基于双种群的混合免疫动态优化算法

针对传统的群智能算法在求解动态优化问题时出现的早熟收敛和多样性缺失等问题,提出一种基于双种群的混合免疫动态优化算法BPAIS。首先,受生物免疫系统中固有免疫反应和自适应免疫反应的启发,将初始种群根据适应度值分为2个种群——固有种群和自适应种群;其次,对固有种群进行固有免疫反应操作,在进行全局性搜索的同时保持种群的多样性,而对自适应种群进行自适应免疫反应操作,采用差分进化算法加强局部搜索能力,通过引入记忆跟踪机制在环境变化时跟踪局部最优解;最后,结合双种群的免疫反应和记忆跟踪机制,提出基于双种群的混合免疫动态优化算法,并在简单测试用例产生器(simple test-case generator,STCG)和移动峰测试函数上进行仿真实验。结果表明,BPAIS具有很好的动态优化能力,能够有效地跟踪和定位全局最优解,与其他算法相比,具有很强的竞争力。

基于动态混合遗传算法的配送路径优化

随着越来越多的突发性卫生事件爆发,人们对应急医疗物资的需求量与日俱增,但应急医疗物资配送效率低下等问题依旧存在。文中研究建立多配送点配送模型,该模型对多个应急医疗物资配送中心到多个配送点的配送路径进行有效地优化,并在计算过程中考虑客户时间窗与交通拥堵情况,达到提高客户满意度、节约成本、减少配送过程中所产生的碳排放量的目标,如同此类问题都归类为VRP问题(车辆路径规划问题)。在该模型的计算过程中采用动态混合遗传算法(DHGA),在改进的遗传算法中加入大规模领域搜索算法,解决遗传算法求解精确度过低、易陷入局部最优循环的缺点。最后将计算结果与传统遗传算法(GA)、粒子群算法(ACO)以及蚁群算法(ACO)进行对比,结果表明该算法相对于其他算法的各项指标都得到明显提升。

求解动态无功优化问题的混合免疫遗传算法

无功优化是电力系统运行中提高经济性和电压安全性的重要措施,为防止静态无功优化可能导致无功控制设备的频繁操作,考虑并联电容器投切组数和有载调压变压器变比档位的调节次数约束,建立了电力系统动态无功优化模型。提出免疫遗传算法与非线性内点法相结合的混合算法进行求解,其中免疫遗传算法处理离散变量,非线性内点法处理连续变量,并在免疫遗传算法中设计独特的编码方式,使抗体能够自动满足动态约束。采用IEEE14系统的24时段无功优化问题进行仿真计算,动态无功优化后离散控制设备的调节次数很少,有功损耗比静态优化结果仅有轻微增加,算例结果验证了混合免疫算法的有效性。

基于动态拥挤距离的混合多目标免疫优化算法

多目标免疫优化算法的研究目标是种群均匀分布于优化问题的非劣最优域并使算法快速收敛。为进一步提高多目标优化问题非支配解集合的分布均匀性和收敛性,提出了一种基于动态拥挤距离的混合多目标免疫优化算法。该算法基于动态拥挤距离来对个体进行比较和更新操作,从而保持最终解集的均匀分布,同时借鉴经典差分进化算法中的变异引导算子来加强免疫优化算法的局部搜索能力并提高搜索精度。基于5个经典测试函数的仿真结果表明,与其他几种有效的多目标优化算法相比,所提算法不仅在求得Pareto最优解集的逼近性、均匀性和宽广性上有明显优势,而且收敛速度也有较大的改进和提高。

