基于遗传算法的混合优化策略研究

最优化问题是工程设计、科学研究、经济管理等众多领域经常遇到的一类问题。随着待解决问题范围的不断扩大以及优化算法研究的不断深入，混合优化策略已成为解决大规模、高复杂度优化问题的一种重要而有效的方法。介绍了遗传算法、贪婪法、模拟退火算法、禁忌搜索的基本原理，阐述了各种算法的优缺点；针对各单一算法存在的缺陷和不足．对三种以遗传算法为主体框架的混合优化算法进行了分析；最后，指出了混合优化算法存在的问题及今后的发展方向。     

基于遗传算法的混合优化策略研究

最优化问题是工程设计、科学研究、经济管理等众多领域经常遇到的一类问题。随着待解决问题范围的不断扩大以及优化算法研究的不断深入,混合优化策略已成为解决大规模、高复杂度优化问题的一种重要而有效的方法。介绍了遗传算法、贪婪法、模拟退火算法、禁忌搜索的基本原理,阐述了各种算法的优缺点;针对各单一算法存在的缺陷和不足,对三种以遗传算法为主体框架的混合优化算法进行了分析;最后,指出了混合优化算法存在的问题及今后的发展方向。     

电力系统PMU最优配置问题的混合优化算法

针对电力系统潮流计算方程直接可解的PMU最优配置问题,提出了一种引入小生境技术的遗传禁忌搜索混合算法。混合优化算法以小生境遗传算法为主体,避免传统遗传算法“早熟”和解的多样性不足的问题;结合禁忌搜索思想,使用TSR算子进行交叉操作,解决传统遗传算法局部搜索能力较差和收敛速度有待提高的问题。用该算法与其他两种传统算法进行了对比验证,结果表明该混合算法不仅能寻得全局最优解,而且提供了解的多样性,提高了优化效率,具有广阔的应用前景。     

水电厂经济运行中遗传算法的应用

针对发电厂机组的运行现状,探讨了经济运行分析系统的基本运行方式及约束条件,并构建了经济运行所需的机组间负荷优化分配模型,给出了求解机组组合的优化算法及使用遗传算法求解机组出力的步骤,从而实现了经济运行系统的设计并指出了系统投入运行的实际意义。     

有时间窗车辆路径问题的混合智能算法

有时间窗的车辆路径问题属于组合优化领域中的NP-hard问题。在对该问题进行分析的基础上,为之建立了数学模型,提出了一种求解该问题的混合智能算法。该算法通过使用蚁群算法和遗传算法交替优化,并且及时交换信息,弥补了蚁群算法和遗传算法各自的不足,达到了优势互补的效果,增强了算法的寻优能力,避免了停滞现象。实验结果表明,该算法能有效解决有时间窗的车辆路径问题。     

基于混合差分进化算法的梯级水电站调度研究

针对梯级水电站优化调度的复杂问题,结合差分进化算法和混合蛙跳算法各自优势,提出一种新的混合差分进化算法。该算法将差分进化策略嵌入到混合蛙跳算法框架中,对整个群体循环进行分组进化与混合操作,而在每个分组内部按照差分进化策略对个体不断进行更新。数值实验表明该算法具有较强的全局搜索能力,克服了基本差分进化算法易早熟收敛的缺点。将该算法应用于梯级水电站中长期优化调度实例,并与传统动态规划法进行比较分析,进一步验证了其可行性与有效性。     

混沌优化算法在TDOA定位中的应用研究

为了解决TDOA定位估计中遇到的非线性最优化问题,提出了一种联合使用Chan算法和混沌优化算法的混合定位算法。针对TDOA方式进行最佳坐标搜索的问题,本文所设计的基于Chan算法的的混沌搜索方法,提高了算法的收敛速度和性能。仿真结果表明,该算法性能稳定,能找到逼近全局最优点的解,相对于Chan算法精度更高,相对于遗传算法在保证收敛性能的前提下有更快的收敛速度。     

基于差异进化算法的铁路电网动态经济调度应用研究

铁路电网动态经济调度问题是一个复杂的约束性优化问题,其目标是优化多种混合能源系统所需要的经济化配置权.本文提出了一种框架式差异进化化遗传算法,结合GA、DE两个遗传算法在子群中进行自我修复式的差异化进化,以每个优化后的子群为基础,并使用改进的探索式方法提高算法的收敛速率和优化性.通过算法和数据对比,本文所提算法在调度质量和稳定性中具有很大的优势,具有良好的收敛性、多样性和可扩展性,为铁路电网动态经济负荷调度的复杂难题研究起到了至关重要的作用.     

