基于启发式算法的时间延伸网络研究与应用

提出了时间延伸网络模型,该模型模拟接到自然灾害预警时如何在有效的时间内最大限度地撤离人群,及最大化地减少自然灾害的损失。将启发式算法与时间延伸网络相结合,并把影响地区分割为点,通过区域之间的公路交通连接形成一个随时间动态变化的撤离网络,实时地将受灾地区的人群撤离到安全地区。随着时间的推移,有些点可能完全被影响,需要动态地重组撤离网络,以在最短的时间内将受灾群众撤离。研究模型以及方法对于地震等其他自然灾害中人群的撤离,以及交通堵塞的疏散也有一定的借鉴作用。

基于启发式算法的电力系统最优潮流计算

本文通过理论分析和仿真计算,比较了两种自启发算法在电力系统调度的核心问题——最优潮流(Optimal Power Flow)计算问题。最优潮流问题是一个大规模多变量多约束的非线性规划问题,因此传统的算法很容易使寻优过程陷入局部最优。但是局部最优解不一定是目标函数在控制变量可行域内的最优解,于是需要用全局优化性能良好并且计算效率高的算法来解决最优潮流问题。在对各种自启发算法进行深入研究,了解各种算法的特点后,首先,选择了具有代表性的自启发算法——粒子群算法来计算电力系统最优潮流问题;然后,为了充分说明各种自启发算法的全局寻优能力以及每种算法计算小型、中型电力系统最优潮流时的不同特点,基于MATLAB仿真工具,将两种自启发算法分别应用到IEEE30和IEEE 118节点系统最优潮流的计算中。最后,通过自启发算法计算结果比较、分析,说明了自启发算法在计算最优潮流时的性能和特点。

我国原油远洋运输的运作模式及面临挑战

我国原油远洋运输已发展成为集团化联盟运作模式,集团公司下属各家炼厂将采购的零散批次油品合理地拼装到大型油轮进行收集-运输-配送,从而节省远洋运输费用。原油远洋运输方案优化是一种包含空间、时间、船型及油种等多种维度变量组合优化的NP(Non-deterministic Polynomial)难问题,使运输优化模型的建立和求解面临极大的挑战。采用现代自启发式算法可以实现原油远洋运输方案优化,在算法实现过程中,应该改进编/解码规则实现约束因素的限制,减少罚函数的使用;对于大规模数据,建议采用方案分解优化方法,将各局部优化方案拼接成全局优化方案;建议进一步探索采用并行计算甚至"云计算"的方式,提高优化运输方案的搜索时效。