基于单纯形算子的混合遗传算法

通过遗传算法 (GA)与传统单纯形搜索法相结合 ,并基于对遗传算法算子计算结构的调整 ,提出一种针对非线性规划问题的新算法——基于单纯形算子的混合遗传算法 (HGA) ,仿真结果验证了这种新算法的有效性和合理性 .

单纯形投影算子理论及在资料分析中的应用 Ⅰ.在方程模型资料预测中的应用

本文根据混沌系统奇怪吸引子在相空间中的伸缩和折叠的几何特征，建立了单纯形投影算子（simplexprojectionoperator）预测方法．该方法主要侧重考虑了被预测点的局部非线性特征及Lyapunov特征指数，避免了传统预测函数和方程的模拟问题，减少了模拟参量．对Lorenz方程和Logistic映射资料进行预测分析的结果表明，此方法简单易行，缩短了计算时间，在预测时问尺度及精度上具有较强的预测能力．

单纯形投影算子理论及在资料分析中的应用Ⅱ.在表层水温和青岛气温预测中的应用

应用相空间理论对赤道单站日表层水温及青岛月平均气温的９点滑动平均资料进行了分析，结果表明：青岛月平均气温的９点滑动平均的相关维数和嵌入维数分别为５．８３、８，当反厄尔尼诺发生时赤道日ＳＳＴ的相关维和嵌入维数分别为３．９３、１１，当厄尔尼诺发生时其相关维数和嵌入维数分别为４．３７、９．揭示了无论是厄尔尼诺还是反厄尔尼诺发生赤道日ＳＳＴ都具有混沌特征，并且厄尔尼诺发生其内部结构复杂化使得支撑奇怪吸引子的雏数增加，而嵌入维数减少．这种现象是由于表层水温所隐含非线性作用显著增强所导致．根据以上分析结果应用单纯形投影算子（ｓｉｍｐｌｅｘ ｐｒｏｊｅｃｔｉｏｎ ｏｐｅｒａｔｏｒ）预测方法对赤道单站日ＳＳＴ和青岛月平均气温的９点滑动平均资料进行了预测，其前８点最大相对误差分别为０．４２％，７．４％．

基于单纯形法的改进型人工鱼群算法

针对鱼群算法在局域搜索能力差的问题,提出一种基于单纯形法的改进型人工鱼群算法。利用单纯形算子在局部区域内分布更均匀且广泛的特征,在鱼群算法运行到后期时,将单纯形算子每隔一定代数引入到现有的鱼群算法中取代原来大量聚集在非极值点附近的人工鱼,有效改善个体质量,提高局部搜索精细度,进而提高算法的寻优精度。采用典型算例对算法性能进行了验证分析,研究结果表明,该算法在解决鱼群算法后期优化精度低问题时可以获得更好的效果。

单纯形搜索在遗传算法中的融合研究

构造了单纯形混合遗传算法SM-HGA+。分析单纯形搜索算法,提出了单纯形交叉算子和K步随机单纯形搜索算子,并将单纯形搜索算法和这两个算子分别融入到最优微群体μPB(t)、最差微群体μPW(t)和普通群体PC(t),形成SM-HGA+。最优微群体中的单纯搜索算法提高算法的精度;最差微群体中的单纯形交叉算子加速最差个体向优秀个体进化;普通群体中K步随机单纯性搜索提高全局搜索速度,同时在普通群体采用大交叉概率的标准遗传算法,提高全局搜索能力。遗传算法测试函数验证算法SM-HGA+的正确性、效率。

基于单纯形的小生境混合遗传算法

总结单纯形搜索算法的核心思想.然后提出单纯形交叉方向算子和最优小生境、次差小生境与最差小生境3个概念.在最优小生境中采用单纯形搜索算法得到局部极值,在最优小生境与次差小生境之间用单纯形交叉方向算子产生优秀个体,而在最差小生境中采用受限单纯形搜索产生优秀个体,从而构成基于单纯形的小生境混合遗传算法SimplexNich-HGA.最后用Sim-plexNiche-HGA、单纯形混合遗传算法Simplex-HGA+以及基本遗传算法SGA求函数Rosenbrock的极值,并进一步用Sim-plexNiche-HGA和Simplex-HGA+求多峰值函数Shubert的极值,验证算法的正确性和求多峰值函数的极值的效率.

