基于改进差分进化算法的CCHP型微电网两阶段调度优化方法

由于CCHP型微电网两阶段调度需求的随机性,导致优化难度较大,难以找到有效的解决方案。因此,本文提出基于改进差分进化算法的CCHP型微电网两阶段调度优化策略。将微电网运行状态空间划分,构建CCHP型微电网两阶段调度优化模型,利用改进差分进化算法对微电网两阶段调度优化方案进行求解,实现CCHP型微电网两阶段调度优化。设计对比实验,实验结果证明该方法的调度转化效率最高,能够最大限度地利用。

基于增强生长型神经气的高维多目标进化算法

随着对高维多目标优化问题的深入研究,带有不规则Pareto前沿的高维多目标优化问题因其复杂的Pareto前沿分布,给现有方法的求解带来了挑战。针对上述问题,提出一种基于增强生长型神经气的高维多目标进化算法,该算法综合生长型神经气网络的学习特性与二元质量指标的优化特性来增强种群在不规则Pareto前沿的收敛压力。首先,设计了一种增强的生长型神经气网络,该网络利用Pareto最优前沿的拓扑信息指导种群向Pareto最优前沿方向收敛。然后,提出了一种联合度量指标以配合Pareto支配信息来综合评价个体的收敛性。最后,提出一种基于自适应参考点的环境选择增强种群在高维目标空间的多样性。为验证所提算法的性能,在DTLZ和WFG基准问题集中的44个不规则高维多目标优化问题与5种先进的高维多目标进化算法进行对比实验。实验结果表明,所提出的基于增强生长型神经气的高维多目标进化算法的整体性能优于对比算法。

基于Pareto强度进化算法的供水库群多目标优化调度

提出用Pareto强度进化算法解决供水库群的多目标优化调度问题,算法利用种群的进化过程模拟寻找非劣解集的过程,将供水库群多目标优化调度问题的解当作进化种群中的个体,按照解的Pareto强度值与密度进行适应度计算,利用种群中个体的进化操作获得非劣解,最终整个种群进化为非劣解集。实例分析结果表明,算法能实现多峰搜索,最终非劣解集的分布均匀,且收敛速度快,为解决供水库群多目标优化调度问题提供了一种有效的方法。

利用强度Pareto进化算法的多目标无功优化

为更好地解决电力系统多目标无功优化问题,分析了当前多目标无功优化算法存在的缺陷,首次将强度Pareto进化算法(SPEA2)应用于多目标无功优化,为真正意义上的多目标无功优化提供了依据。SPEA2是一种新型的多目标进化算法,参数设置少,收敛速度快,寻优能力强,求得的Pareto最优解分布均匀。IEEE30节点测试系统的算例结果表明所提出的算法在多目标无功优化中具有良好的效果,为各目标之间的权衡分析提供了有效工具,是一种求解多目标无功优化问题的有效方法。

基于强度Pareto进化算法的最优潮流

为更好地解决电力系统最优潮流问题,分析了当前多目标优化算法存在的缺陷,将强度Pareto进化算法(SPEA)应用于最优潮流中。SPEA是一种新型的多目标进化算法,具有收敛速度快,参数设置少,全局搜索能力强,所求的Pareto最优解分布均匀等优点。通过对IEEE30节点测试系统运用SPEA和混沌粒子群方法(CPSO)的计算结果对比,表明SPEA应用于最优潮流,为各目标函数之间的权衡分析提供了有效工具,是一种求解最优潮流问题的有效方法。

改进型量子进化算法在宽带EUV多层膜设计中的应用

为提高基于量子进化算法(QEA)在宽带极紫外(EUV)多层膜设计中的求解效率和精度,本文利用宽带多层膜的光学性能评价函数的梯度信息改进QEA,建立具有明确进化方向的适用于宽带EUV多层膜设计的改进型量子进化算法(IQEA)。对比分析了基于IQEA和QEA的宽带Mo/Si多层膜的膜系设计过程和结果,结果表明,基于IQEA的多层膜膜系设计理论方法具有更优越的求解效率和精度;同时,IQEA同样可以小种群规模进行多参数优化。基于IQEA的宽带Mo/Si多层膜的设计理论实现了包括入射角为0°~18°,反射率达50%的宽角度多层膜,以及反射光谱带宽为13~15nm,反射率达25%的宽光谱多层膜的设计。基于IQEA的宽带高反射率EUV多层膜的理论膜系设计方法为复杂多层膜的理论设计提供了一种可供选择的高效膜系设计方法。

基于强度Pareto的自适应多目标差分进化算法

为提高传统多目标进化算法的搜索能力,分别对适应度分配和环境选择操作进行改进,同时利用自适应变异算子对参数进行设置,建立一种基于强度Pareto的自适应多目标差分进化算法(MODE).选择4个典型的多目标测试函数,对改进的算法进行实验仿真测试,并分别利用多目标粒子群算法(MOPSO)、非支配排序算法(NSGA-Ⅱ)和真实值进行对比,实验结果说明改进后算法具有良好的分布性与收敛性.

