食物链生态进化算法的改进及其在输电网络规划中的应用

基于食物链生态进化算法各级种群的规模和品质的不同特点,提出了在低级种群和中级种群中分别采取确定式采样选择和比例选择、高级种群不进行选择操作而采用最优保留策略的改进方法,并将其应用于求解输电网络扩展规划问题。所提出的改进方法进一步均衡了食物链生态进化算法的全局搜索和局部搜索能力,改善了其收敛性能。以具备新建(扩建)线路的走廊作为决策变量,并用实数进行编码,缩短了码串长度。通过对18节点系统的计算,得到了已有文献给出的多个全优和局优方案,并获得了其他文献还未给出的四个比较理想的局优方案。采用所提方法对一个实际系统进行了规划,验证了其适应性。

基于食物链的生态进化算法

借鉴生物在生态环境中的能量传递方式一食物链，提出了一种多模式协同的生态进化算法。同时将该算法应用于典型优化问题求解，实验结果表明此算法具有良好的性能。

配电网重构的食物链生态进化算法

以降低网损为目标函数,将食物链生态进化算法(EEAFC)应用于配电网重构。该算法模拟生态食物链多种群并存的竞争进化方式,提高了个体的多样性和进化的层次性,具有良好的全局和局部搜索能力,避免了已有仿生类算法未成熟收敛等缺陷。根据配电网的特点,提出了基于独立环路的实编码方法,显著降低了变量维数。在对开关的运行方式采用断开、闭合、常闭、联闭4种状态描述的基础上,进一步将联闭状态分为直接联闭和间接联闭2类,并根据它们各自的特点,采用相应的处理方法,确保迭代过程中搜索到的所有解都自动满足网络辐射状及无孤岛的运行要求。对IEEE16节点、IEEE33节点和IEEE69节点3个不同规模测试系统进行分析计算,并与遗传算法及相关文献结果进行比较,结果表明所提算法具有快速的全局寻优能力。

基于食物链生态进化算法的多阶段输电网络规划

将模拟生物界能量传递方式的食物链生态进化算法应用于多阶段输电网络规划。根据食物链生态进化算法收敛性受初始食物链上个体分布影响较大的特点,提出了一种初始化方法。该方法使得初始种群广泛分布于搜索空间,避免了完全随机初始化群体分布不合理的缺点。根据多阶段输电网络规划的特点,提出了以待选线路为决策变量,规划阶段号为搜索域的实数编码方法,解决了决策变量维数随着规划阶段数的增加而增加的问题。根据食物链中低级种群和中级种群品质较低的特点,提出了大变异策略,使得低级种群和中级种群可以快速产生新个体,改善群体品质,避免"早熟"。将所提方法应用于19节点系统,得到了现有文献中有关该系统的最优规划方案,表明该方法的可行性和有效性。

融合退火机制的食物链生态进化算法的输电网规划

为改善传统食物链生态进化算法某些方面存在的缺陷,提出一种综合两种智能优化方法优点于一身的混合搜索算法进行输电网优化规划。算法将整个输电网构造呈高、中、低三级种群排布的食物链,算法基于改进的适应度函数模型,结合自适应协同遗传进化机制,指导食物链向符合输电网规划问题的实际方向进化,缩短算法寻优进程。采用模拟退火机制更新个体信息,有效增强了食物链进化的多样性,避免了算法陷入局部最优的风险。食物链进化过程中采用十进制整数编码来提高算法速度和精度。18节点系统仿真结果表明,该混合搜索算法较传统单一智能算法,具备全局寻优能力强、收敛速度快的优势。

改进人工生态系统优化算法解决光伏模型参数辨识问题

光伏模型同时具有非线性和多模态的特点,传统算法在对其参数识别时易陷入局部最优,且识别精度不足。提出了一种改进的人工生态系统优化算法(IAEO),通过引入非线性控制参数调整策略来平衡探索与开发的关系,利用混沌的遍历性和非重复性来增强算法的探索能力。仿真实验表明,在单、双和三二极管和光伏组件模型上,改进算法的参数识别精度均超过99.9%,相较于原算法的RMSE值在四种模型上平均提高5.5%,和五种先进算法对比具有较强的优势。采用厂商真实数据对薄膜、单晶和多晶3种光伏组件在不同的光照和温度条件下进行测试,改进算法在不同环境中依然保持较高的准确性和稳定性。

基于生态算法的城市建设用地结构优化

借鉴自然生态系统解决优化问题的思想和机制,提出了"城市土地生态系统"概念.首先定义城市土地生态系统的结构及其自主进化机理,然后创建城市土地生态系统自主进化过程的算法模型——城市土地生态系统进化算法(简称城市生态算法).最后,构建城市建设用地结构优化数学模型,并使用城市生态算法进行求解.选取上海市作为算法应用实例,结果表明城市生态算法能够很好地解决城市建设用地结构优化问题.

基于链式遗传-模拟退火混合算法的电网扩展规划

将模拟退火机制引入到食物链生态进化算法,提出了链式遗传-模拟退火混合算法(CAGSAH),对种群执行并行退火操作,弥补食物链生态进化算法爬山能力不足,提高算法全局寻优能力。给出了链式遗传-模拟退火混合算法的详细计算流程,并将其应用到求解电网扩展规划问题,实际计算结果显示链式遗传-模拟退火混合算法在搜索效率及收敛性能上明显优于食物链生态进化算法。