遗传算法在电力系统经济负荷分配中的应用

针对考虑阀点效应的电力系统经济负荷分配问题的特点,将遗传算法与传统基于梯度的数学优化方法相结合,提出一种求解电力系统经济负荷分配问题的混合遗传算法。通过极大熵理论将经济负荷分配问题近似为可导问题,并将SQP法引入遗传算法提出SQP算子,以提高遗传算法的寻优速度与局部搜索能力。基于优化设计理论应用均匀设计确定初始种群。同时,利用单纯形交叉算子的多点交叉特性使种群逐步趋近全局最优点。实例研究结果验证了方法的有效性。

基于改进遗传算法的电力系统经济负荷分配

针对电力系统经济负荷分配问题,分析了遗传算法与传统数学优化方法的不同优势与特性,提出一种求解电力系统经济负荷分配问题的改进遗传算法.利用极大熵理论将经济负荷分配问题转化为可微问题,将BFGS法引入遗传算法,提出了BFGS算子,以提高遗传算法的寻优速度与局部搜索能力.同时,应用单纯形交叉算子将种群逐步向最优点进行引导,实现算法的快速寻优.实例研究结果验证了所提出方法的有效性.

改进差分进化算法及其在发酵优化中的应用

针对发酵过程的补料优化问题,提出一种改进的差分进化算法.为了克服基本差分进化算法在全局最优点附近搜索速度较慢、精度较低的缺点,引入单纯形加速算子以提高算法收敛速度,而针对算法易过早收敛的缺点引入混沌迁移算子,以提高算法种群多样度,增强算法跳出局部最优解的能力.对于有约束优化问题,利用3个准则进行选择操作,使求得的最优解满足约束条件.将改进的算法用于某一类补料分批发酵过程,提高了发酵最终产物产量,表明了该算法的有效性.

离散非线性规划问题的改进遗传算法

针对实际离散非线性规划问题,分析了离散与连续变量优化问题和求解方法的不同及特性.根据离散变量与遗传算法的特点,将单纯形搜索与算术交叉思想相结合,提出离散单纯形交叉算子以提高遗传算法的局部寻优能力,将种群逐步向离散极值点进行引导,实现算法的快速离散寻优.同时,设计了离散变异算子,使遗传算子真正在离散空间中进行搜索.基于梯度下降思想提出离散修复算子,提高算法对非线性约束的处理能力.实际离散非线性规划问题的应用研究验证了方法的有效性.

求解混合整数双层规划问题的遗传算法

讨论了两类非线性混合整数双层规划问题。第一类问题的下层为不含整数变量的凸规划;第二类问题的下层包含整数变量,但下层函数关于下层整数变量是多项式,而关于下层连续型变量是线性的。针对这类问题提出了一个新的遗传算法。该算法利用单纯形调优法的思想设计了一个新的杂交算子,使杂交个体与种群中好的个体组杂交,以产生好的杂交后代。数据仿真表明新设计的单纯形杂交算子比传统杂交算子更有效。

基于混合量子粒子群算法的梯级水电站群调度

针对标准量子粒子群(QPSO)算法在求解复杂梯级水电站群联合调度问题时存在的早熟收敛、停滞寻优等不足,提出了一种耦合两重改进策略优势的混合量子粒子群(HQPSO)算法:首先对个体极值按照一定的概率进行变异搜索操作,以增加个体多样性、强化种群全局开采能力;而后建立外部档案集合来存储进化过程中的部分精英个体,利用基于动态概率辨识机制的单纯形算子指导外部档案集中的个体开展邻域寻优,以提高算法搜索能力、避免陷入局部最优。乌江流域实践结果表明:HQPSO算法的收敛速度与全局搜索能力得到增强,有效克服了QPSO的缺陷与不足,具有一定的工程实际应用价值。