善每个分销商的调度,所获得的非支配解集不仅目标值优于现有的3种主要合作协同演化算法MOCCGA,NSCCGA,GBCCGA,而且具有良好的解分散度.

面向离散优化问题的量子协同演化算法

针对现有优化算法在求解具有时效要求的离散问题时容易出现过早或难以收敛问题,提出了面向离散优化问题的量子协同演化算法,旨在有限的求解时间内获得精度较高的求解方案。在算法的初始化阶段,通过种群初始化策略构建分布均匀的初始种群。在算法的执行阶段,将粒子群和单点优化算法改进为具有不同搜索能力的协同演化策略,利用量子旋转门根据种群个体的进化情况自适应地选择合适的演化策略。在每次迭代后利用精英保持策略避免种群退化。通过标准离散问题和背包问题对算法进行测试。实验结果表明已提出的算法在较短的迭代时间内能够稳定地收敛到精度较高的求解方案,即已提出的算法可用于求解具有时效要求的离散优化问题。

一种支持深基坑支护工程优化设计的协同演化算法

提出了一种支持深基坑支护工程优化设计的协同演化算法，并介绍了实现遗传优 化的相关技术。通过对"锚杆+排桩"支护体系应用系统的实验数据分析，说明该算法的实效 性和适用性。

基于改进协同演化算法的综合能源系统经济性与可靠性优化规划

随着多能流耦合程度的加深以及能源利用需求的多样化,综合能源系统(IES)对规划方案的经济性与 可靠性提出了更高的要求。然而,经济性与可靠性之间存在相互制约的复杂关系,导致二者难以实现协调优 化。为此,提出了一种基于改进协同演化算法的 IES经济性与可靠性优化规划方法。在多场景经济性评估 模型和基于马尔科夫链蒙特卡洛法的供能可靠性评估模型的基础上构建 IES多目标优化规划模型;基于正 交试验法计算决策变量对系统经济性与可靠性的影响因子,并建立经济性和可靠性演化子种群,进而提出一 种基于改进协同演化算法的模型优化方法;结合某地区的实际数据开展算例仿真分析,仿真结果表明所提模 型可以协调提升 IES规划方案的经济性与可靠性。

合作型协同演化算法研究进展

合作型协同演化算法是近年来计算智能研究的热点。它运用生物协同演化的思想,通过构建两个或者多个种群,建立它们之间的合作关系。两个或多个种群通过相互合作来提高各自的性能,适应复杂系统的动态演化环境以及大规模演化环境,从而达到种群优化的目的。主要介绍了合作型协同演化算法的研究状况以及国内外研究进展,详细介绍了它的基本结构及对应的研究、基本算法及一些新兴算法,同时介绍了一些在现实生活中的应用,展望了合作型协同演化算法的发展前景。

基于协同演化算法的HLS延时优化

HLS的应用让高级程序语言描述的算法能够快速实现于硬件电路,从而极大提高集成电路的设计效率.但是HLS提供的丰富配置让程序的可用优化配置数会随着程序的规模呈指数级增加.基于此,提出一种基于协同演化计算的HLS延时优化方法,该方法以Top-Function和具体外围应用需求为输入,通过程序分析得到基本可配置元素;以随机生成配置为初始种群,采用协同演化方法,生成基于延时最小的配置.实验部分详细分析了基于179ART的实验,提出的优化方法令其延时减少达50%以上.最后,又通过3组实验展示了该方法的有效性.

一种基于协同演化的自适应约束多目标进化算法

约束多目标优化(CMOP)问题的求解旨在将有限的搜索资源合理地配置到约束条件的满足与目标函数的优化2个方面,但问题约束的日趋复杂给求解算法带来了巨大挑战。提出一种基于协同演化的自适应约束多目标进化算法,该算法同时进化2个功能互补的种群(主种群和存档种群),使算法在求解复杂约束问题时能够实现约束处理与目标优化之间的良好平衡。首先,主种群进行双重繁殖,首次繁殖过程通过动态适应度分配函数自适应地利用不可行解所携带的有价值信息,使种群在进化前期强调对目标函数的优化,后期强调可行性,二次繁殖则与存档种群进行合作,以提高种群收敛性并维护多样性。然后,提出一种基于角度的选择方案更新存档种群,在保证种群良好多样性的同时保持种群向Pareto前沿的搜索压力。最后,与5种先进的约束多目标进化算法在33个基准问题上进行对比实验,结果表明,所提出的算法在解决各类CMOP问题时与对比算法相比更具优势,其效率平均提高了约67%。

敏捷车间单元动态调度的协同演化遗传算法

针对敏捷车间的单元动态调度方案进行了设计与开发,构建基于多代理系统的敏捷车间单元动态调度框架。提出自上至下以及自下至上相结合的单元动态调度思想,建立融入模糊理论的单元动态调度综合满意度函数,运用演化博弈论,给出Agent的资源优选演化稳定策略解释。通过本协同演化遗传算法,求得面向多项工作任务的车间资源重组全局优化解,结合聚类分析法作出了敏捷车间单元动态调度的最满意决策。调度实例验证了算法的有效性及可行性。

基于协同演化博弈算法的微网和配电网动态优化

微网和配电网在互动运行时是相互影响、相互制约的。为了使整个系统获得最好的效益,需要整合考虑微网和配电网的效益。微网和配电网作为两个需要同时优化的主体,具有一定的效益冲突。研究微网和配电网互动运行时相互影响情况,分别分析其运行效益,将效益目标作为虚拟博弈参与者建立了模型,并采用模糊数学方法将其隶属化。结合演化博弈理论和协同进化算法,提出了一种协同演化博弈算法(Co-evolutionary Game Algorithm,CGA)对模型进行求解。在此基础上,考虑分布式能源随机性影响建立了基于不满意度的动态优化子模型,对协同演化博弈算法进行动态调整。对某一欧洲典型微网接入IEEE 33配电网结构的系统进行仿真,并且与传统的多目标优化方法进行对比。结果表明,最终优化稳定策略可以使微网和配电网整体达到最佳运行状态,证明了所提模型和算法的有效性和优越性。