基于强度Pareto进化算法的双足机器人步态规划

为了获得良好的双足机器人步行模式,提出了以步行过程中机器人的稳定性、移动性和能耗为目标的步态规划多目标优化方法.该方法基于倒立摆模型产生基本步态,并使用罚函数法和改进的强度Pareto进化算法(SPEA2)在可行域中求得基于基本步态的Pareto解集,从而找出最优解.最后在Matlab6.5仿真环境下进行步态仿真,并将产生的步态应用于SCUT-I型仿人机器人,实现了平均步行速度为0.26m/s的稳定行走.

求解组合优化问题的改进型量子进化算法

根据组合优化问题的特点,提出了一种求解组合优化问题的改进型量子进化算法。借鉴小生境协同进化思想初始化种群,增加了个体多样性;采用动态策略调整量子门旋转角,加快了收敛速度;采用"优体交叉"策略实施染色体交叉操作,增强了局部搜索能力。利用典型组合优化问题——2个多维0/1背包问题实例对算法性能进行验证,结果表明了该算法的可行性和有效性。

一种从粗到细的改进型进化算法简介

介绍将从粗到细的函数光滑化方法引入到传统进化算法中去的方法和步骤 ,给出以高斯函数作为光滑核的优点 ,并给出仿真计算结果。

基于改进差分进化算法的Ⅱ型频率采样法FIR数字滤波器设计

在传统差分进化算法的基础上,增加缩放因子自适应生成策略、交叉概率抛物线式动态产生策略和新个体基因边界检查和处理方法,提出一种改进差分进化算法并应用于采用Ⅱ型频率采样法的FIR数字滤波器设计中。该优化设计方法以滤波器过渡带样点值为优化变量,以阻带最小衰减值作为优化目标并设计适应度函数,利用改进差分进化算法的全局寻优能力求解最优样点值。文中结合FIR数字高通、低通和带通滤波器设计的3个例子,给出算法实现的具体步骤和实验结果。实验数据表明:采用改进差分进化算法确定的滤波器过渡带样点值是最优的,设计的FIR数字滤波器频响特性(通带最大波动和阻带最小衰减)优于传统查表方法和遗传算法。

基于改进蜜蜂进化型遗传算法的电力系统无功优化

文章采用改进蜜蜂进化型遗传算法求解电力系统无功优化问题,该算法引入了自适应调整选择算子的策略,使算法能及时开辟新的解空间,提高其搜索效率;引入了驱逐算子,增加了蜂群的生物多样性,提高了杂交效率,避免了算法过早收敛的问题。通过以IEEE-6节点和IEEE-30节点测试系统为例进行无功优化计算,并与其他优化算法进行了比较,结果表明了文章算法在求解电力系统无功优化问题的有效性,同时证明了该算法在收敛速度和优化效果上具有比其他优化算法更佳的性能。

基于强度Pareto进化的注塑机注射性能多目标优化

为实现大型注塑机注射性能的优化设计,构建了注射压力、注射速率和注射功率优化模型,应用多目标进化算法,系统分析了影响注射性能的各方面因素。改进强度Pareto进化算法,引入模糊C均值聚类,加快外部种群的聚类过程。采用约束Pareto支配和浮点数、二进制混合染色体编码策略,一次运行就能求得分布均匀的Pa-reto最优解集,并使用基于集合理论的方法选择一个最优解。试验分析表明:结合了强度Pareto进化算法与模糊C均值聚类方法的混合算法在提高注射综合性能的同时,能够获得比线性加权法分布性更好的Pareto前沿;且与强度Pareto进化算法相比,显著缩短了运算时间,具有较高的效率与鲁棒性。

