基于反向变异海鸥优化算法的最优潮流计算

针对海鸥优化算法的全局搜索能力差、收敛速度慢的缺点,引入反向变异策略对海鸥初始种群进行选择;结合非线性收敛因子和粒子群算法速度优化,平衡算法全局搜索与局部开发能力,提出了一种反向变异海鸥优化算法,并将其引入最优潮流问题求解。以发电成本、有功网损和节点电压偏移为目标函数进行单目标最优潮流计算,以发电成本分别和有功网损、节点电压偏移的加权和作为多目标函数进行多目标最优潮流计算,并与基于其他智能算法的最优潮流计算结果进行对比分析。IEEE 30节点系统及IEEE 118节点系统仿真结果表明,采用该算法求解最优潮流问题具有搜索精度高、收敛速度快、稳健性强等优势。

基于改进NSGA2的航空运输优化

为了降低航空运输过程中产生的燃油成本,同时最大程度地满足指挥人员提出的保障需求,根据运输飞机在行动中需要运输的人员物资数量及目的地位置,建立追求航次最小飞行成本并考虑时间约束的飞行速度优化模型,运用改进的带精英策略的非支配排序遗传算法(NSGA2)对飞行速度进行优化选择。设计算例实验,比较其与传统NSGA2算法在计算性能上的区别,用以验证结合了修饰算子与改进的初始解生成策略的算法的有效性。结果表明,改进算法的求解精度和准度均能达到要求,且在相同精度上改进的NSGA2算法能够节省25.38%的时间,显著改变飞行速度优化的结果,提高了航空运输的效率。