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。

改进小生境遗传算法在电力系统无功优化中的应用

利用改进小生境遗传算法进行了电力系统无功优化计算。算法主要做了以下改进:设置个体之间的距离判别标准L为动态函数,保持了群体的多样性;采用最优保存策略保证算法的收敛性;采用局部最优徘徊策略作为辅助终止原则,避免陷入局部最优情况。对IEEE30节点算例系统进行了无功优化,并对优化前后各项技术性能指标进行了分析,说明了改进小生境遗传算法在保持解的多样性、提高搜索效率和优化效果等方面都具有良好的性能。对某县级配电网进行了仿真计算,仿真结果证明了所提算法的有效性。

基于改进排挤小生境遗传算法配网无功优化研究

针对传统遗传算法在配电网无功优化中的缺陷和配电网的特点,把改进排挤小生境技术和自适应遗传算法有机结合起来应用于无功优化,且采用实数编码和μ+λ竞争机制等策略,建立了以计算得到的投资回收年限作为评价电容器安装方案经济效益优劣标准的数学模型。利用SQL Server 2000数据库存储配电线路的原始数据,方便计算时数据的灵活调用。采用面向对象的Visual C#高级语言开发编制了配电网无功优化计算程序并应用于实际配电网中,程序运行稳定、便于维护。实际网络计算结果表明,改进排挤小生境自适应遗传算法更加适用于配电网无功优化。

一种改进选择算子和基于小生境的遗传算法

为了进一步提高遗传算法选择算子的选优能力,在传统轮盘赌的基础上提出了一种基于排序的多轮轮盘赌选择算子,在提高了算子选优能力的同时也减少了随机性所产生的误差;同时采用了小生境技术,使得算法既能保证多样性又能够保留最优解。实验表明,与简单遗传算法相比较,新算法能够有效地提高收敛速度。

应用改进小生境遗传算法优化BLDCM调速系统的PI参数

本文以无刷直流电动机的转速控制器作为研究对象,应用改进的小生境遗传算法(INGA)对其PI参数进行了优化设计,该算法针对常规遗传算法很难搜索到全局最优解的缺点,通过将单纯形法与小生境遗传算法相结合形成了一种全局优化算法,并使用MATLAB软件进行了动态跟随性能的仿真实验,结果表明采用该算法确能优化调速系统的性能。

小生境遗传算法的改进及其在橡胶材料参数反演中的应用

为了提高当前已有小生境遗传算法的全局寻优能力,首先对于当前已有小生境遗传算法的技术做了进一步的改进,设计了一种新的对于交叉概率和变异概率的动态调整方式;其次,改进了排挤小生境对于处于同一小生境内的个体的排挤操作,充分利用进化代数中的优良信息,加快了程序的收敛速度;最后,基于硫化橡胶的单轴拉伸实验数据,选用2阶多项式本本构模型,并结合有限元和改进后的小生境遗传算法的反演方法确定了硫化橡胶的材料参数。相对于从ABAQUS中通过Evaluate计算出来的材料参数,通过反演结果参数计算出来的响应与实验响应之间的误差较小。

基于小生境遗传算法的多目标药物提取条件优化分析应用

目的研究小生境遗传算法在均匀试验设计多目标药物提取条件优化中的应用。方法对微萃取五味子的均匀试验数据建立以浸膏得率、五味子醇甲、五味子总木脂素的子目标模型,采用遗传算法分别对其进行单目标优化,NPGA对其进行多目标优化,搜索最优提取条件,比较搜索结果;利用课题组成员英国Glasgow大学软件工程师陈益编写的Matlab2009a外挂SGALAB工具箱beta5008完成遗传算法寻优。结果单目标遗传算法优化可以得到各目标最大时的最优提取条件,NPGA进行三目标优化时,对各子目标进行了折衷处理使各子目标尽可能获得最大的解,在主要目标上达到了单目标最大函数值的76%以上,确定的最优提取条件的效果高于均匀试验中的任何一个方案。结论 NPGA搜索的Pareto非劣解是合理的,达到了较好的效果,为均匀试验设计最优条件选择提供了合理的方法,可推广到正交试验设计、析因试验设计的最优条件选择。

