机组负荷优化的遗传-禁忌混合算法

针对遗传算法"爬山"能力差的缺点,提出在遗传算法中引入禁忌搜索操作来提高局部寻优能力,并应用遗传-禁忌混合算法进行了火电机组负荷优化研究.在遗传算法每计算一定代数后,将每个个体作为禁忌搜索的初始解进行搜索,可以改善群体质量,加快搜索速度.混合算法有效地综合了遗传算法的全局搜索能力和禁忌搜索算法的局部搜索能力,从而避免出现"早熟"现象,改善了算法的收敛性.应用某实例进行负荷优化计算,结果表明混合算法大大改善了局部搜索能力和搜索速度,可以有效解决机组在线负荷优化难题.

基于遗传-禁忌混合算法的低相关区序列集搜索方法

提出一种基于遗传-禁忌混合算法(genetic-taboo hybrid algorithm)的低相关区(low correlation zone,LCZ)序列集的搜索方法。建立搜索LCZ序列集的优化模型并设定了模型的目标函数,将禁忌算法嵌入到遗传算法的变异操作中,提出一种遗传-禁忌混合算法,该算法利用遗传算法的全局搜索能力和禁忌算法的局部搜索能力从而实现高效搜索。迭代过程中,种群在进入新一轮进化之前,首先剔除移位等价序列(shift equivalent sequence),从而保持种群的多样性,防止算法过早收敛。根据优化算法收敛后目标函数保持不变的特点,设定了算法结束准则,当超过一定进化代数后目标函数值仍保持不变,则认为进化结束。对非周期四元和周期二元序列集进行数值仿真,结果证明了该方法的有效性。

自适应遗传-禁忌搜索混合算法在PMU最优配置中的应用

针对PMU最优配置问题,提出一种结合自适应遗传算法与禁忌搜索算法的混合算法。通过初始配置原则,缩小了算法的寻优范围。充分利用两种算法各自的特点,结合自适应遗传算法并行计算特性与禁忌搜索算法跳出局部最优解的能力,使得该混合算法寻得全局最优解的同时,提高了算法的优化效率,增强了算法的鲁棒性。最后利用IEEE14、IEEE39、IEEE57节点系统对该混合算法与其他两种遗传算法进行了对比验证。

基于混合算法的知识网运算表达式优化

根据知识化制造的相关概念,为了实现基于用户功能需求的知识网自动生成,研究了知识网多重集运算表达式的优化问题,给出该问题的优化模型,并采用遗传—禁忌搜索混合算法进行求解。在该混合算法中,遗传算法提供并行搜索的主框架,禁忌搜索作为遗传算法的变异算子。通过与遗传算法进行比较,得出该算法有更高的计算效率,对求解该类问题有着很好的效果。

考虑潮流方程直接可解的PMU最优配置

针对使电力系统潮流直接可解的PMU最优配置问题,提出一种结合自适应遗传算法与禁忌搜索算法(IAGA-TS)的混合算法。充分利用两种算法各自的特点,结合自适应遗传算法并行计算特性与禁忌搜索算法跳出局部最优解的能力,使得该混合算法寻得全局最优解的同时,提高了算法的优化效率,增强了算法的鲁棒性。最后利用IEEE14、IEEE30、IEEE57、IEEE118节点系统对该混合算法与其它两种算法进行了对比验证,结果表明混合算法是有效的。

基于最大贡献的航班计划优化模型

从航空公司的效益出发,结合机场和空管部门对航班时刻的限制,以航班贡献最大为目标,建立了一个航班计划的优化模型。对于模型的求解,介绍了一种遗传-禁忌的混合算法,通过精英保留的策略,得到更优结果,并通过案例对该模型进行了分析和验证。