加速遗传算法在电厂动态负荷优化分配中的应用

针对目前电厂负荷分配非实时最优、能源浪费巨大的问题,提出了一种动态分配负荷的算法。在考虑电厂机组实际运行特点后,建立了包含辅机、启停等约束条件下的连续多时段动态负荷优化分配的数学模型;分析了标准遗传算法(SGA)在解决负荷分配问题时收敛速度慢的原因,据此对SGA进行改进,提出了基于实数编码、双倍初始种群、自适应遗传参数和压缩搜索空间法的加速遗传算法(AGA)。仿真结果表明,AGA能稳定地收敛到全局最优解,并且有效缩短了运算时间,基本达到动态分配的要求。

一种融合多源信息的脑效应连接网络蚁群学习算法

脑效应连接(Effective connectivity,EC)网络是人脑连接组研究中一项重要的研究课题,识别脑效应连接网络已成为评价正常脑功能及其与神经退化疾病相关损伤的一种有效手段.针对从功能性磁共振成像数据中进行脑效应连接网络的学习问题,提出了一种将多源信息与蚁群优化过程相融合的学习方法.新方法首先利用弥散张量成像数据获取感兴趣区域的结构约束信息,并利用正相关的皮尔森信息来压缩蚁群搜索的空间,以避免蚁群的许多不必要的搜索;然后在蚁群随机搜索中通过将体素联合激活信息融合于启发函数中,以增强蚂蚁搜索的目的性,改进算法的优化效率.实验结果验证了所提策略的有效性,与最新的同类算法相比,新算法在保持较快收敛速度的前提下,具有更好的求解质量.