迭代遗传算法及其用于生物反应器补料优化

针对化工动态优化的数值求解问题 ,提出将迭代思想与遗传操作相结合 ,构建迭代遗传算法 .算法首先对时间区间和控制搜索域实施离散化 ,进而应用遗传操作搜索离散问题的最优控制策略 .逐步收缩搜索域并迭代以消减离散化带来的偏差 ,不断改善寻优结果 ,增强算法的稳健性 .实例测试表明该算法简便、可行、高效 ,已成功地应用于Lee Ramirez生物反应器补料流率的优化 ,运算结果优于文献值 ,显示了迭代遗传算法的优越性 .迭代遗传算法尤其适用于系统的梯度信息不可得的情况 .

多子项目分包商选择问题的一种新算法

根据评标中的主要评价因素,建立以分包商序号为决策变量并考虑关联效益的分包商选择模型.由于所建立的模型决策变量出现在下标中,经典的优化算法不再适合用于问题的求解,因此提出了带局部调优的双层迭代遗传算法.该算法在内层循环的最后一步对优良粒子进行了聚类,对优良粒子中汉明距离小于3的类进行局部寻优,并用寻优后的粒子以及由它进行变异后的粒子进入下一步的备选种群,对汉明距离介于3和d的类进行局部调优,再进行下一步的备选种群,既可保证已寻找到的优良粒子都在种群中,又可保持种群中粒子的多样性,避免算法的早熟.

计及分布式电源与可平移负荷的变电站优化规划

电网中分布式电源(distributed generation,DG)出力的随机波动性,以及负荷与电网互动性的增强,使得基于电网最大运行工况进行的传统变电站规划不再适应新形势下智能电网的发展。针对该问题,首先建立了负荷和分布式电源(distributed generation,DG)出力的时间序列,并基于该序列建立了配电网变电站选址定容的时序模型,在该模型中考虑了各变电站供区内DG渗透率的平衡,有效计及了DG的地理分布及其波动性;然后,基于变电站供区内的负荷及DG出力特性,研究了变电站综合负荷特性,并根据各负荷点的调节能力,提出了改善变电站综合负荷特性的负荷平移策略;通过将交替定位分配法与自适应调整搜索范围的遗传算法相结合,提出了交替迭代遗传算法(location and allocation with genetic algorithm,LA-GA),用以对变电站规划的时序模型进行优化求解;最后,对一实际规划区域进行仿真计算,验证了文中模型和算法的有效性。

冲突多目标相容预测控制

两层结构的相容控制框架可以解决复杂冲突多目标控制问题,但其需要克服的困难是多目标直接优化、第一层所选区间目标的实现和在线实时优化控制。采用多目标遗传进化算法解决了直接优化多目标的工具问题。为能实现第一层中所选择的控制目标,第二层中设计了不同于第一层中形式的指标,并加入选择函数以反映实际系统的需要。结合预测控制思想的特点,提出了在线迭代遗传算法,解决了在线优化速度问题。以预测控制动态过程中误差、能耗两个目标为例对相容预测算法进行了说明。

基于NSGA-Ⅱ的IPMC机器鱼动态多目标相容优化控制

实际控制问题中往往有多个控制目标需要兼顾,且多个目标通常情况下是冲突的。根据相邻控制步之间系统状态和控制输入的连续性,提出了一个基于NSGA-II的动态迭代多目标相容优化控制算法,并且这一算法有能力处理目标空间为非凸的控制问题和提高在线优化速度。考虑到IPMC驱动机器鱼在运行过程中能耗和速度两个关键且冲突的目标,建立IMPC驱动机器鱼的运动及能耗模型,将所提算法进行了应用。仿真结果表明了控制算法的有效性及其在慢复杂系统动态控制中的应用潜力。

基于两层架构协调的应急物资分配与车辆调度集成优化方法

针对突发事件下的应急物资调运问题,考虑了多个地区同时受灾以及多个出救点需要对其进行救灾并且各出救点的运力有限的情况,以最小化总的车辆运输费用,最大化救灾效率、各受灾点的救灾满意度,以及各受灾点得到救助的公平性为目标,建立了该问题的多目标混合整数非线性规划模型,并提出了一个基于两层架构协调的迭代式遗传算法进行求解。基于仿真数据的实验结果证明了所提出的模型和算法的有效性。

考虑鲁棒性成本的多模式双目标项目前摄性调度优化

研究多模式资源约束条件下的鲁棒性和成本双目标权衡问题,探讨如何在最低成本代价下最大程度地提升项目鲁棒性.首先界定研究问题,然后构建鲁棒值最大化、成本最小化的双目标调度优化模型,并将其转化为带有预算约束的单目标鲁棒值最大化子模型,针对模型设计迭代式遗传算法进行求解.随后,应用随机生成的标准算例集合进行大规模测试,对比结果表明本文设计的迭代式遗传算法可以有效求解得到鲁棒值大、成本低的满意进度方案,供项目管理者权衡选择.研究可为管理者制定具有稳定性的进度计划以及对鲁棒性和成本进行权衡提供决策支持.

基于初态修正的ILGA控制器参数整定

针对迭代学习遗传算法(ILGA)对PID控制器参数进行整定时要求系统初态等于理想初态的问题,采用在迭代前对实际初态自学习逼近理想初态的方法,放松了迭代学习遗传算法的应用条件,并具有迭代学习次数少,整定PID控制器的最佳控制参数快的特点,简化了控制器的设计过程。给出仿真算例显示了该方法在PID控制器参数自动寻优上的有效性。