进化规划算法的时间复杂度分析

进化规划算法是求解连续优化问题的一类进化算法,是进化计算的一个重要分支.在进化规划算法的理论研究上,已有学者证明了其收敛性.然而,进化规划算法的时间复杂度分析是进化计算领域一大难题,目前相关的研究成果很少.基于吸收态Markov过程模型,以期望收敛时间作为研究进化规划算法时间复杂度的指标,提出了进化规划算法期望收敛时间的估算方法,并以此作为算法时间复杂度分析的理论依据.最后分析了Gauss变异进化规划算法的期望收敛时间,作为提出理论的应用举例.

一种求解电网多目标模糊优化运行的自适应进化规划算法

从随机优化技术及生物进化机制角度出发 ,设计出一种新颖的自适应进化规划算法。该算法包含了 2个重要部分 :①采用倒指数形式来描述均方差与适合度之间的关系 ;②在寻优过程中 ,变异量自适应发生改变 ,并结合模糊集理论应用于求解具有可伸缩约束的电网多目标模糊优化运行问题 ,求解时对优化模型、遗传操作等方面进行了探讨。试验系统的计算结果表明 ,该算法具有很强的自适应性及通用性 ,在全局收敛特性、约束项的处理、算法复杂度及运算效率等方面显示了一定的优势 ,体现了求解电网多目标优化运行的良好前景。

应急资源调度问题的改进进化规划算法研究

针对应急资源调度问题,建立一种多资源时间-成本调度模型。设计了进化规划算法的全局变异算子和局部变异算子,根据全局变异前后个体适应度值和分量值的变化趋势,实现定向变异。构建了具有惩罚系数的适应度函数,给出了改进的进化规划算法种群进化策略。计算实验表明,改进的进化规划算法具有较强的局部寻优能力,在收敛速度和求解精度方面优于比较的遗传算法、差分进化算法和进化规划算法,解决了标准进化算法的早熟收敛问题。

基于学习的进化规划算法

提出基于学习的进化规划算法 ,用以改进普通进化规划算法的性能 .该算法一方面通过学习种群整体的进化信息用以改善种群整体性能 ,具有大范围快速搜索的特点 ;另一方面该算法强调学习种群中个体的进化信息 ,单一个体以当前代的最优个体作为学习目标 ,用以加大当前最优解附近的搜索力度 ,具有局部“细搜”的特点 .该进化规划算法不仅能够加快算法的收敛速度 ,而且能够有效地保证种群的多样性 .用该方法可求解具有多个极值点的函数优化问题 。

双种群差分进化规划算法

标准差分进化算法(SDE)具有算法简单,控制参数少,易于实现等优点。但在难优化问题中,算法存在收敛速度较慢和容易早熟等缺陷。为克服此缺点,提出一种改进算法——双种群差分进化规划算法(BGDEP)。该算法将种群划分为两个子群独立进化,分别采用DE/rand/1/bin和DE/best/2/bin版本生成变异个体。每隔δt(取5～10)代,将两个子群合并为一个种群,再应用混沌重组算子将之划分为两个子群,以实现子群间的信息交流。在双种群协同差分进化的同时,应用非均匀变异算子对其最优个体执行进化规划操作,使得算法具有较快的收敛速度和较强的全局寻优能力。为测试BGDEP的性能,给出了4个30维benchmark函数优化问题的对比数值实验。结果表明,BGDEP的求解精度、收敛速度、鲁棒性等性能优于SDE、双种群差分进化(BGDE)和非均匀变异进化规划(NUMEP)等4种算法。

进化规划算法在变压器故障诊断中的应用

人工神经网络常用的 BP算法有易陷入局部极小、收敛速度慢等缺点 ,故利用进化规划来快速求取近年广泛应用于变压器故障诊断的人工神经网络的参数 ,完成该网络的训练 ,实现变压器故障诊断 。