基于改进小生境遗传算法的输电网安全经济规划模型

传统输电网规划模型中的目标函数通常仅考虑系统运行经济性而忽略安全性因素及其所带来的损失,为避免此缺陷,在运用改进K-means算法进行负荷聚类并建立多级负荷模型的基础上,以包含年投资成本、运行维护成本及缺电成本的年综合成本最小为目标,建立一种考虑安全性经济性协调的输电网规划模型,将安全性效益转化为经济形式并加入到目标函数中,同时在模型约束条件中考虑N-1安全约束,从而实现电网安全性与经济性的协调。最后,利用带有精英保留策略的改进小生境遗传算法求解规划模型,确定基于安全性经济性协调下的最优规划方案。通过分析修改后的IEEE RTS79系统,验证了模型及求解算法的有效性,可为输电网安全经济规划提供参考。

基于改进小生境遗传算法的三角模糊数互补判断矩阵排序方法

针对三角模糊数互补判断矩阵(triangular fuzzy number complementary judgment matrix,简称TFN)排序中运算耗时较长的问题,提出一种基于改进小生境遗传算法(niche genetic algorithm,简称NGA)的TFN排序方法。将TFN排序中满意一致性检验、矩阵元素调整和权值排序作为目标建立优化模型,在保证TFN具有满意一致性的前提下,对TFN进行最小调整。通过引入度量种群多样性的小生境熵概念对NGA进行改进,根据小生境熵对改进NGA中部分进化参数进行自适应调整,提高算法的运算效率。采用该方法对随机产生的3~6阶TFN进行仿真验算,仿真结果表明,采用改进NGA提高了运算效率,改善了运算稳定性。

基于改进小生境遗传算法的配电网规划

提出了改进小生境遗传算法并将其应用于配电网规划,建立了综合考虑网损、变电站馈线建设费用和网络年维护折旧费的配电网规划数学模型,算法主要做了以下改进:设置个体之间的距离判别标准为动态函数,保持了群体的多样性;采用最优保存策略保证算法的收敛性;采用局部最优徘徊策略作为辅助终止原则,避免陷入局部最优的情况。在此基础上,基于图论知识和搜索技术给出了包括孤链、孤岛、闭环的修复方案,将遗传操作产生的非辐射性网络修复成辐射性网络。算例结果表明了该算法的实用性和有效性。

小生境遗传算法效果评价及程序测试

目的评价小生境遗传算法(niched pareto genetic algorithm,NPGA)进行多目标优化的效果,测试其程序的可靠性。方法应用两目标简单测试函数、复杂测试函数、三目标测试函数对NPGA进行模拟测试,利用课题组成员英国Glasgow大学软件工程师陈益编写的Matlab2009a外挂SGALAB工具箱beta5008完成遗传算法寻优。结果 NPGA得到的两目标简单测试函数Pareto非劣解集的95%可信区间包含交叉点值,前沿呈一条光滑的曲线分布;两目标复杂测试函数Pareto非劣解前沿呈带状分布;三目标测试函数的Pareto非劣解前沿呈非线性、非对称的曲面分布。NPGA可得到测试函数的Pareto非劣解集,供决策者合理选择。结论 NPGA多目标优化可以给出合理的Pareto非劣解集,效果理想、程序可靠,可用于在实际问题的分析。

基于改进小生境伪并行遗传算法的电力系统无功优化研究

将小生境伪并行遗传算法进行改进,用于对电力系统无功功率进行优化。这种遗传算法是对小生境遗传算法和并行遗传算法的一个有效改进,该方法兼顾了对局部最优解和全局最优解的搜索,既维持了群体的多样性,避免了早期收敛现象的发生,又增强了自然群体进化的并行性,加快了搜索进程。实验结果表明该方法是有效可行的,通过合理选取选择、交叉、变异及小生境算子,能得到电力系统无功功率优化的最优解。

基于改进遗传算法的Holt-Winters模型在采空沉陷预测中的应用

针对遗传算法存在的缺陷,提出了用小生境方法改进遗传算法。为了提高采空沉陷预测精度,借助Holt-Winters模型的预测功能,应用改进遗传算法求解和优化Holt-Winters模型组合参数,形成了改进遗传算法-Holt-Winters模型组合算法。将组合算法应用于长平高速公路采空区路段沉陷预测,计算表明:改进遗传算法弥补了传统遗传算法易早熟、局部寻优能力弱的缺陷;改进遗传算法-Holt-Winters模型组合算法克服了按梯度试算法搜索质量差和精度不高的缺点,输出稳定性好,预测结果相对误差在2%以内,预测精度显著提高;在采空沉陷中长期预测的相对误差小于0.79%,该算法可用于中长期采空沉陷预测。

