基于电力系统日发电计划的混合智能messy遗传算法

机组组合是电力系统日发电计划中主要的优化任务,在满足各种约束条件下求得全局最优解是一个比较困难的问题。传统遗传算法的二进制编码和随机遗传操作不适合于求解大规模机组组合问题。针对电力系统日发电计划的特点,提出了一种混合智能messy遗传算法(HIMGA),该算法实现简单,大大减小了求解问题的规模,保证了群体的多样性,提高了算法的搜索效率,改善了算法的收敛性。仿真计算结果表明了该算法的有效性和实用性。

用messy遗传算法确定多层前向神经网络的隐层结点数

提出了一种用messy遗传算法来确定前向神经网络的隐层结点数的方法。该方法引入切断算子和拼接算子,以均方差函数为网络的目标函数,从而得到合适的隐层结点数。实例仿真表明,与现有的方法相比较,该方法找到的隐层结点数所对应的网络均方误差最小,达到了优化神经网络的结构的目的。

基于遗传算法的污水处理工艺流程优化

污水处理工艺是针对城市生活污水和工业废水的处理问题所提出的一套完整的解决方案,并且被广泛应用于各个领域.城市污水处理工艺应根据处理规模、水质特性、受纳水体的环境功能及当地的实际情况和要求,在工艺技术特性与经济成本的衡量中选择优化方案确定,其可以看作是一种特殊形式的多参数优化问题:首先统计污水处理的工艺方法并设计污水处理工艺知识库;其次将各工艺的参数和环境信息作为输入,以工艺知识库作为支撑,依托设定好的智能算法自动生成由工艺知识库中的工艺组合而成的方案,方案包括各工艺模块的顺序、工艺内部组件的尺寸、预测运行成本以及处理效果.本文提出了使用messy遗传算法对污水处理工艺流程进行选优推荐,将工艺序列的总成本的倒数作为适应度,根据工艺知识库与优化目标,自动生成在多个污染物指标达标的情况下成本最低的优化方案.通过实验验证,messy遗传算法能够在工艺序列长度变化的情况下实现方案的高效准确推荐.

能力风暴机器人的全局路径规划

基于Messy遗传算法(Messy GA),设计了移动机器人的通用路径规划算法,其中的优化目标包括最短路径、一定的平滑度和最优安全距离.在算法中加入了优化算子及交叉率和变异率的自适应调整,加快了收敛速度.仿真结果验证了所提方法的有效性.根据能力风暴机器人(AS-R)的实际运行要求,修改算法以扩大路径与障碍物之间的间隔度,并提出采用平滑的方法来优化路径.以AS-R为平台进行了轨迹跟踪实验.实验结果表明算法在随机摆放障碍物和实验室环境下可以实现路径规划,并能够最终实现AS-R机器人的全局路径规划.