改进自适应遗传算法及其在水电站最优报价中的应用

utp问题是一个np问题,要求在一定时间空间内满足五要素的软、硬约束条件。本文讨论大学课程表的一种多方法结合的解决方法,这种方法是自适应算法、遗传算法以及分层思想的结合应用。

作者研究了一种新的水电站最优发电实时控制迭代算法,其基本思想简单清晰,易于实现。这种算法对水电站发电机组的负荷经济分配和机组的最优组合相当有效,以该算法为基础的控制系统已实际应用于黄坛口水电站的微机实时监控系统中,现场运行表明,本算法具有实时性、平稳性和最优性。

实验表明,缩小解空间的方法对开发实用型课表编排系统具有积极意义,可提高效率,起到事半功倍的效果。

通过建立某水电站厂内经济运行的数学模型,运用遗传算法制订该水电站厂内经济运行的控制计划。通过对初值的敏感性、收敛速度和优化结果三方面验证,发现遗传算法对初值不敏感且收敛速度较快。当遗传算法精度逐渐增大时,搜索速度逐渐减慢,且搜索效率降低,这时需要进行算法的改进。

1概述\r\n遗传算法《geneticalgorithm）是一种基于生物遗传和进化过程的计算机模拟，遗传算法使得各种人工系统具有优良的自适应能力和优化能力，遗传算法所借鉴的生物学基础就是生物的遗传和进化。在进化论中，每一物种在不断的发展过程中都是越来越适应环境，物种的基本特征被后代继承，但后代又不完全与父代相同。对于这种新的变化，若适应环境，则被保留下来；否则，就将被淘汰。亦即适者生存，不适者淘汰。遗传算法就是模仿了生物的遗传、进化原理，并引用了随机统计原理而形成的优化算法。

针对梯级水电站群长期优化调度发电量最大模型,提出了一种自适应混合粒子群进化算法(ahpso)。该算法引入混沌思想生成初始解,并定义了粒子能量、粒子能量阈值、粒子相似度和粒子相似度阈值来描述算法的自适应变化以及群体进化程度,同时结合遗传变异思想进行粒子操作,最后提出了一种基于邻域的随机贪心策略以解决算法后期进化速度慢的缺点。以澜沧江下游梯级水电站群为计算实例的结果表明,ahpso比基本粒子群算法有更好的收敛性和优化结果,计算时间比逐步优化算法少,且优化结果相近,是一种可供选择的计算方法。

在水电站自动电压控制中,为保证水电站内母线电压在给定范围内,并且使站内网络损耗最小,文中提出一种改进的遗传算法进行水电站内无功分配。该方法通过对简单遗传算法中的选择、杂交和变异3个基本算子进行改进,并采用爬山法修正所得结果,从而有效地提高了无功优化的速度和精度。对5机组和13机组的水电站进行仿真,结果表明与常规方法及简单遗传算法相比,该方法适应性好,且易收敛到全局最优。

在水电站自动电压控制中，为保证水电站内母线电压在给定范围内，并且使电压内网络损耗最小，文中提出一种改进的遗传算法进行水电站内分功分配。该方法通过对简单遗传算法中的选择、杂交和变异３个基本算子进行改进，并采用爬地修正所得结果，从而有效地提高了无功优化的速度和精度。对５机组和１３机组的水电站进行仿真，结果表明与常规方法及简单遗传算法相比，该方法适应性好，且易收敛到全局最优。

针对水电站水库优化调度问题,提出了将改进遗传算法和混沌优化相耦合的改进混沌遗传算法。该算法将混沌变量映射到优化变量的取值范围中,对混沌变量进行编码,表示成染色体,然后对其进行选择、交叉和变异,通过增加混沌扰动,不断进化收敛得到最优解。实例计算并与其他方法比较表明,该算法在求解水电站优化调度这样的复杂非线性优化问题时,搜索效率高,收敛性能好,能以较快的速度收敛于全局最优解,为水电站水库优化调度模型求解提供了一种新方法。

为了确定建筑结构的最优阻尼,本文采用了具有鲁棒性的临界激励法。使用临界激励法时,频率作用区间较难确定,为此,本文通过模态变换以减少高阶频率的影响,这样可以简化频率作用区间的搜寻。在保证结构抗震效果的前提下,为进一步减少结构总的阻尼增量并使优化算法简单可行,本文引入实代码遗传算法。此外,通过实例分析可知,底部楼层阻尼取较大的值是有利的。

标准遗传算法在求解无约束优化问题时得到了成功的应用,但是多数的工程实例为约束优化问题.目前引入惩罚函数思想的遗传算法是解决约束优化问题最常用的方法,但是使用此方法时参数的设定较为困难.从避免这个困难和提高算法本身性能的角度出发,构造了一种新的算法.首先对非可行个体进行修正,把约束优化问题转化为无约束优化问题;其次,采用了扩大搜索空间选择较优个体的交叉算子,增强了全局搜索能力;最后,在部分较优个体附近采用了局部搜索策略,提高局部搜索能力.通过对2个工程优化实例的求解说明了算法的有效性.

