基于小生境遗传算法与径向基代理模型的短期风电功率预测

为提高短期功率预测精度,以赋予风电被电网资产更大规模消纳的优势,建立一种基于主导特征影响因素和小生境遗传算法改进的径向基代理模型的滚动式短期(0~72 h)风电功率预测模型。首先,基于罚函数和排挤机制的小生境技术对传统基本遗传算法进行改进,以径向基代理模型(RBF)作为建模基础,利用改进后的遗传算法以反传误差极小为目标函数对RBF模型的连接权值进行优化,借助其寻优能力来获取最佳权值,以达成对RBF网络的改进和二次训练;然后,基于主导特征气象因素,结合改进的RBF模型最终建立N-SGA-RBF风电出力预测模型,对风电场连续3日0~72 h输出功率进行预测;最后,对N-SGA-RBF模型、RBF模型以及BP模型做预测结果趋势变化、各采样点绝对/相对误差分布、发电预测预报准确率和合格率的对比。以新疆东部某风电场实测数据进行算例验证分析,仿真结果表明,所建预测模型具有较高的精度。

基于小生境遗传算法的社区养老公共空间优化设计

常规的社区养老公共空间优化方法构建公共空间网络结构关联性较差,空间优化效果不佳。因此,基于小生境遗传算法,设计了一种社区养老公共空间优化方法。根据网络结构多元化、多层次和系统化的特点,构建社区养老公共空间网络结构,通过计算网络结构的关联性,判断当前网络结构的构建效果,在小生境遗传算法的作用下,通过计算网络结构节点的适应度,生成社区养老公共空间优化模型,从而输出切实有效的社区养老公共空间优化策略。通过上述的设计,完成对社区养老公共空间优化方法的设计。实验结果表明:与以往的社区养老公共空间优化方法相比,设计的基于小生境遗传算法的社区养老公共空间优化方法在实际应用中空间利用率高达97.82%,优化效果更好。

基于多种群进化小生境遗传算法的电力立体式仓储仓位多目标优化配置方法

针对传统电力立体式仓储仓位配置中存在关联性和灵活性不足的问题,提出一种基于多种群进化小生境遗传算法的电力立体式仓储仓位优化配置方法。首先,对物资进行关联性分析,通过聚类方法将物资科学分类,以提高仓储操作的效率和准确性。然后,基于物资的聚类结果和特性设定约束条件,以物资出入库时间和类内物资距离最小化为目标,构建了仓位优化配置目标函数。最后,引入多种群进化小生境遗传算法进行求解,在仓储仓位搜索空间中更好地保持可选配置方案的多样性,避免过早收敛,在全局范围内寻找最优解,实现电力立体式仓储仓位的优化配置。实验结果表明,所提方法能够提高仓储效率、满足物资管理需求,且在具有更高优化程度的同时保持较高的关联性与灵活性。

基于小生境算法的空气质量模糊认知图预测

工业化使得全球经济取得了突飞猛进的增长,但也使得环境污染愈发严重。大气污染成为世界各国讨论的话题。文中提出一种基于小生境遗传算法的改进形式的空气质量模糊认知图预测方法。利用模糊认知图表示空气污染物以及空气质量指数的关联关系,并应用改进的小生境遗传算法优化模型,使得训练结果更接近全局最优解。文中使用2015-2021年的空气数据训练模型,在2022年的数据集上测试模型。实验结果表明,与传统的遗传算法和BP神经网络相比,所提方法预测精度更高,且泛化性能更好,证明了其有效性。

基于改进小生境遗传算法的Pareto多目标配电网重构

配电网重构是一个多目标、多约束的复杂非线性组合优化问题,若采用传统的遗传算法处理此类问题,由于其易于陷入局部最优解和随着配电网规模的扩大搜索效率低的问题,难以得到理想结果。建立了Pareto多目标重构数学模型并提出一种改进小生境遗传算法来处理配电网重构问题。算法主要有以下几种特点:设置个体之间的距离判别标准L为动态函数,保持了种群的多样性;采用最优保存策略,提高了算法的收敛速度;交叉、变异采用自适应规则,避免了算法陷入局部最优的情况。另外,Pareto多目标数学模型的引入也使算法更具实际工程意义,采用国外一个实际的配电网络对算法进行了验证。理论分析和算例表明,该算法具有高收敛性、快实时性和强全局稳定性的优点。

基于小生境遗传算法的网络入侵智能检测方法研究

网络入侵智能检测方法使用隶属度矩阵进行全局搜索,易受网络更新迭代作用影响,导致入侵样本误检率较高,因此设计一种新的基于小生境遗传算法的网络入侵智能检测方法。以粗糙集约简理论为基础,利用小生境遗传算法确定入侵检测适应度函数,提取网络入侵智能检测规则,结合输出的决策变量构建网络入侵智能检测模型,实现网络入侵智能检测。实验结果表明,设计的网络入侵小生境遗传算法智能检测方法在不同样本集下的入侵样本误检率均较低,证明该方法的检测效果较好,具有一定的应用价值。