基于改进的非支配排序遗传算法的模块化产品多目标配置优化研究

在产品族模块化设计的基础上,应用模糊数学评价理论与最小二乘法,构建了以产品性能、成本及出货期为目标函数的配置优化数学模型,并采用基于改进的非支配排序遗传算法对三者进行并行优化。由此获得一系列基于Pareto最优集的配置方案来满足不同客户对产品性能、成本及出货期的要求,解决了客户需求侧重点对产品设计结果的适应性处理。最后,结合项目实施,给出该方法在机床制造业中的典型应用实例,验证了文中提出方法的有效性和适应性。

基于改进遗传算法的起重机臂架结构优化设计

在起重机臂架结构设计中,引入非均匀变异算子和小生境算子与采用浮点数编码遗传算法相结合,同时通过个体基因改变总几率来确定浮点数编码遗传算法的变异概率,提出了一种改进的遗传算法。算例结果表明,改进的遗传算法优化效果明显,对结构优化设计有较好的参考价值。

基于Pareto遗传算法的切削用量优化

针对计算机辅助工艺规划中的切削用量决策问题,提出了一种基于Pareto遗传算法的切削用量优化算法。首先,以切削速度和进给量为优化变量,以切削效率和刀具耐用度为优化目标,通过对约束条件的分析,建立多目标优化模型。其次,改进选择算子,设置非劣解集以保存进化过程中用竞争法构造产生的Pareto最优解,从而保证算法的搜索方向;建立基于小生境技术的排挤机制以提高种群的多样性。然后,采用混合交叉算子和步长变异算子进行基因重组,经过若干次迭代,得到一个均匀分布于Pareto前沿的优化解集。最后,通过实例验证了该算法的可行性和有效性。

多目标优化设计中的Pareto遗传算法

遗传算法的随机性和隐含并行性,使它能同时搜索到多个局部最优解并获得最优解集。为了发挥遗传算法群体搜索的优势,提高多目标优化设计效率和灵活性,在自适应遗传算法的基础上引入群体排序技术、小生境技术和Pareto解集过滤器,建立了一种适用于多目标优化设计的Pareto遗传算法。以Pareto前沿面的形式给出优化设计的Pareto最优解集,供设计者按设计意愿选择最优的设计结果。采用Pareto遗传算法进行跨声速翼型的多目标优化设计,设计结果表明,Pareto遗传算法是十分有效的,完全可以用来进行多目标优化设计。

改进非劣分类遗传算法在金莲花醇提取条件优化中的应用

目的研究改进非劣分类遗传算法(NSGA-Ⅱ)在正交试验设计的多目标药物提取条件优化中的应用。方法对金莲花总黄酮醇提取工艺研究的正交试验数据建立以浸膏得率、总黄酮含量为子目标的数学模型,采用遗传算法对其进行单目标优化,NSGA-Ⅱ对其进行多目标优化,搜索最优提取条件,比较搜索结果;利用课题组编写的Matlab2009a外挂SGALAB工具箱beta5008完成遗传算法寻优。结果单目标遗传算法优化分别得到各子目标最大时的最优提取条件,NSGA-Ⅱ进行两目标优化时,确定的最优提取条件的效果以及由此得到的浸膏得率和总黄酮含量高于正交试验中的任何一个方案。结论 NSGA-Ⅱ搜索的Pareto非劣解是合理的,达到了较好的效果,为正交试验设计最优条件选择提供了合理的方法,可推广到均匀试验设计和析因试验设计。

一种快速实现多峰值函数优化的改进遗传算法

针对基本遗传算法具有的收敛早熟、局部搜索能力差等缺点,提出了一种快速实现多峰值函数优化的改进算法。该算法包含并行小生境技术、可疑峰值点判断、引入局部搜索参数等策略,并采用C语言成功编写了通用程序。数值算例表明:该改进算法能有效防止早熟收敛,明显提高遗传算法的收敛效率,快速搜索到目标函数的所有最优点。该算法对求解多峰值函数优化问题具有普适性。

改进的多目标规划遗传算法

本文讨论了 [1]中多目标规划遗传算法存在的缺陷 ,并提出了相应改进策略 .这些策略包括 :引进精粹策略 ,杂交限制 ,终止条件 ,个体表示改进等方面 .利用这些策略使算法能克服终止准则和小生境聚集的缺陷 ,使得算法能更快的收敛到 Pareto最优解集同时又有好有分布的