本文的主要目的是开发基于实数编码的杂交遗传算法来识别土体的本构参数。该杂交遗传算法在经典遗传算法框架下开发,融合两个新开发的交叉算子,形成了一个新的杂交策略。为了保持种群的多样性,在算法中采用了一个动态随机变异算子。另外,为了提高算法收敛性,采用了一个基于混沌的局部搜索技术。分别基于室内试验和现场试验,通过识别土的本构参数来测试新算法的搜索能力和搜索效率。为了测试新开发算法的突出表现,特选用5种经典的随机类算法(遗传算法、粒子群算法、模拟退火算法、差分算法和蜂巢算法),分析同样的案例进行比较。结果表明,在收敛速度和最优解的准确度方面,新改进的算法可以很好地处理岩土工程的参数反演。

针对小型水电站机组实际特性和理论特性存在着较大差异,供水方式一般采用联合供水,因水头损失与机组流量分配有关的特点,本文以遗传算法为基础,考虑机组效率修正和机组段的水头损失进行厂内经济运算。以一个实际的小型水电站为例,说明了遗传算法用于小型水电站的可行性和有效性。

应用自适应蚁群算法来求解水电站优化调度问题,该算法把问题解抽象为蚂蚁路径,利用状态转移,信息素更新和邻域搜索以获取最短路径。实例计算表明,该算法计算精度高,收敛速度快,克服了传统蚁群算法计算时间长,易于陷入局部最优的缺点,能较好地避免动态规划的维数灾问题,可求解具有复杂约束条件的非线性规划问题,为解决水电站优化调度问题提供了一种有效的途径。

针对粒子群算法容易早熟和易于陷入局部极值的缺点,提出一种梯级水电站优化调度的模糊自适应粒子群算法.在该算法中将惯性权值表示为粒子群进化速度因子和群体适应度方差的模糊函数,在每次迭代过程中动态改变惯性权值,以适应非线性优化搜索过程.针对违反约束的粒子,设计了一种动态空间调整策略来修复约束要求.为了验证算法的性能,用2个测试函数和拥有4个水电站的系统进行了测试,在求解精度和速度上与标准粒子群算法和改进惯性权值线性递减粒子群算法进行了对比,结果表明模糊自适应粒子群算法收敛速度快、精度高.

考虑优化过程中辐射能量交换的特殊性,为了加速优化过程的进行,通过引入漫反射系统单元表面间辐射传递系数与角系数之间的关系来处理百叶窗的辐射能量交换;同时为了克服传统优化算法存在的缺陷,提出了一种免疫遗传算法,并且应用于百叶窗最优化热设计中。优化设计表明,与标准遗传算法相比,该优化算法具有较强收敛度与全局寻优能力,可以较好地用于最优化热设计中。

为实现led照明的恒照度控制,首先建立了led的照度模型,然后采用单神经元自适应算法设计led的照度控制器。仿真结果表明,单神经元自适应控制器能够实现led照度的稳定控制,取得了较为理想的控制效果。

基于遗传算法的公路养护资源最优分配——　　为寻找资源最优分配时的养护策略，采用遗传算法进行求解．将多年养护策略表示为染色体，每种养护方式采用二进制编码形式用两个基因表示，各年的养护策略由路面和桥面两部分构成，并通过试验标定遗传算法的主要参数...

就提高水电站水能利用率为目标,建立模型,通过数值方式进行运算,利用matlab采用遗传算法模拟仿真了漫湾水电站机组优化运行;并比较了电站比较了采用传统方法、采用优化算法以及采用优化算法下缩小峰谷负荷差和无峰谷负荷差几种工况下耗水量,能够提高水轮机发电效率的运行参数.

以水电站运行成本最小为目标,提出了一种用混合遗传算法实现大型电站最优运行计划的方法。该方法考虑了机组能量特性差异,并能在旋转备用、起停成本、空蚀振动区、机组可用性等约束条件下,制定出电站日内96段最优运行计划。该方法避免了动态规划等算法处理多约束、大型优化问题的困难,同时提高了遗传算法的精度。算例表明,方法精度高,计算速度快。

将遗传算法用于解决水电系统短期发电优化调度问题,利用改进的遗传算法初始编码方式,结合最优日调度权重系数,构造了水电站短期优化调度的改进遗传算法模型,由于原始基因已经具有了一定的规律性,所以模型具有计算速度快,结果准确、合理,便于实际调度需求等特点。实例证明,该方法能够求解复杂约束条件下的非线性优化问题,算法编程简洁,易于实现,从而为分时电价应用环境下的水电站短期发电优化调度问题提供了一种有效的解决方法

在遗传算法中为避免采用二进制编码时存在的编码冗余问题,本文提出了一种基于十进制整数编码的改进遗传算法,并进行水电站水库优化调度研究。用遗传算法进行水库优化调度计算可从多个初始点开始寻优,占用内存少,能以较快速度找到全局最优解。实例计算并与常规优化相比,表明该方法简便、快速,可避免水库优化调度中的维数灾