基于改进NSGA2算法的配电网分布式电源优化配置

基于NSGA2算法存在收敛性和分布均匀性不足的问题,文中研究了一种改进的NSGA2算法,该算法使用算术交叉算子和精英交叉策略,并引入了伪适应度值的概念。同时,为更好地研究分布式电源选址定容问题,文中建立了以有功网损和节点电压偏移为目标的分布式电源选址定容模型,并用改进算法对该模型进行求解,最后在MATLAB软件下以IEEE-33节点系统为例进行测试,仿真结果与传统的NSGA2算法进行比较,证明了该方法在分布式电源优化配置方面的有效性和优越性。

融合Sin混沌和分段权值的阿基米德优化算法

针对阿基米德优化算法(Archimedes optimization algorithm,AOA)存在全局搜索能力弱、收敛精度低,易陷入局部最优等问题,提出融合Sin混沌和分段权值的阿基米德优化算法(SAOA)。采用无限折叠迭代的Sin混沌反向学习策略初始化种群,提高初始阶段解的质量,为全局搜索多样性奠定基础;引入算数交叉算子,将当前个体向与全局最优个体进行交叉,引导种群向最优解区域寻优,提高全局搜索能力;引入分段权值策略,平衡算法的全局勘探与局部开发能力,降低算法陷入局部最优的概率;通过对8个测试函数和部分CEC2014函数进行仿真实验及Wilcoxon秩和检验来评估改进算法的寻优性能,实验结果表明改进算法在搜索精度、收敛速度和稳定性等方面均有较大提升。另外,引入优化机械设计案例进行测试分析,进一步验证SAOA在工程优化问题上的可行性和适用性。