基于改进遗传退火算法的配电网路线协调规划方法

为提高电力系统的整体效率及供电的可靠性和稳定性,满足不同地区和不同用户的电力需求,提出了基于改进遗传退火算法的配电网路线协调规划方法。首先,建立配电网路线布局模型,获取可用裕度较大的配电网路线布局方案;其次,基于时间序列,计算预测对象历史年时间序列数据的平均增长率,得出预测对象各年的负荷预测值;在此基础上,利用改进遗传退火算法,寻找最优解,实行配电网路线协调规划。实验结果表明,应用该方法后,配电网路线的覆盖率得到了显著提升,整体规划效果更好,能满足更多用户的需求,实现电力资源的合理分配和利用。

基于改进遗传退火算法的10 kV配电网规划优化研究

在考虑配电网输电综合网损、年折旧费、馈线建设费用的基础上,建立10 kV配电网规划目标优化模型;引进改进遗传退火算法,进行10 kV配电网规划目标优化模型中相关参数条件的训练,以此实现对模型约束条件的设计;采用保存精英群的方式,进行10 kV配电网规划优化方案的全局寻优,完成配电网规划优化方法的设计。选择某地区大型10 kV配电网作为实验研究的主要对象,设计实例应用实验。实验结果表明:设计的优化方法在实际应用中的效果良好,可有效提高配电网线路负载率均衡度。

改进遗传模拟退火神经网络的双相机标定算法

针对双目相机标定算法中BP神经网络精度低、收敛性差的问题,提出了一种基于改进遗传模拟退火算法的BP神经网络优化方法(improved genetic simulated annealing algorithm-BP,IGSAA-BP)。该方法通过改进遗传模拟退火算法的适应度扩展,交叉、变异概率和退火准则来改善BP神经网络的性能,为BP神经网络提供了最优权值和阈值。将IGSAA-BP神经网络与BP神经网络和TGSAA-BP神经网络两种相机标定算法进行对比,利用其标定的真实值与预测值相差结果得出结论,3种标定方法进行相机标定的平均标定精度分别为0.02、0.71和0.28 mm。结果表明,IGSAA-BP神经网络可以提高双目相机的标定精度,提高全局寻优能力,加快收敛速度。

复杂函数全局最优化的改进遗传退火算法

针对复杂函数的最优化问题 ,首先提出了一种基于邻域函数的尺度参数自寻优的改进模拟退火算法 ,进而通过设计多操作的基于概率接受思想的变异操作 ,结合混沌序列 ,在遗传算法中引入灾变操作和改进模拟退火算法 ,最终提出了改进遗传退火算法。基于典型算例的仿真结果验证了改进算法对高维复杂函数最优化的有效性 ,其性能明显优于传统的遗传算法、模拟退火、改进的进化规划方法以及遗传 -AL OPEX算法。

改进遗传模拟退火算法的航迹规划方法研究

建立了基于真实地形数据和火力威胁区的航迹规划空间模型,结合具有概率突跳特性的模拟退火和群体并行搜索的遗传算法的特点,提出了一种改进遗传模拟退火算法的飞行器航迹规划方法。使用该算法对飞行器的攻击航迹在数字地图下进行了仿真验证,结果表明该方法是一种有效的航迹规划方法。

基于改进的遗传–模拟退火算法和误差度分析原理的PMU多目标优化配置

为了进一步优化同步相量测量单元(phasor measurement unit,PMU)配置的合理性和效率,提出了一种新的误差度分析原理,并使用改进的遗传–模拟退火算法对多个IEEE标准测试系统进行了优化配置。该原理同时考虑了测量冗余度和状态估计的精度,并且避免引入雅可比矩阵,还具备可观测性分析的功能。研究结果表明:该算法不仅可以找到满足全网可观测性的所有PMU数目的配置解,而且进一步提升了全网的测量精度,从而证明了其有效性和优越性。

基于改进遗传模拟退火算法的分布式光伏储能投资决策研究

文章考虑光伏出力的强随机波动性,基于地区光伏电站历史发电功率数据,采用改进的K中心点聚类算法提取光伏出力典型场景;考虑负荷、光伏出力时序特性,构建光伏、负荷联合时序场景。从场景发生概率角度出发,充分考虑光伏安装运维成本、售电、节能降损效益,以光伏电站经济效益最大化为目标,采用改进遗传模拟退火算法搜寻光伏电站最优位置和容量;采用超级电容平抑分布式光伏发电出力波动,以容量最小为目标优化储能装置充放电功率曲线,进而确定储能位置和容量。

遗传算法在广播电视频率指配中的应用和改进

本文介绍遗传算法及其在频率指配中的应用和改进,并以典型兼容关系矩阵为条件,对算法的性能进行测试比较。

改进GSA算法在协同制造任务分配中的应用

针对网络化协同制造中的任务分配问题,建立了以制造任务完成时间、完成成本、产品工艺质量为目标的多目标优化模型,提出了模型求解的改进遗传模拟退火(Genetic Simulated Annealing,GSA)算法。建立了协同制造任务分配的层次结构模型,应用模糊层次分析法分析了时间、成本和工艺质量等因素在协同制造任务分配过程中的相对重要性。设计了优化模型求解的改进遗传模拟退火算法,并结合具体实例验证了算法的有效性和优越性。

协作制造网络伙伴选择组合模型与算法研究

为满足快速响应市场需求、快速选择和配置资源,提出了三阶段协作制造网络伙伴选择组合优化模型;针对遗传算法早熟收敛和模拟退火算法搜索冗长问题,提出了基于邻域函数的尺度参数自寻优的改进遗传模拟退火算法,并在Delph i环境下通过实验仿真验证了算法的有效性。