多目标遗传算法及在过程优化综合中的应用

化工过程的多目标优化综合问题可归结为多目标混合整数非线性规划(MOMINLP)模型的求解,求解方法主要有数学规划法和多目标进化算法。以多目标遗传算法(MOGA)为代表的进化算法被认为是特别适合求解此类问题。遗传算法大多用于单目标问题的优化,近十几年来将遗传算法应用到多目标优化的研究得到了很大的发展。本文对多目标遗传算法的一些重要概念、发展历程进行了回顾。针对化工过程的模型特点,对MOGA在过程综合中的应用研究进行了讨论,并认为混合遗传算法应是求解此类问题的有效算法。     

求解全局优化问题的混合智能算法

把序列二次规划作为遗传算法的一个局部搜索算子,嵌入到实数编码遗传算法中,构成一种基于序列二次规划和实数编码遗传算法的高效的混合智能算法。该方法充分利用序列二次规划法的强局部搜索能力和遗传算法的全局收敛性,使得混合算法的全局收敛性得到改善并且减少了计算量。数值实验结果表明,混合算法是高效可靠的。     

结合序列线性规划法的混合遗传算法

通过将遗传算法与改进的序列线性规划法相结合，形成混合遗传算法．当迭代点没有发生交叉和变异时，将目标函数和约束条件在迭代点处线性化，为使迭代点邻域仍然满足约束条件，加入软约束项，用线性规划方法进行寻优．该方法具有全局收敛性，不要求迭代点一定为可行点．仿真结果验证了此法的有效性和合理性．     

混合优化算法在兵力部署优化问题中的应用

首先建立了军事作战中兵方部署的两层非线性整数规划模型,根据这种模型的特点,提出了一种求解大规模问题的基于遗传算法和动态规划、具有递阶结构的混合优化算法,该算法可以快速求得满意解。最后给出几个应用算例。     

基于CUDA的梯级泵站调度算法实现

动态规划方法求解梯级泵站调度问题十分经典,但在计算上存在“维数灾难”问题,GPU并行计算技术能对重复性计算进行加速,提高算法计算性能。本文对梯级泵站调度问题进行动态规划方法分析,利用CUDA（统一计算设备架构）对调度算法进行改进,给出改进动态规划方法的算法实现,并比较不同计算规模下调度算法计算耗时。实验结果表明,基于CUDA改进动态规划方法实现的梯级泵站调度算法能够降低计算维度,在计算规模较大时,加速效果较好。     

求解0-1整数规划的混合粒子群优化算法

经典的粒子群是一个有效的寻找连续函数极值的方法,结合遗传算法的思想提出的混合粒子群算法来解决0-1整数规划问题,经过比较测试,6种混合粒子群算法的效果都比较好,特别交叉策略A和变异策略C的混合粒子群算法是最好的且简单有效的算法.对于目前还没有好的解法的组合优化问题,很容易地修改此算法就可解决.     

Short-term scheduling of cascade reservoirs using an immune algorithm-based particle swarm optimization

This paper presents a new approach for short-term hydropower scheduling of reservoirs using an immune algorithm-based particle swarm optimization (IA-PSO). IA-PSO is employed by coupling the immune information processing mechanism with the particle swarm optimization algorithm in order to achieve a better global solution with less computational effort. With the IA-PSO technique, the hydro-electrical optimization model of reservoirs is formulated as a high-dimensional, dynamic, nonlinear and stochastic global optimization problem of a multi-reservoir hydropower system. The purpose of the proposed methodology is to maximize total hydropower production. Here it is applied to a reservoir system on the Qingjiang River, in the Yangtze watershed, that consists of two reservoirs. The results are compared with the results obtained through conventional operation method, the dynamic programming and the standard PSO algorithm. From the comparative results, it is found that the IA-PSO approach provides the most globally optimum solution at a faster convergence speed.     

