电力系统机组组合问题的系统进化算法

提出了一种适用于解决大规模电力系统机组组合问题的新型优化算法———系统进化算法，与常规的优化算法相比，该方法具有更强的适应性和鲁棒性，能处理高维数、非凸、离散、非线性的实际系统优化问题。系统进化的思想具有方法论的意义，根据实际问题的不同特征可以设计不同的系统进化算法。这种方法的提出可以为复杂系统的优化规划。

基于ADE算法的LSSVM在混沌时间序列中的应用

为了提高基于最小二乘支持向量机(LSSVM)模型的时间序列预测方法的泛化能力及预测精度,研究一种基于自适应差分进化算法(ADE)的最小二乘支持向量机模型(ADE_LSSVM)。首先利用相空间重构技术对样本数据进行相空间重构,再利用ADE对LSSVM的两个参数进行组合寻优,最后利用Lorenz系统对模型进行仿真试验并与未进行参数优化的LSSVM预测结果对比。结果表明,ADE_LSSVM方法是一种可行的、有效的混沌时间序列预测方法,可为今后的科学研究提供新的理论思想。