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。

一种基于变异蚁群算法的分类规则挖掘算法

Parepinelli等人提出了基于ACO的分类算法。算法实质上是一种序列覆盖算法：蚁群搜索一个规则，移去它覆盖的样例，再重复这一过程．从而得到共同覆盖样例的一组规则。针对蚁群算法计算时间长的缺点，文章采用了新的启发函数及信息素更斯方法，并引入了精英群交叉变异策略。对两个功用数据的实验及其和Ant—Miner的对比表明，该算法有更强的预测分析能力，能够发现更好的分类规则集？以及形式更简单的规则。实验同时显示该算法有效节约了时间。