双层级设施选址问题及其混合免疫优化算法

随着全球贸易化、跨境电商的日渐发展,B2C模式下的电子商务网络配送业务也日益庞大。仓储需求、货物流转量与日俱增,甚至面临供不应求的市场局面。结合B2C模式下仓库设施有容量且服务于每个配送中心、配送中心无容量且服务于多个客户的需求特点,文章以仓库、配送中心2个阶段的设施作为选址研究对象,建立了双层级设施选址的混合整数规划模型。针对该模型的特点,设计了一种改进的混合免疫优化算法对该问题进行求解,运用随机化与贪心聚类算法结合的方法生成初始解,再通过原始免疫优化算法对抗体进行评价排序,最后在免疫操作中加入交叉变异算子。将混合免疫优化算法与CPLEX进行对比,然后进行大量的算例测试,与其他3种算法的时间和结果进行比较,时间及其结果都取得了理想成果,验证了所提模型的可行性和所提算法的有效性。

免疫禁忌混合智能优化算法在配电网检修优化中的应用

从配电网设备检修计划编制的实际需要出发,建立了考虑多种约束条件、以配电网经济性最好为目标的检修计划优化模型。针对该模型的特点,提出了一种充分结合免疫算法与禁忌搜索算法优点的混和优化策略,该策略针对配电网检修计划优化问题的特点设计了3种疫苗,并且构造了2阶段变异,在优化前期使用禁忌搜索变异算子,而在优化后期恢复为一般变异算子,从而保证了算法的快速收敛。通过实际计算和分析,验证了文中所提出模型和算法的正确性和实用性,以及与遗传禁忌混合智能算法相比的优越性,实例计算结果表明本文所采用的方法是有效的,免疫禁忌混合智能算法在收敛速度,爬山能力,解的质量和稳定性上都要优于遗传禁忌组合算法,更适合求解配电网检修优化问题。

基于动态规划算法的并联混合动力客车控制策略优化

针对传统动态规划算法中存在的成本函数受SOC变化影响大、权系数的确定缺乏理论依据等问题,本文中为一并联混合动力客车提出了以等效油耗为成本函数和采用割线迭代法计算权系数的动态规划优化算法。根据一定假设搭建SIMULINK简化模型,按照成本函数和反向递推公式求取最优控制变量集合,并提炼出有效的控制规则,以改进控制策略。SIMULINK仿真和SIMULINK/CRUISE联合仿真两种结果表明,在中国城市综合工况下,动态规划优化算法比传统动态规划算法分别节油6.06%和3.23%,说明本文所提出的优化算法更加合理和节能。

一种基于动态抗体记忆库的免疫优化算法在自动需求响应中的应用

自动需求响应是智能电网与用户实现信息和能量互动的重要实现手段。为解决基于实时电价的自动需求响应技术应用中包含多类负荷用户的电能综合规划问题,建立优化问题的数学模型。针对该模型提出一种基于动态抗体记忆库的免疫优化算法。设计依据二重亲和度阈值检测的抗体记忆库更新机制,在优化结束后能够为用户提供多个备选可行解。采用先验知识疫苗接种的方法,提高算法的求解精度。通过抗体种群的优值马尔可夫链的转移概率分析,证明了算法的收敛性;利用实际算例验证了所提算法的有效性。对比分析的结果表明,所提算法比其他算法具有更好的全局优化能力和搜索效率。

基于预测策略的动态多目标免疫优化算法

为了有效解决动态多目标优化问题,文中提出了一种新的基于预测策略的动态多目标免疫优化算法.该算法首先采用相似性检测算子较好地检测到环境的变化.同时利用前几个时刻的最优非支配抗体解集建立新的预测模型来预测产生新时刻的初始抗体种群,进一步提高了算法对环境变化的反应能力.此外,通过引入基于两种不同的父代个体选择策略而改进的差分交叉算子来加快算法的收敛速度.文中采用几个典型的标准测试问题验证算法的有效性,实验结果表明,提出的相似性检测算子的预测模型可以提高算法的跟踪能力,而改进的差分交叉算子能够提高算法的收敛性能.