柔性车间双资源集成调度的小生境遗传算法优化

针对柔性作业车间生产和物流双资源集成调度问题,提出了基于小生境自适应遗传算法的集成调度方法。首先,明确了柔性车间AGV物流流程、路径冲突消除方法和分配策略。其次,描述了车间生产和物流双资源集成调度问题,并建立了以完工时间最短为目标的优化模型。然后,将小生境技术和自适应策略引入到遗传算法中,使遗传策略随小生境特点自适应变化,提出了一种新的小生境自适应遗传(NAGA)算法。最后,制定了基于小生境自适应遗传算法的双资源集成调度流程。经实验验证,小生境自适应遗传算法调度的完工时间短于遗传(GA)算法和文献[1]改进分布估计(IEDA)算法,说明NAGA算法的集成调度性能好于GA算法和IEDA算法。经AGV数量影响分析,车间完工时间随AGV数量增加整体呈下降趋势,且当AGV数量饱和时完工时间不再下降。

基于小生境遗传算法的基坑栈桥排布优化技术

基坑工程施工当下主流的明挖顺作施工方式需利用基坑栈桥作为施工通行与操作的平台。因此,基坑栈桥的布设将直接影响基坑工程的工期与造价,继而影响整个建设工程的实施。目前基坑栈桥的排布,主要基于基坑设计与施工技术人员对工程项目的理解和工程经验,尚无基于科学原理的优化排布方法。提出基于小生境遗传算法的基坑栈桥排布优化技术,提出栈桥优化的4个优化目标与4个边界条件,并以具体算例验证所提出的技术方法的可行性与可操作性,为明挖顺作基坑栈桥排布优化提供理论和实践基础。

基于Pareto遗传算法和神经网络的无人机气动布局研究

设计了一种无人机气动布局优化方法。首先,基于流场仿真手段获取了无人机典型机翼形状设计参数以及主要气动性能指标,以此作为优化无人机气动布局的数据来源。基于得到的无人机机翼形状主要参数和性能指标,利用神经网络方法建立两者映射关系库。在给定大迎角和巡航状态下,运用Pareto遗传算法和映射关系库,以升阻比和升力系数为目标函数,得到最佳的性能参数组合,以及最佳的机翼形状数据,并基于流场仿真方法,将最优机翼形状数据输入到模型中,得到机翼形状流场压力的分布规律,验证方法的正确性。

隔离小生境遗传算法研究

小生境 (niche)技术的引入 ,提高了遗传算法处理多峰函数 (m ultimodel function)优化问题的能力 .本文提出了基于隔离 (Isolation)机制的小生境技术 .隔离小生境技术具有生物学基础 ,不仅能够有效地保证群体中解的多样性 ,而且具有很强的引导进化能力 .计算机模拟旅行商推销问题 (TSP)的结果表明 。

基于改进小生境遗传算法的电力系统无功优化

针对电力系统无功优化问题,提出一种改进小生境遗传算法来克服小生境遗传算法中小生境难以确定的不足,改善遗传算法容易陷入局部收敛和早熟的缺点。通过模糊动态聚类分析方法实现小生境群体的划分,然后利用适应度共享技术对小生境内个体适应度进行调整,以提高全局寻优能力。提出和运用隔代小生境共享机制、最优个体邻域搜索及保留策略等以提高算法的计算速度和收敛速度。通过对IEEE 57节点测试系统进行无功优化计算及结果分析,说明所提出算法的全局搜索能力强、效率高,能得到较好的结果。

基于小生境遗传算法的配电网开关优化配置

在配电网安装分段开关可提高供电可靠性,分段开关优化配置是一种对应分段开关不同数量的多极值组合优化问题。分析配电网分段开关配置的技术特点,将初选出可能安装分段开关的线段作为控制变量,以减少染色体串的长度和搜索规模。把配置相同数量的开关作为一个小生境,提出应用小生境遗传算法来优化开关位置和数量,找出对应不同开关数量的全部极值点,从中选出满足可靠性要求的全局最优解,避开遗传算法收敛于局部最优解。实例证明该算法全局搜索能力强、收敛快。