考虑多源-荷-储协同优化的能源局域网系统能量管理研究

提出了一种兼顾源、荷、储及网内、网外全时段协同优化的建模与优化方法。考虑能源局域网网内、网外各可调度资源的实际运况及彼此之间的交互关系,根据可再生能源利用最大化和系统运行费用最小化原则构建了适用于分时电价和实时电价的网内/网外一体化能量管理与优化模型:在网内,引入需求响应机制和储能单元进行经济调度,以提高能源局域网网内各可调度资源间的自协调、自平衡能力;在网外,考虑网内自协调后仍存在供需失衡情况,对网外各可调度资源设置差异性交易电价和不同的使用权限并据此进行电量交易。最后,提出了3种不同的优化方案,并综合采用拉格朗日乘子法和协同演化算法对不同算例进行求解、分析,验证了本文所提方法的信度和效度。

基于改进郭涛算法的CCEA函数优化问题

郭涛算法在求解函数优化问题方面具有独特的优势,其核心在于多父体杂交。鉴于郭涛算法只有杂交操作而没有变异操作,该文引入高斯正态分布变异算子,提高了对复杂问题的求解效率。分析合作式协同演化算法(CCEA),采用多种群相互作用协同进化的策略求解复杂问题。同时在合作式协同演化模型中引入了郭涛算法,求解复杂高维的函数优化问题。实验结果表明,该模型的效率优于其他模型。

基于CCEA和改进郭涛算法的函数优化问题求解

在合作式协同演化(CCEA)的基础上,引入了使用高斯变异算子的郭涛算法,设计了一种求解函数优化问题的高效混合演化算法。通过求解复杂高维的函数优化问题的多个实例,并将该算法和CCEA与基本郭涛算法结合的方法——CCGT进行了对比。实验结果表明,新算法是高效的,其结果优于现存文献中的其它模型,但不及CCGT优秀。证明在该算法中引入的高斯变异算子的作用不大。

含微电网的主动配电网协调优化调度方法

研究微电网和主动配电网(ADN)互动运行模式,将微电网和ADN视为不同利益主体,提出一种含微电网的ADN协调优化调度方法。通过分析微电网和ADN的利益需求,将削峰填谷成本、微电网备用配置成本和用户停电损失期望体现于目标函数中,分别建立效益模型。同时,考虑ADN和微电网不同利益需求之间的博弈关系,提出了一种协同演化博弈算法(CGA),将ADN和微电网作为博弈参与者,分别对其效益函数进行模糊化处理并求解。在此基础上,考虑分布式电源随机性影响建立了基于不满意度的动态优化子模型,对CGA进行动态调整。算例分析了ADN和微电网参数对优化结果的影响,并与一般多目标优化算法进行对比,证明了所提方法的有效性和优越性。

多代理敏捷制造车间动态模糊重构技术实证

为了满足现代制造业的敏捷性要求,面向敏捷车间的动态重构方案设计开发,构建基于多代理系统的敏捷制造车间动态重构框架,开发有效的动态模糊重构技术.基于文献述评,提出自上至下以及自下至上相结合的动态重构思想,分析动态重构的内涵及特征,建立融入模糊理论的车间动态重构综合满意度函数.接着,利用协同演化遗传算法求得面向多项工作任务的车间资源重组全局优化解,结合聚类分析法作出敏捷车间动态重构的最满意决策.最后提供陕西装备制造业的重构实例,验证了上述重构方法的有效性及可行性.

电力市场环境下多年调节水库年末消落水位研究

针对梯级水库中多年调节水库年末消落水位优选问题,结合电力市场环境下梯级水库中长期发电优化调度的特点,本文建立了电力市场环境下多年调节水库年末消落水位优选模型,并应用协同差分演化算法对模型进行了求解。通过乌江梯级水库实例验证,计算结果表明本文所提出的模型与求解方法具有可靠性与合理性,为电力市场环境下梯级水库发电优化调度提供了理论计算依据,具有应用推广价值。

最坏情况下的鲁棒优化问题研究

由于实际中存在噪声等不确定干扰,解的实际性能会受到很大影响,此时解的鲁棒性决定了解的实用性,鲁棒优化问题日渐成为国内外学者研究的一个热点。鲁棒优化问题与传统的最优化问题有着明显的区别,其考虑了实际应用环境往往不稳定且容易受到噪声等不确定因素的干扰。主要研究的是在不确定因素干扰下,采用协同演化算法寻找最坏情况下的鲁棒最优解。通过测试函数的实验验证了该方法思想的有效性。

AM模式下车间多智能体协调研究

为满足现代制造业的敏捷性要求,面向敏捷车间的单元动态协调方案设计开发,构建敏捷车间多智能体动态协调框架.基于文献述评,提出自上至下以及自下至上相结合的智能体动态协调思想,分析智能体动态协调的内涵及特征,建立融入模糊理论的智能体动态协调综合满意度函数.考虑敏捷车间中Agent的有限理性以及决策支持信息的不完全不完美性,运用演化博弈论,给出Agent的资源优选演化稳定策略解释.接着,利用协同演化遗传算法求得面向多项工作任务的车间资源重组全局优化解,结合聚类分析法作出敏捷车间智能体动态协调的最满意决策.最后提供陕西装备制造业实例,验证了上述协调算法的有效性及可行性.