基于免疫算法和EDA的混合多目标优化算法

在免疫多目标优化算法的基础上,引入了分布估计算法(EDA)对进化种群进行建模采样的思想,提出了一种求解复杂多目标优化问题的混合优化算法HIAEDA(hybrid immune algorithm with EDA for multi-objective optimization).HIAEDA的进化过程混合了两种后代产生策略:一种是基于交叉变异的克隆选择算子,用于在父代种群周围进行局部搜索的同时开辟新的搜索区域;另一种是基于EDA的模型采样算子,用于学习多目标优化问题决策变量之间的相关性,提高算法求解复杂多目标优化问题的能力.在分析两种算子搜索行为的基础上,讨论了两者在功能上的互补性,并利用有限马尔可夫链的性质证明了HIAEDA算法的收敛性.对测试函数和实际工程问题的仿真实验结果表明,HIAEDA与NSGAII算法和基于EDA的进化多目标优化算法RM-MEDA相比,在收敛性和多样性方面均表现出明显优势,尤其是对于决策变量之间存在非线性关联的复杂多目标优化问题,优势更为突出.

基于混沌免疫混合算法的多目标无功优化

针对目前评价多目标函数解的不足,提出了将多目标函数各个解映射成多维空间中不同的点,利用这些点与理想点之间的欧氏距离来衡量各个解的优劣;同时针对无功优化、混沌优化算法和免疫算法的特点,提出了在采用免疫算法进行无功优化的记忆抗体群中,运用混沌优化方法和免疫算法的交叉和变异等操作对无功优化的连续变量和离散变量进行交替优化求解,并将它们运用于以降低有功损耗,提高电压稳定裕度及减小电压偏移为目标的无功优化中;通过IEEE-30和IEEE-118节点算例系统验证了混合算法及最优解评价方法的正确性和可行性。

基于人工免疫算法的电梯交通动态分区的优化

提出了一种利用新兴的人工免疫算法优化电梯高峰客流动态分区的新方法 ,实现了非连续楼层的优化计算 .剖析了电梯交通的动态分区模型 ,设计了动态分区模型的人工免疫算法 ,并对之做了比较仿真研究 .仿真结果表明 ,基于该算法的动态分区在处理客流分布不均匀的电梯交通时 ,表现出良好的性能 .该算法能快速地找到电梯交通的最优分区或者次最优分区 ,具有一定的应用价值 .

基于免疫算法的午饭时期层际高峰交通电梯群控制的动态优化

层际高峰交通是上行高峰、下行高峰与层间交通客流的融合,午饭交通就是发生在现代办公楼内的层际高峰交通之一,基于午饭时期层际高峰交通的特点,本文提出了一种利用人工免疫算法实现电梯群控制动态优化的策略．该策略采用两级优化控制,利用常规的THV算法对层站召唤分配实施局部优化,采用人工免疫算法定时对层站召唤分配实施全局优化．同单纯的THV算法相比,本文提出的组合算法将平均的系统等待时间降低了21．26%,仿真结果表明,本文提出的优化控制策略能够改善午饭时期电梯系统的服务性能,具有较好的现实意义和研究价值。

采用启发式策略的动态无功优化混合算法研究

严格考虑控制设备的动作次数限制,建立一个完整的非线性混合整数动态无功优化模型。结合混合算法,把离散变量和连续变量分开优化,分别使用改进后的遗传算法和内点法求解,以改善算法的收敛性和计算速度。将动态约束分为设备一天内调节次数限制和变压器相邻时段调节次数限制,提出全局调整策略和局部调整策略来分别处理这两类动态约束,使离散变量严格满足动作次数限制。启发式策略的应用使算法既能严格保证离散变量的动态约束,又能充分保留其动作自由,得到可行的最优解。Ward-hale6和IEEE30节点系统的仿真结果证明提出算法的有效性。