改进协同进化算法优化液压集成块管路布置

液压集成阀块管路优化属于带约束组合优化问题,为解决现有蚁群协同进化算法存在的收敛速度慢和寻优路径震荡的问题,结合液压集成阀块的结构特点提出一种基于改进协同进化算法的液压集成阀块布局的多孔道布孔方法。首先在解决管路协同布置的基础上对现有多蚁群协同进化算法的信息素更新公式和启发信息规则中启发信息取值策略进行调整,然后通过实例仿真验证该算法的可行性,并且由结果可知改进前后适应值变化速率可提高。对比调整前在液压集成阀块管路优化方面中能够得到较满意的结果。

基于差分进化算法的导航星座在轨重构构型设计

针对有卫星失效下的导航星座,提出了对在轨卫星进行相位机动的方法来对星座的空间构型进行重构,以实现修复和改善星座性能的目的。首先,利用共面高轨和共面低轨变相的方式来对在轨卫星的相位进行调整,建立共面轨道相位机动的数学模型;其次,提出了除重构时间和重构能量外的其他重构指标,包括重构能量均衡度和重构构型恢复性,并建立了各重构指标的数学模型;然后,建立了重构构型的优化模型,并对优化问题中个体的评价手段与编码方式进行设计;最后,以北斗中MEO卫星失效为例,利用差分进化算法对优化模型进行求解,得到以不同重构指标为目标函数下的Pareto前沿。从结果中可以看出该重构方法对星座性能的提升最大可以达到41.2%,同时Pareto前沿中对应的所有重构策略中,重构能量、重构构型的均衡度、重构构型的健壮性的数量级均维持在-1、-3和0的水平。

一种改进的动态无约束多目标进化算法

为提高算法局部收敛性,提出一种改进的动态无约束多目标进化算法,其基本思想是:首先将时间区间分割,产生初始种群,然后根据Pareto支配关系对个体进行排序,再经选择复制、常规交叉算子和改进的非均匀变异算子进行操作,产生新种群。数值实验和性能指标统计数据表明,该算法具有较好的局部收敛性,能产生分布性较好的Pareto最优解。

求解约束优化问题的一种新的进化算法

分析了现有的约束优化进化算法的一些不足之处,提出了一种处理约束优化问题的新算法。新算法将多目标优化思想与全局搜索和局部搜索机制有机地结合起来:在全局搜索过程中,作为一种小生态遗传算法,排挤操作利用Pareto优劣关系比较个体并接受具有相似性的父代个体和子代个体中的优胜者;在局部搜索过程中,首先对局部群体中的个体赋予Pareto强度,然后根据Pareto强度选择个体。通过一个复杂高维多峰测试函数验证了新算法的有效性。

大规模风电送端电网风、火电耦合外送多目标优化模型及算法

针对大规模风电送端电网风、火电共用输电通道解耦外送情况下,风电送出功率受阻、输电通道利用率不高等问题,在比较分析风、火电解耦/耦合外送运行特性基础上,以风电外送功率最大、输电通道利用率最高和火电机组运行成本最低为目标;以风电、火电机组日前调度出力为优化变量,构建了风、火电耦合外送多目标优化模型,并提出一种改进多目标差分进化模型的求解算法,最终得出一组风电、火电日前优化调度出力计划,为运行人员制定调度决策提供了科学依据。文章以某地电网为例,验证了所建模型的合理性及算法的有效性。

基于改进SPEA2算法的火力分配问题

火力分配是战前任务规划的重要环节。考虑攻击效果、资源等约束条件,以攻击效益最大,武器消耗最小,自身损伤最小原则建立了火力分配多目标数学模型。针对传统方法在求解火力分配多目标优化问题时存在收敛效果差以及Pareto前端分布不均匀等不足,将近邻传播算法引入到SPEA2算法中,改进了SPEA2算法的多样性保持策略,优化了算法性能。实验结果表明:改进的SPEA2算法在解决多目标火力分配问题时,相较于标准SPEA2算法,具有收敛效果好,Pareto前端分布均匀的特性。通过实验,验证了模型的合理性和算法的可行性。

基于改进差分进化的最优化测井解释技术

最优化测井解释技术的发展,弥补了常规方法的局限性。尤其是在油气勘探逐渐向复杂储层上发展时,最优化测井解释可以综合利用多种信息的优势越发明显。基于对差分进化算法的改进进行最优化测井解释,尤其是针对其早熟与适用于无约束条件下寻优等缺点,采取复合型算法生成子代来避免早熟,又加入alpha约束来进行有约束条件下的寻优。在进行测井解释时,分析区域岩性,选取测井特征明显的测井系列确定体积模型,可以利用重构测井曲线进行自检验,并且可以结合取心资料进行验证。