改进遗传算法在电站经济运行中的应用

针对水电站经济运行提出了一种改进的遗传算法,来提高遗传算法的搜索的能力和效率以及避免算法中常出现的"早熟"现象。在遗传算子设计中,引入了带有限制条件的初始化方法、双代竞争和精英保留的选择方法、自适应变化的变异及交叉算子和并行交叉迁移的方法来保证算法在收敛速度、搜索能力和运算速度3个方面的要求。在设计中,建立了"代沟"函数和并行交叉迁移率的概念。在清江隔河岩水电站的4台机组的经济运行工程实验中,从收敛速度、搜索能力和运算速度3个方面,比较了该算法和自适应遗传算法、双代竞争遗传算法的性能,得到了令人满意的结论,说明所提出的改进遗传算法可以成功地应用到水电站经济运行中。     

优化皮革裁剪加工空行程路径的混合算法

将皮革裁剪多轮廓加工空行程路径优化问题归结为广义旅行商问题,提出了一种求解问题的混合智能优化算法。用改进了的遗传模拟退火算法优化多轮廓排列序列,结合机床特征将问题转化为多段图最短路径问题,采用动态规划算法求解。对传统的Bolt zmann更新准则进行改进,增加搜索记忆功能并设置双阂值,以在尽量保持最优性的前提下减少计算量;根据多段图最优子结构性质设计了个体适应度评价函数。实际应用效果和对标准问题的测试表明,新算法求解质量和收敛速度均有很大的提高。     

Optimization of natural gas pipeline transportation using ant colony optimization

In this paper, an ant colony optimization (ACO) algorithm is proposed for operations of steady flow gas pipeline. The system is composed of compressing stations linked by pipelegs. The decisions variables are chosen to be the operating turbocompressor number and the discharge pressure for each compressing station. The objective function is the power consumed in the system by these stations. Until now, essentially gradient-based procedures and dynamic programming have been applied for solving this no convex problem. The main original contribution proposed, in this paper, is that we use an ACO algorithm for this problem. This method was applied to real life situation. The results are compared with those obtained by employing dynamic programming method. We obtain that the ACO is an interesting way for the gas pipeline operation optimization.     

基于混合人工蜂群算法的并行测试任务优化研究

并行测试技术可以同时进行多个任务的测试,提高资源利用率,节约测试成本;并行测试调度问题是一种复杂的组合优化问题,是并行测试技术的核心要素;并行测试系统作为并行测试技术的载体,自身的性能和求解效率尤其重要;对并行测试完成时间极限定理进行了研究,建立了并行测试任务调度的数学模型,分析了传统元启发式算法求解并行测试问题的不足,提出了基于动态规划的递归搜索技术和人工蜂群算法相结合的混合人工蜂群算法,并采用整数规划精确算法和遗传算法对混合人工蜂群算法进行验证;得出结论采用混合人工蜂群算法进行并行测试任务的调度节约了接近50%的时间,降低了约20%的硬件资源占用,提高了测试效率,可以满足工程实际的应用。     

Fast convergence optimization model for single and multi-purposes reservoirs using hybrid algorithm

Developing optimal operation policy for single or multi-purposes dams and reservoirs is a complex engineering application. The main reasons for such complexity are the stochastic nature of the system input and slow convergence of the optimization method. Furthermore, searching optimal operation for multi-purposes or chain reservoir systems, becomes even more complex because of interfering operations between successive dams. In this study, a new hybrid algorithm has been introduced by merging the genetic algorithm (GA) with the krill algorithm. In fact, the proposed hybrid algorithm amalgamates the advantages of both algorithms, first, the ability to converge fast for global optimum and, second, considering the effect of stochastic nature of the system. Three benchmark functions were used to evaluate the performance of this proposed optimization model. In addition, the proposed hybrid algorithm was examined for Karun-4 reservoir in Iran as an example for a hydro-power generation dam. Two benchmark problems of hydropower operations for multi-purposes reservoir systems, namely four-reservoir and ten-reservoir systems were considered in the study. Results showed that the proposed hybrid algorithm outperformed the well-developed traditional nonlinear programming solvers, such as Lingo 8 software.