基于混合纵横交叉算法的机组组合优化

针对机组组合问题的特点,提出一种混合纵横交叉算法(crisscross optimization,CSO),分别用离散CSO和连续CSO优化机组的启停状态和机组的功率分配.进化过程中,通过横向交叉在不同粒子的相同维进行交叉保证算法的全局收敛能力,纵向交叉在相同粒子的不同维进行交叉克服局部最优问题,两者通过一个竞争算子完美地结合,既加快了收敛速度,又能保证全局收敛能力.引入启发式策略修正最小开停机时间、功率平衡等约束条件,有效地提高了求解的精度.通过2个算例的仿真以及与其他算法的比较,验证了该算法的可行性和优越性.

一种催化粒子群算法及其性能分析

针对粒子群算法(PSO)在解决高维、多模复杂问题时容易陷入局部最优的问题,提出了一种新颖的混合算法—催化粒子群算法(CPSO)。在CPSO优化过程中,种群中的粒子始终保持其个体历史最优值pbests。CPSO种群更新由改造PSO、横向交叉以及垂直交叉三个搜索算子交替进行,其中,每个算子产生的中庸解均通过贪婪思想产生占优解pbests,并作为下一个算子的父代种群。在CPSO中,纵横交叉算法(CSO)作为PSO的加速催化剂,一方面通过横向交叉改善PSO的全局收敛性能,另一方面通过纵向交叉维持种群的多样性。对六个典型benchmark函数的仿真结果表明,相比其他主流PSO变体,CPSO在全局收敛能力和收敛速率方面具有明显优势。

梯级电站群短期水火联合经济调度优化方法

针对多约束、非线性、不可微的梯级电站群短期水火联合经济调度优化问题,在标准灰狼算法的基础上,提出了一种基于改进灰狼算法的梯级电站群短期水火联合经济调度优化方法以处理该复杂优化问题。该算法通过融入纵向交叉操作以修正狼群前进方向,改善算法的全局收敛性;采用一种新型约束处理方法,解决传统差额约束处理方式无法处置的强耦合关系变量的违约问题,提高算法的计算效率。仿真结果表明:该优化方法不仅克服了标准GWO的缺陷,且在求解质量、精度、收敛性和稳定性等方面较其它算法具有明显优势。

一种改进的蝴蝶优化算法

针对蝴蝶优化算法存在的收敛速度慢和易陷入局部最优等问题,提出一种改进的蝴蝶优化算法.采用混沌反向学习策略和非线性惯性权重,实现了种群的多样性和算法全局探索和局部探索的平衡,提高了算法的收敛速度和寻优精度;采用高斯扰动策略和纵向交叉策略,增大了算法的局部搜索范围,避免陷入局部最优.选取12个基准函数进行测试,将改进算法与对比算法在收敛速度、收敛精度、高维数据验证、Wilcoxon和Friedman检验五个方面进行对比分析,实验结果表明,该算法寻优精度更高、收敛速度更快、稳定性更好、并且可以有效避免陷入局部最优,具有更好的优化能力.