基于可行空间搜索遗传算法的水库调度图优化

本文从调度图概化、调度图模拟模型、目标函数以及优化算法等方面全面介绍了基于可行空间搜索遗传算法的调度图优化模型的原理及建模方法。针对调度图优化问题可行空间搜索困难的特点,在传统遗传算法概念基础上提出了可行空间搜索的概念。根据决策变量间的几何关系,设计了调度图优化问题的编码结构以及信息交互机制,以NSGA-Ⅱ算法为基础实现了优化模型的构建。将研究成果应用于寺坪水库调度图优化,与设计调度图模拟结果相比,发电效益及保证率均得到了明显提高。

基于可行搜索空间优化的电力市场下梯级水电站短期调峰运行研究

考虑电力市场的边际电价、短期水库调度的时滞效应,建立梯级发电效益最大模型。针对高维、非线性复杂优化调度问题,在水库综合用水、电网调峰等多约束条件下,采用约束处理技术,从优化可行搜索空间角度改进优化算法,对模型进行求解。以黄河上游梯级水电站为例,对梯级发电效益最大模型进行求解,计算结果较正常运行结果日发电效益增幅2.63%,计算耗时缩短了2380ms,验证了改进算法的合理性和有效性。

改进蚁群算法在支持向量机中的应用

提出一种改进的蚁群算法(ACA)来优化支持向量机(SVM)训练参数。该改进算法建立于每只蚂蚁只根据参数β在其前次迭代的最优解附近搜索,可快速减少搜索范围。参数β的提出可以保证蚁群快速地达到最优解。仿真结果表明:使用该方法优化SVM参数可有效避免陷入局部极值,提高收敛速度。