自适应对偶种群遗传算法及其在电磁场优化设计中的应用

针对标准遗传算法局部寻优能力不足以及算法早熟等问题,提出一种改进的遗传算法,即自适应对偶种群遗传算法。基于标准遗传算法,该算法引入了对偶种群以及基于迭代次数的自适应终止规则。在进化中,首先找出进化过程中的最优个体,此后每代个体相对于最优个体进行对称变换以生成对偶种群;其后通过环境选择操作保留两个种群中的精英个体用于下一代的进化。通过对标准测试函数的求解,自适应对偶种群遗传算法较之标准遗传算法能更快更稳定地收敛到最优解。最终,将该算法应用到超导磁储能系统优化设计问题,取得了满意的结果,证实算法对电磁设备优化设计的价值。

基于遗传算法的光纤传感器网络优化布置研究

考虑到在用于对大型结构和工程机械健康监控的系统中,需要对传感器网络的布置进行优化以提高传感器网络精度、可靠性,降低传感网络的成本等问题。本文主要针对光纤光栅传感器网络布置优化问题进行研究,研究传感器布置角度对监测结果的影响,并使用GA算法对传感器布置角度进行优化。常规的GA算法通常存在算法早熟以及局部寻优能力弱等问题。本文提出一种改进型GA算法,通过引入自适应对偶种群、自适应终止规则以及新的生成子代规则来保证种群在迭代过程中的多样性以解决算法早熟问题,并且要提高算法的搜索效率以提高算法对局部寻优的能力。最后通过实验验证本文提出基于改进型GA算法的光纤光栅传感器网布的优化布置方法的有效性。

基于遗传算法的Web文档聚类算法

考虑到传统Web文档聚类算法聚类效果差、速度慢等问题,针对Web文档聚类算法进行深入研究,使用目标优化策略将Web文档聚类认为是最佳划归文档集合的范畴,并通过引入优化算法进行聚类划分。针对使用SVD表示的Web文档向量存在高维稀疏性等问题,使用LDA对Web文档簇的潜在语义子空间进行重构,从而降低Web文档向量空间的维数,最后在低维空间使用遗传算法进行寻优。常规的GA算法通常存在算法早熟以及局部寻优能力弱等问题。故提出一种改进型GA算法,通过引入自适应对偶种群、自适应终止规则以及新的生成子代规则来保证种群在迭代过程中的多样性以解决算法早熟问题,并且要提高算法的搜索效率以提高算法对局部寻优的能力。最后通过实验验证提出的基于改进型GA算法的Web文档聚类算法的聚类有效性。

电力配网系统无功优化方法研究

考虑到常规遗传优化算法进行电力配网系统的无功优化时,算法的早熟问题以及局部寻找最优解能力欠缺造成了优化结果收敛速度和收敛精度较低等问题,该文将自适应对偶种群、自适应终止条件以及全新的子代生成条件引入以形成一种改进型遗传优化算法,在种群迭代过程中保证种群的多样性以避免优化算法早熟现象,以及对优化算法的搜索效率进行加快以提高局部寻找最优解能力。通过实验IEEE57和IEEE30节点系统作为测试平台,使用常规遗传优化算法和可控交叉遗传算法(CCGA)与该文研究的改进遗传优化算法进行对比,使用相同的实验条件和实验数据进行测试。结果表明该文研究的改进遗传算法具有最好的优化效果,该算法计算得到的平均网损均低于其他优化算法,收敛精度和收敛速度更高,能够在局部最优解处跳出,距离目标函数的全局最优解更加接近。

电力配网系统无功优化方法研究

本文首先阐述了无功优化的数学模型和改进遗传优化算法,然后通过实验对电力配电网络无功功率优化性能进行了研究。