一种结合知识挖掘的进化规划算法

进化规划是一种进化计算方法。进化规划主要使用随机化技术来实现优化过程。与其它进化算法相比,进化规划只有变异操作,而没有交叉操作,因此变异操作的有效性对进化规划算法的成功至关重要。在传统进化规划算法中,进化规划的变异操作具有完全的随机性,这虽然有利于避免局部极值,但却导致较大的计算量。在本文算法中,将知识挖掘技术引入进化规划之中。知识挖掘技术主要用于发现规则,然后利用发现的规则指导变异操作过程,提高变异操作的效率。最终加快了进化规划算法的速度,而计算效果没有明显下降。通过知识挖掘技术的引入,进化规划算法有了初步的智能特性。将本文所介绍的新算法应用于视频编码的运动估计实验中,结果表明新算法有良好的计算速度和计算精确性。

基于进化规划算法的原料库存优化系统

库存控制是现代企业特别是连续生产企业物流管理的一项重要内容.针对某有色冶金企业原料库存的实际情况,建立了一个以资金损耗最小为直接性能指标的原料库存优化模型,并利用一种进化规划的算法对该模型进行优化.仿真及实际运行结果表明:进化规划的搜索过程比较平稳,同时还能加快遗传进化的速度,得到了令人满意的全局最优解.

改进的进化规划算法

针对一般的非线性规划问题,把聚类思想、Hooke-Jeeves方法与进化规划算法结合起来给出了改进的进化规划算法,并把给出的算法应用到两个数值例子上,数值结果表明算法是有效的。

基于进化规划算法的配电网运行方式定制方法

为了实现配电网运行经济性与可靠性的协调,提出一种基于进化规划算法的配电网运行方式定制方法。以定制周期内电能损耗最小为目标,以供电可靠性、潮流平衡、电压幅值、电流偏移等为约束条件,并计及配电网辐射型、无孤岛运行方式的约束,通过结合改进随机变异策略的进化规划算法对配电网开关状态向量进行寻优搜索,解决了考虑多种约束条件下配电网运行方式的定制问题。算例分析结果表明,该方法可在保证供电可靠性的基础上获取具有低电能损耗的配电网运行方式,对于科学地制定配电网运行计划,提高配电网运行管理的规范性,具有重要的意义。

基于改进进化规划算法的配电网电容器实时投切策略

以超短期负荷预测及日发电计划为基础的配电网电容器实时投切操作,对无功优化算法有很高的要求。针对目前实时投切算法优化效果较差、效率低、难收敛的问题,提出以运行经验为约束的用于电容器优化投切的改进进化规划算法。利用大量实际运行经验来制约解的产生以及进化,缩小寻找空间,提高智能算法的搜索效率。使用超短期负荷预测取代原有的24 h日负荷曲线作为电容器实时优化投切的实时负荷数据,能更接近实际运行时的负荷,使降损、调压的效果愈加明显。利用上述改进的电容器实时投切算法对IEEE69节点系统进行优化计算,结果表明:提出的实时投切方案网损下降更多、效率更高,满足在线应用的要求。

进化规划算法在分布式电源选址和定容中的应用

在当今电力系统中,越来越多的分布式电源投入使用。分布式电源一般部署在配电系统负荷中心附近,分布式电源并入电网,对降低网损、维持电压稳定、保证供电可靠性、构建坚强智能电网等都具有十分积极的意义。为了达到上述的积极影响,很有必要对分布式电源的选址和定容进行深入研究。本文以降低网损为目标建立了目标函数,为了获取分布式电源的最优位置和容量,采用了进化规划算法,对IEEE69配电测试系统进行了仿真分析,结果表明该方法准确可靠,并将仿真结果和遗传算法进行了比较,验证了进化规划算法在分布式电源选址和定容中的可行性。

