基于混合量子遗传算法的微电网电源优化配置

根据风光资源情况、各分布式电源输出特性以及用户对供电可靠性的要求,研究了风光储互补独立微电网电源优化配置问题。采用自适应罚函数法对其目标函数进行修正,使得在满足用户供电可靠性要求的前提下,经济性达到最好。在求解过程中,结合自适应旋转角调整策略、量子位交叉变异操作和群体灾变思想,提出了一种新的混合量子遗传算法。最后,对一个实际算例进行仿真,将其优化结果与典型量子遗传算法和普通遗传算法的优化结果进行对比,结果表明,该方法不仅能快速收敛,而且全局寻优能力强。

改进量子遗传算法在PID参数整定中应用

参数整定是PID控制器设计的关键,针对PID控制器参数整定问题,提出一种基于改进量子遗传算法的参数整定方法。该算法在基本量子遗传算法的基础上引入了量子交叉、量子变异和群体灾变操作。基于改进量子遗传算法的PID参数整定方法将PID控制器参数整定转化为参数优化问题,通过改进量子遗传算法的进化计算实现参数整定。与其他参数整定优化算法的仿真结果比较表明,该方法能获取更好的控制品质,仿真结果验证了该方法的可行性。

基于改进量子遗传算法的电力系统无功优化

提出一种基于改进量子遗传算法的电力系统无功优化方法。该方法借鉴量子计算的一些概念,采用量子比特对控制变量编码,这种编码方式能表示出许多可能的线性叠加态,从而更好地维持种群的多样性。同时利用搜索到的最佳个体信息更新量子门,加快了该方法的收敛速度,采用群体灾变策略防止该方法陷入"早熟"。分别采用线性规划算法、复合形算法、改进禁忌搜索算法、标准遗传算法、自适应遗传算法和该方法对IEEE6和IEEE30节点系统进行无功优化,实验结果表明,该方法全局寻优能力强、收敛速度快。

一种改进的免疫克隆选择算法

针对传统免疫克隆选择算法收敛速度较慢的问题,结合克隆概率和免疫概率的自适应变换、群体灾变算法以及有无记忆库思想,提出了无记忆库的自适应免疫克隆选择算法与有记忆库的自适应免疫克隆选择算法,并将其应用于TSP问题.群体灾变算法的应用便于使算法尽快摆脱迟钝状态,并使算法能够保持抗体多样性.自适应方法的应用使得算法在进化初期有较强的全局搜索能力和较弱的局部搜索能力,随着进化的进行,全局搜索能力逐渐减弱,局部搜索能力逐渐增强,便于找到全局最优点.仿真实验结果表明,与传统的免疫克隆算法相比,该算法有效克服了早熟问题,保持了抗体的多样性,而且收敛速度较快.