求解双层规划问题的层次混沌量子遗传算法

基于量子位的混沌特性和相干特性,提出针对一般双层规划问题的层次混沌量子遗传算法(HCQGA).结合进化博弈及多目标优化非支配排序的思想,通过两个混沌量子遗传算法的交互迭代来模拟决策者之间的博弈寻优过程,从而获得使各方利益最大化的双层规划问题的最优解.算法测试结果表明,该算法不仅可以获得Pareto最优解集合,而且还可以克服现有双层规划算法在解决大规模问题时存在的算法复杂度及计算效率问题.

基于多目标混沌量子遗传算法的分布式电源规划

针对配电网加入分布式电源的经济技术优化目标,给出了分布式电源多目标规划的数学模型;结合实数编码量子遗传算法和非支配排序、精英保留、分层聚类等多目标优化策略,提出了多目标混沌量子遗传算法,并对分布式电源的安装位置和容量进行了综合规划研究。算例分析表明,所提算法在计算精度、收敛速度和寻优能力上均优于传统多目标遗传算法,为实现分布式电源的多目标规划提供了理论依据。

实数编码混沌量子遗传算法

基于量子位的混沌特性和相干特性,提出一种实数编码混沌量子遗传算法(RCQGA).该算法在解空间内将实数染色体通过反向变换映射到量子位,采用量子位概率指导的实数交叉与混沌变异相结合的方法对实数染色体进行演化搜索.实验结果表明,RCQGA不仅可以有效避免二进制编码QGA早熟收敛的缺点,而且可以减少寻优的计算复杂度,具有收敛速度快、稳定性好、寻优能力强、精度提高容易等优点,适用于工程应用中的复杂函数优化问题.

一种改进变尺度混沌优化的模糊量子遗传算法

针对量子遗传算法存在的易陷入局部极小等问题,提出一种模糊量子遗传算法。该算法采用一种变尺度混沌优化方法,只需设2个循环,内循环进行混沌搜索,外循环负责缩小区间,通过改进它的收敛策略,可以避免混沌优化在区间内的盲目重复搜索。利用改进的变尺度混沌优化方法,对量子遗传操作产生的种群进行混沌搜索寻优,同时模糊控制更新,加快种群的进化。仿真结果表明,该方法的寻优效果优于量子遗传算法及遗传算法。

量子遗传算法的变尺度混沌优化策略研究

针对量子遗传算法(QGA)易陷入局部极值、具有早熟收敛等问题,分析了QGA的流程,从全局搜索和局部搜索两个层面探讨了QGA的改进策略,提出了一种新的算法。该算法利用混沌运动的遍历性和随机性进行全局搜索,同时利用梯度信息对QGA的量子更新过程环节进行优化。典型函数测试分析表明,该方法的综合性能明显优于量子遗传算法及遗传算法。

基于RQGA和非支配排序的多目标混沌量子遗传算法

为了提高多目标优化算法的收敛性、分布性和减少算法的计算代价,借鉴实数编码遗传算法和多目标优化理论,构建一种多目标混沌量子遗传算法。在分析量子位概率的混沌特性、量子态干涉特性和量子位实数编码的基础上,采用量子位概率交叉和混沌变异的方式进化种群,以提高寻优能力和收敛速度,利用非支配排序、精英保留和分层聚类等多目标优化策略保持种群多样性的同时,保证进化向Pareto全局最优解集方向进行。通过混合算法性能对比测试验证了多算法集成的有效性,并分析关键参数对算法性能的影响。电力系统多目标无功优化的仿真结果验证了该算法的有效性和可行性。

改进量子遗传算法辨识超混沌系统

混沌系统的参数辨识是非线性科学混沌控制与同步的关键问题.提出了具有良好全局搜索能力的改进量子遗传算法,将其用于混沌系统参数辨识问题。通过减小实际系统与数学模型的状态同步误差构造适应度函数,将参数辨识问题转化为多维优化问题.用此改进的算法对超混沌Chen系统进行了研究,并与基本量子遗传算法进行了比较,结果表明改进的算法具有更好的寻优能力,并证实了改进量子遗传算法的有效性、可行性.