基于粗糙集和小生境遗传算法的电网故障诊断规则提取

用粗糙集理论进行电网的故障诊断,关键是对知识表的约简。本文以粗糙集理论中的决策表为主要工具,首先将继电保护和断路器的动作信号作为对故障分类的条件属性集,故障区域作为对故障分类的决策属性,建立决策表,然后利用小生境遗传算法适合于进行多峰值函数优化的特点,提出了一种基于小生境遗传算法的粗糙集属性约简方法,用于求解决策表的多个约简,进而进行值约简后抽取出诊断规则。算例结果说明了本算法的正确性和可行性。

基于小生境遗传算法的物流配送路径优化研究

通过对物流车辆配送过程的分析,建立了带时间窗约束的物流配送路径优化问题的数学模型。针对遗传算法具有早熟的缺点,将小生境技术引入遗传算法,构建小生境遗传算法。最后,将小生境遗传算法应用于所建立的物流配送路径优化模型的求解,实验结果表明小生境遗传算法在一定程度上可以避免标准遗传算法早熟现象的发生,提高了其求解物流配送路径优化问题的效率。

基于小生境遗传算法的制导雷达误差估计

制导雷达误差估计是多雷达站之间信息资源共享的前提和基础。针对无基准数据条件下的误差估计难题,建立了制导雷达误差估计模型,采用小生境遗传算法,给出了误差评估模型的求解方法,并进行了实验验证。仿真实验表明:比较传统遗传算法,小生境遗传算法克服了早熟收敛和后期收敛速度慢的弱点,表明算法是可行的,对多雷达站实现网络化作战有重要的作用和价值。

一种新的基于小生境模拟退火的遗传算法

针对模拟退火遗传算法中不合理替代方式以及孤立的比较机制,提出一种新的基于小生境模拟退火的遗传算法.通过温度的逐步降温,可以在进化早期增强种群多样性,而在进化末期加速算法的收敛过程,有效克服了遗传算法容易早熟、局部搜索能力差的缺点.同时算法还使用了最优保留策略替代了轮盘赌选择算子,从而有效地减少了适应度相对高的个体在种群中快速扩散的可能性.研究结果表明:与常见的模拟退火遗传算法相比,新方法能够有效提高遗传算法的收敛性能.

应用小生境遗传算法优化导线钢芯断股漏磁检测传感器

输电线路的钢芯铝绞线在运行中可能发生钢芯损伤、断股现象,及时检测和诊断对于保证电网的安全运行具有重要意义。采用巡线机器人对钢芯损伤、断股进行检测是一种具有较好前景的方法。设计一种基于钢芯损伤、断股后形成的漏磁进行检测的传感器,采用48H号钕铁硼稀土永磁铁磁化输电导线钢芯,以永磁铁、导磁体沿导线的径向宽度和轴向长度为变量,以传感器质量作为优化目标,应用搜索能力强、收敛速度快的小生境自适应遗传算法优化传感器的结构尺寸。结果表明,在满足对导线钢芯磁化强度要求下,传感器的质量显著降低,有效提高了巡线机器人的携载能力,且所提方法具有通用性,适用于不同规格导线钢芯断股检测的漏磁传感器设计和优化。

一种小生境正交遗传算法研究

针对标准遗传算法的不足 ,借助正交试验法的全局均衡设计思想和二元变异操作对初始种群产生方式、交叉算子和变异算子进行了改进 ,提高了种群的多样性 ;借助最优保留策略和自然界的小生境思想 ,对选择算子进行了改进 ,提高了算法的全局收敛性能 ;另外还通过引入加速正交搜索操作 ,提高了算法的收敛速度 .在此基础上 ,提出了一种小生境正交遗传算法 ,并进行了实例研究 .研究结果表明 ,该算法不但可以有效地克服标准遗传算法的缺陷 ,而且计算速度。

基于小生境遗传算法的风电场布局优化

基于小生境遗传算法对风电场内风力机机组的布局进行优化。在优化过程中,考虑等风速同风向和变风速变风向两种简化的入流模式,采用修正的Jensen尾流模型模拟机组之间尾流的相互干扰效应,以单位发电量所消耗的成本最低为目标,使用小生境遗传算法优化风电场机组的排布。文中给出了优化后的风电场布局轮廓图、风电场机组台数、总发电量、目标函数值以及风电场的效率。通过与以前的相关研究对比分析,表明本文的方法取得了较优的结果,可为将来真实风场的风力机排布提供参考依据。

小生境遗传算法的改进

为了避免小生境遗传算法存在的早期成熟和陷入局部极值点等问题,提出了一种改进的小生境遗传算法.该算法基于自适应交叉概率算子和变异算子,根据进化代数和群体的适应值,动态调整各个个体的交叉概率和变异概率,并在变异量的确定上引入了梯度的概念.通过在Shubert函数的全局最优化问题上的验证,并与常规遗传算法和小生境遗传算法比较,改进后的算法提高了搜索速度,能有效跳出局部极小值,并搜索到全局最优值.