电子侦察卫星任务调度方法

基于电子侦察卫星任务规划问题的特殊性,提出了规划预处理的基本方法,并基于合理假设建立了问题的多目标规划模型;设计了一种改进的遗传退火算法对模型进行求解,为防止最优解的丢失,引入了基于精英保留的选择机制,同时该算法有效避免了遗传算法局部优化能力差及模拟退火算法易陷入局部最优等缺陷。最后,通过实例将该算法与遗传算法(genetic algorithm,GA)及模拟退火算法(simulated annealing algorithm,SA)相比较,结果表明该算法能有效解决电子侦察卫星的任务规划问题。

基于粗糙集理论的多目标电网规划最优化模型

为综合解决电网规划中经济性与可靠性问题,提出以供电方投资开发成本最小和基于风险评估的负荷缺电风险成本最小为目标的优化模型。应用粗糙集理论分析每个目标函数的约束度,以确定每个目标函数在优化模型中的权值。采用改进混合遗传模拟退火算法来求解该模型下的多目标电网规划问题,并采用19节点的电网扩展规划算例验证了该模型的有效性。

人员柔性度对作业车间调度的影响研究

针对人力资源柔性与调度效果关系研究匮乏的问题,为了揭示两者之间的量化关系,提出了基于资源—能力矩阵对人力资源柔性分布进行表示的方法,建立了人力资源柔性约束下的作业车间调度问题模型,采用改进遗传算法对案例进行求解。案例分析证明了人力资源柔性程度对调度效果的显著影响,这为构建柔性制造系统提供了指导意见。

基于GASA的带时间窗航运空箱调运模型

空箱调运是航运集装箱运输中不可缺少的环节,当集装箱过早到达港口时会产生港口储存费用,当集装箱过晚到达港口时会产生机会损失成本。基于此,通过考虑集装箱种类及运输方式的多样性,建立了以总成本最小为目标带时间窗约束的空箱调运模型;在遗传算法基础上引入模拟退火算法对该模型进行求解,以一定的退火概率来确定是否接受变异;通过适应度排序来采取精英保留政策防止最优个体被破坏,并构造了惩罚项处理约束条件。研究结果表明:遗传模拟退火算法(GASA)能够有效的解决空箱调运问题。

配电网线路分段开关的优化规划

以分段开关加入后配电系统的可靠性成本和可靠性效益为目标函数,计及分段开关的年投资、年维护费用、系统停电损失等综合费用和相关技术约束,建立了配电网线路分段开关的优化规划模型,提出用改进遗传模拟退火算法来求解的研究思路,把遗传算法全局搜索能力强与模拟退火算法局部搜索能力强的特点结合起来,提高了算法的局部寻优能力,有效地解决了早熟现象,具有很好的全局收敛性。通过对IEEE RBTS BUSS局部网络分段开关的优化规划证明了该思路的有效性和科学性。

超磁致伸缩执行器磁滞模型的参数辨识

准确辨识磁滞模型参数是保证超磁致伸缩执行器位移控制精度的关键,而单一算法难以实现对超磁致非线性模型参数的精确辨识。该文提出了一种新型混合优化策略,即改进的遗传退火算法,并将其应用于对超磁致伸缩执行器位移磁滞模型参数的辨识。该算法兼顾了遗传算法和模拟退火算法的优点,同时还引入了机器学习原理,将模拟退火算法作为遗传算法中的种群变异算子,并将模拟退火算法中的抽样过程与遗传算法相结合。此算法不仅充分发挥了遗传算法并行搜索能力强的特点,且增强和改进了遗传算法的进化能力,同时提高了系统的收敛性和收敛速度,避免最优解的丢失。通过仿真和试验研究表明,该算法相对于遗传算法有更高的精度,可有效精确辨识超磁致伸缩执行器磁滞模型的参数。

城市物流无人机配送中心选址及任务分配研究

针对城市场景下物流无人机配送中心选址及任务分配问题进行了研究。首先,以经济总成本最小和时间可靠性最大为目标,综合考虑禁飞区空域限制和无人机自身性能构建了多约束条件下的无人机配送中心选址及任务分配模型。然后,设计了一种改进模拟退火遗传算法进行快速求解,并通过定义各目标函数的隶属度函数,引入自适应交叉概率,以适应度值为依据进行退温操作等方法提升算法的全局性和局部搜索能力。最后,经对照实验得出各代价权重取值的最优组合以及不同的空域环境条件对最终结果的影响。研究结果表明,模型可以实现预期效果,该算法在应对此类问题时具有良好的适应性。

基于云制造平台的供应链生产计划方法

提出了一种基于云制造平台的供应链生产计划方法.构建了以最大完工时间、总服务成本和总运输成本为优化目标的供应链生产计划模型,设计了遗传算法和改进遗传退火算法,对模型进行求解,建立了基于最大完工时间和总成本的算法选择模型.利用仿真算例比较了2种算法在不同情况下的求解效果,并给出了算法的选择准则.仿真结果表明,该方法能为以云制造平台为调度主体的供应链制定合理的生产计划.

基于IGSA-DESN的短时交通流预测方法

短时交通流的准确预测为智能交通系统的稳定运行提供了至关重要的技术支持。针对这一问题,提出了一种基于改进遗传模拟退火算法(IGSA)和深度回声状态网络(DESN)的短时交通流预测方法。该算法采用DESN网络对交通流量数据进行预测;并运用融合了并行搜索策略和自适应搜索策略的IGSA算法对DESN网络的超参数进行优化,得到能够使DESN网络预测性能最优的超参数值。最终利用最优超参数值构成的DESN网络对测试集数据进行预测。通过大量的对比实验表明,所提出的IGSA-DESN预测方法在短时交通流预测任务中有较好的预测性能与精准度。