混沌变步长量子遗传算法

针对多数量子遗传算法在搜索解时没有充分利用搜索过程中的先验知识的问题,结合混沌运动的遍历性和量子遗传算法的群体搜索性,提出一种基于混沌变尺度梯度下降的量子遗传算法。算法采用梯度下降法对量子遗传操作获得的优良个体进行局部搜索,引导种群的进化。结合混沌优化策略产生自适应步长,在搜索初期加快寻优速度,随着搜索逐渐接近最优点,混沌产生的小步长实现在最优解所在的小范围内进行精确搜索。实验结果表明,该方法的综合性能优于传统的量子遗传算法及遗传算法。

基于混沌优化的量子遗传算法

量子遗传算法是一种高效的并行算法,但它有时会陷入局部极值。混沌优化的遍历性可作为搜索过程中避免陷入局部极小值的一种优化机制,随机性和规律性使它具有丰富的时空动态。所以二者结合可互补。经试探分析,典型函数测试结果表明,混沌优化与量子遗传算法相结合全局寻优效果更佳。

基于混沌优化的量子遗传算法

量子遗传算法是一种高效的并行算法,但它有时会陷入局部极值。混沌优化的遍历性可作为搜索过程中避免陷入局部极小值的一种优化机制,随机性和规律性使它具有丰富的时空动态。对二者互补地结合作了试探分析,典型函数测试结果表明,混沌优化与量子遗传算法相结合的全局寻优效果更佳。

基于量子遗传算法的永磁同步电动机混沌运动的同步控制

混沌同步是当代非线性与控制学科中的一个热点问题。针对永磁同步电动机中混沌同步,反馈反同步法在整定反馈增益矩阵参数时存在困难,利用量子遗传算法对反馈增益矩阵进行参数优化,从而克服反馈增益中参数不易整定的缺陷。数值仿真实验表明,利用量子遗传算法结合反馈反同步法能够使初始状态不同、运动轨迹不同的两个混沌系统在短时间内迅速达到同步,可以是系统达到很好的动态特性,验证了该方法的有效性,对电动机运动的稳定性具有较好的价值。

并行混沌遗传算法在量子级联激光器模型参数优化中的应用

量子级联激光器具备发射线宽窄,光功率密度高,单色性好与准直度高等特点。随着量子级联激光器技术的日趋成熟,其光谱范围不但覆盖大气透射的三个重要红外窗口,而且已经延伸至太赫兹频段,在化学和生物传感、成像和特殊通信等领域有重要的应用。本文首先从量子级联激光器基本结构和能级模型出发,通过构建量子力学模型实现对量子级联激光器物理特性的仿真,在此基础上引入了并行混沌遗传算法对量子级联激光器有源区设计结构中的关键参数进行了寻优。本文还测试并给出了并行计算的开销时间、加速比性能与收敛性。

基于量子遗传算法的混沌系统异结构反同步

对异结构超混沌系统的反同步问题进行了研究.利用量子遗传算法(QGA)对反馈增益矩阵进行了参数优化,克服了反馈增益中参数不易整定的缺点.数值仿真结果表明,QGA结合反馈反同步法能使异结构的超混沌Chen系统和Lorenz系统在短时间内迅速达到反同步,体现了该算法的优越性,并验证了QGA在解决异结构反同步问题上的可行性及有效性.

基于改进的量子遗传算法的认知无线网络频谱分配方法

为了提高认知无线网络频谱分配的效果,根据认知无线网络的特性,提出了基于改进的量子遗传算法(IQGA)的认知无线网络频谱分配方法。该方法利用混沌搜索初始化种群染色体编码,在迭代过程中采用动态调整量子旋转角度更新染色体,并通过变异阈值对染色体进行选择性变异,最终将频谱分配的分配矩阵和基于混沌搜索的量子遗传算法的可行解相对应,以提高网络系统的平均效益为目标函数,实现空闲信道的合理分配。仿真结果表明,基于IQGA的认知无线网络频谱分配方法具有更快的收敛速度和更好的寻优性能,能有效地提高网络系统的整体效益。