基于自适应进化规划算法的水电站厂内经济运行方法

为合理安排水电站厂内经济运行,提高水电站经济效益和综合效益,提出一种基于自适应进化规划算法的水电站厂内经济运行方法。建立了一种定负荷运行的厂内经济运行模型,综合考虑机组运行、水库运行、水电站综合利用等约束条件,并计及机组振动、开停机损失工况,结合自适应变异策略的进化规划算法对水电站厂内经济运行进行求解,解决了复杂约束条件下水电站厂内经济运行的问题。以三峡水电站为算例结果表明,所述方法能够科学的制定水电站厂内运行方式,且相较于传统进化规划算法具有更快的收敛速度和收敛平缓性。

求解非线性约束优化问题的进化规划算法

给出一种求解带有非线性约束优化问题的进化规划算法,此算法能避免将约束问题转化为无约束问题,计算时间较短且算法稳定性强,通过数值计算得到最优解.

基于多目标进化规划算法的电磁环网解环方法

针对目前电磁环网解环方案中存在的问题,提出一种基于多目标进化规划算法的电磁环网解环方法,简述以N-1-1静态安全校验和短路电流校验为约束条件,以网损最小、供电能力最大和分区数最多为目标函数建立的最优解环模型,分析采用多目标进化规划算法求解该模型,自动生成并搜索最优解环方案,通过某电网的仿真分析验证了该方法的有效性。

基于进化规划算法的配电网运行方式分析研究

在我国的社会发展建设过程中,电力企业起到了非常关键的作用,尤其是在现代社会中,人们对于电能的需求正在快 速增加,这种情况对于配电网的运行方式以及运行稳定性提出了更高的要求.电力企业想要更好的加强配电网的运行稳定性、安 全性以及经济性等等,就需要采用基于进化规划算法配电网的运行方式.该方式具有定制性,也就是说将固定运行周期内的配电 网能耗最低作为根本目的,将约束条件设定为配电网运行安全稳定性、潮流平衡程度、电压的幅值、电流偏移情况等等,同时也针 对配电网运行方式进行一定的约束,比如说采用辐射型、无孤岛方式等等,之后利用进化规划算法对配电网开关状态向量的最佳 状态进行寻找,从而保证配电网在众多约束条件下依然能够进行安全、稳定的运行.

自适应混沌克隆进化规划算法

结合混沌和抗体克隆选择学说,提出一种新的人工免疫系统算法——自适应混沌克隆进化规划算法.新算法基于Logistic混沌序列;利用个体质量、进化代数和个体分布情况构造混沌变异算子;通过Logistic混沌序列自适应调整变异尺度.理论分析和仿真实验表明,与标准的遗传算法和采用随机变异的克隆选择算法相比,该算法收敛速度快,求解精度高,稳定性好,并有效抑制了早熟现象.

基于多子群竞争进化规划算法的光纤光栅设计

从光栅传输矩阵分析法出发,提出了一种基于多子群竞争进化规划算法的光纤Bragg光栅(FBG)设计方法,进而设计了用于滤波的均匀FBG和用于色散补偿的啁啾FBG(CFBG)的结构参数。结果表明,本文设计方法可直接确定FBG的结构参数,在不同的设计精度要求下所设计的FBG分析曲线与目标曲线吻合很好,所采用算法具有比传统的进化规划算法快几10倍的收敛速度和更好的稳定性。

基于进化算法的电力系统环境经济优化调度

综合考虑环境经济优化调度(Environmental Economic Dispatch,EED)是一个多目标优化问题,采用价格罚因子将环境经济双目标优化调度问题转化为单目标优化问题。考虑发电机的出力限制区,爬坡约束及备用约束,运用进化规划(Evolutionary Programming,EP)算法求解EED问题,在15机系统中采用价格罚因子EP算法求解了EED问题,结果表明所提出的方法的有效性。

基于神经网络和进化算法的混沌序列产生方法

应用具有全局最优的进化规划算法建立产生混沌序列的优化神经网络模型。该模型利用神经网络权值调整的灵活性 ,能够在同一网络结构中产生的多种混沌序列。计算机仿真结果表明 :该模型比 BP算法训练的神经网络模型能更好地重构混沌吸引子 ,调整网络权值即可产生多种混沌序列。