动态免疫优化算法及其在背包问题中的应用

利用人工免疫系统的学习、记忆、识别等功能,提出一种动态免疫优化算法(DIOA),用于解决一类高维动态约束优化问题。其中对可行抗体进行克隆突变操作,非可行抗体按价值密度使用贪婪算法进行修正,环境识别模块借助记忆细胞产生新的环境初始群,从而加快算法收敛速度。利用DIOA求解不同环境下的高维背包问题,结果表明,与同类算法相比,该算法能更快地跟踪最优值,收敛效果更好。

动态无功优化的混合智能算法

针对存在离散控制设备动作次数约束的动态无功优化问题,提出免疫遗传算法和非线性内点法的混合算法.首先忽略控制设备的离散性和动作次数约束,采用非线性内点法求解初始优化解;然后按照控制变量的性质将原问题分解为连续优化与离散优化2个子问题迭代求解.在离散优化问题中,保持连续变量不变,采用免疫遗传算法优化离散变量,通过特别的编码方式使抗体自动满足动作次数约束;在连续优化问题中,保持离散变量不变,采用非线性内点法优化连续变量.混合算法充分结合了免疫遗传算法和非线性内点法的优点,能较快求解动态无功优化的近似最优解.IEEE14节点系统的仿真结果验证了混合算法的有效性.

基于免疫机理的动态函数优化算法

基于免疫细胞在生发中心反应时的进化与学习机理,提出了一种新的动态函数优化算法.该算法模拟了多群体细胞以及细胞的多样性、再循环和免疫记忆功能,其特点是,由基群体和克隆群体产生多个搜索子群体,群体细胞的亲和度会反向调节它的变异率,产生并更新大小有限的记忆细胞池,连续检测函数是否变化.用移动峰函数作为动态环境下的测试基准,以离线误差的平均值作为算法性能的评价指标进行了仿真实验.结果表明,所提算法能够在函数变化频率不大的情况下,以较小的平均误差和方差逼近函数最优值,完成动态函数的优化任务.

基于PSO-BBO混合优化算法的动态经济调度问题

动态经济调度(Dynamic Economic Dispatch,DED)问题是电力系统运行与控制领域比较经典的多变量、非线性、强约束优化问题。为解决该问题,提出了将粒子群优化算法(Particle Swarm Optimization,PSO)和基本生物地理学优化算法(Biogeography-Based Optimization,BBO)相结合的改进生物地理学优化算法,并将该改进方法应用于一天24时段10机39节点标准算例。在考虑网损与不考虑网损两种情况下分别进行仿真分析,并将仿真结果与PSO和基本BBO算法以及参考文献中提出的六种智能算法进行对比,验证了该改进算法的有效性及在寻优能力上的提高。

基于混合变量动态优化算法的含风电电力系统多目标动态优化调度

由于风电功率具有随机性、不确定性等特点,从系统安全稳定运行的角度出发,文章综合考虑了机组的故障停运、负荷与风电的预测偏差这三种不确定因素,将概率性旋转备用用解析式表达,并将其引入到含风电场电力系统多目标多时段的动态优化调度模型及约束条件中。基于NSGA-II设计了一种0-1混合变量动态优化算法来求解该模型,该算法根据分层优化的方法处理整数混合变量,以达到同时实现机组启停与负荷分配的多目标优化;在求解过程中引入超前调度思想,对相邻时段约束耦合进行处理,从而实现多时段的动态优化调度。最后通过算例对模型进行仿真分析,仿真结果验证该模型的合理性和算法的有效可行性。

基于免疫粒子群混合优化算法的新型派梯策略

基于人工免疫优化算法和粒子群算法的优缺点可以互补的特性,提出了免疫粒子群混合优化算法,并将其应用于混合电梯群控系统中进行派梯优化.将仿真结果与人工免疫优化算法、粒子群优化算法的结果进行对比,发现免疫粒子群混合优化算法显著地提高了混合电梯群控系统的长时等待率和电梯运行量,而平均等待时间的改善不明显,说明免疫粒子群混合优化算法在优化派梯方案方面表现出良好的效果,具有优越性.