基于深度学习神经网络和量子遗传算法的柔性作业车间动态调度

针对柔性作业车间动态调度问题构建以平均延期惩罚、能耗、偏差度为目标的动态调度优化模型,提出一种基于深度Q学习神经网络的量子遗传算法。首先搭建基于动态事件扰动和周期性重调度的学习环境,利用深度Q学习神经网络算法,建立环境-行为评价神经网络模型作为优化模型的适应度函数。然后利用改进的量子遗传算法求解动态调度优化模型。该算法设计了基于工序编码和设备编码的多层编码解码方案;制定了基于适应度的动态调整旋转角策略,提高了种群的收敛速度;结合基于Tent映射的混沌搜索算法,以跳出局部最优解。最后通过测试算例验证了环境-行为评价神经网络模型的鲁棒性和对环境的适应性,以及优化算法的有效性。

改进量子遗传算法在含分布式电源配电网中的应用

针对配电网中分布式电源的不断接入使得故障定位越来越困难,为了准确地定位故障和快速隔离故障支路,文中提出一种改进的量子遗传算法用于含分布式电源的配电网故障定位。利用动态旋转角策略更新量子门,在使用Tent映射的混沌优化法跳出局部最优。通过仿真对改进前后的算法进行对比分析,验证算法的准确性和有效性。仿真结果表明,所提方法具有收敛速度快、执行时间短等优点,能有效地定位故障区域。此研究为我国配电网故障定位方法的发展提供了参考和借鉴。

改进遗传算法结合最大二维熵的图像目标分割技术

鉴于传统遗传算法分割图像时容易陷入局部最优的缺点,提出了利用最大熵和基于遗传算法、Hadamard门变异的量子遗传算法共同实现图像的分割技术。以二维熵作为适应度函数,此时把图像分割转换成优化问题。主要先利用混沌系统在遗传算法的交叉、变异两个环节进行动态更新迭代种群得到较为准确的粗糙解;再在量子遗传算法中引入小生境协同和Hadamard门动态策略进化策略初始化种群,提高量子遗传算法的自适应能力和收敛速度。最后再利用混沌系统和Hadamard门、最大二维熵适应度函数动态地调整寻优位置,保持基本的稳定性的前提下有效地避免陷入局部最优。实验结果表明:改进后的遗传算法在实时性与精确度都获得了显著的效果。

基于模糊最小二乘支持向量机的火灾信号辨识

针对火灾信号特征参数的模糊特性,采用混沌量子遗传算法对模糊最小二乘支持向量机的参数进行优化,建立基于模糊最小二乘支持向量机的火灾信号辨识模型。研究结果表明:基于混沌量子遗传算法的模糊最小二乘支持向量机火灾辨识模型相对误差为1.1%,具有较高的辨识精度;火灾信号辨识性能指标即O2质量分数减少值权重γ1、H2质量分数权重γ2、烟气质量分数权重γ3、温度权重γ4和CO质量分数权重γ5满足:γ3>γ4>γ5>γ1>γ2。

低碳背景下考虑发用电侧不确定性的社会福利均衡仿真研究

实现电源侧可再生能源的规模化并网,提高用户的需求侧响应,提高能源利用效率是未来实现电力系统低碳发展的重要举措。构建了考虑可再生能源大规模并网和用户基于电价需求响应不确定的长期、中期和短期市场均衡模型,建立了考虑环境成本的社会福利最大化目标函数,实现发电环境成本的内部化。同时,引入混沌量子遗传算法对模型进行求解,得到了电力市场均衡情况下达到社会福利最大化时常规能源电厂和可再生能源电厂的发电容量情况,以及相关税收、补贴政策的搭配组合。最后,研究了市场条件及存在最高限价条件下可再生能源并网对社会福利的影响,验证了所构建模型和引入算法的可行性和合理性。

柴油机SCR反应器性能FLS-SVM预测模型

针对柴油机SCR反应器结构参数的模糊特性,将CFD仿真得到的不同结构参数下柴油机SCR反应器在温度为380℃时的性能仿真结果作为训练集,采用混沌量子遗传算法对模糊最小二乘支持向量机的参数进行优化,建立柴油机SCR反应器性能FLS-SVM预测模型。研究结果表明:柴油机SCR反应器性能预测模型的相对预测误差均小于3.0%,表明柴油机SCR反应器性能仿真结果与FLS-SVM预测模型的结果具有较高的准确精度。