多阶段输电网络最忧规划的遗传算法

多阶段输电网络最优规划问题是一个复杂的非线性组合优化问题,尝试利用遗传算法来解决输电网络动态规划问题,提出了相应的数学模型,构造了染色体的编码方法和适应函数,并用退大选择遗传算法进行了计算。算例系统的计算结果证明了这种方法的可行性及有效性。     

多阶段输电网络最优规划的遗传算法

多阶段输电网络最优规划问题是一个复杂的非线性组合优化问题,尝试 利用遗传算法来解决输电网络动态规划问题,提出了相应的数学模型, 构造了染色体的编码方法和适应函数,并用退火选择遗传算法进行了计 算。算例系统的计算结果证明了这种方法的可行性及有效性。     

基于伪动态的混沌人工鱼群算法在多阶段输电网络规划中的应用

与传统输电网络规划不同,多阶段输电网络规划需要考虑时段因素,在何阶段搭建何种路线使全局规划方案最优。多阶段规划的难点是阶段之间的过渡,后面阶段的决策要根据前面阶段的决策来定,对于大规模输电网规划经典的动态规划方法无法解决。利用伪动态规划的思想处理多阶段问题,这样减少了算法的迭代次数和运算时间。将混沌优化算法和人工鱼群算法相结合,摆脱了混沌搜索的盲目性和人工鱼搜索的局限性,使该混合算法效率高、收敛速度快。对巴西南部46节点系统的计算结果表明,该混合算法具有可行性和高效性。     

NSGA-II算法的改进及其在风火机组多目标动态组合优化中的应用

为了解决风火机组动态组合优化问题,重点针对时间耦合的动态特性及混合整数变量的求解,提出改进的基于非支配排序的遗传算法NSGA-Ⅱ(non-dominated sorting genetic algorithm-Ⅱ),引入节能减排理念,建立以CO2与SO2排放量及机组燃煤、启停费用最低的多目标函数。采用双层优化策略分别对启停离散量和负荷分配连续量进行寻优求解,引入模糊最大满意度决策法对Pareto解集进行决策,并嵌套在每次动态求解过程中。通过对某含风电场的10机组算例进行仿真,其结果表明了该方法的可行性和有效性。     

多阶段输电网络最优规划的模拟植物生长算法

为解决输电网络规划中的多阶段之间的耦合问题,基于待选线路具有规划期间不建设或只能在某一个阶段建成并在后续阶段一直使用的特点,提出了以待选线路为决策变量,规划阶段序号为搜索域的思想,将多阶段输电网络优化规划问题转化成静态优化问题,并采用模拟植物生长算法对模型进行了求解。应用所提方法对一个19节点系统进行了分析,得到了现有文献中有关该系统的最优规划方案,说明了所提方法的可行性及有效性。     

基于改进蚁群算法的输电网络扩展规划

输电网络扩展规划问题是一个复杂的组合优化问题。蚁群算法是用于解决组合优化问题的一种高效的随机化内启发式全局搜索技术。文中结合单阶段输电网络扩展规划问题的特点，应用改进的蚁群算法来解决输电网络扩展规划问题，建立了相应的数学模型，并给出求解算法。2个算例系统的计算结果表明了这种方法可有效减小搜索空间，并具有计算速度快和收敛性好等优点。     

多阶段输电网络最优规划的并行蚁群算法

多阶段输电网络最优规划是一个复杂的非线性组合优化问题,难以采用传统的数学优化方法求解。蚁群算法是近年来出现的用于解决组合优化问题的一种高效的内启发式搜索技术,但存在着未成熟收敛问题。文中给出了多阶段输电网络最优规划的数学模型及其解的向量形式;详细分析了传统蚁群算法的未成熟收敛现象及其原因;提出一种并行蚁群算法并用于求解多阶段输电网络最优规划问题。并行蚁群算法无需初始可行解,能很好地协调局部搜索与全局搜索,在加快计算速度的同时有效地避免了因参数设置、种群规模等不同而引起的未成熟收敛。对实际算例的计算结果表明,该方法具有很高的计算效率和良好的全局收敛性。     

改进遗传算法在输电网络规划中的应用

为了提高遗传算法在输电网络规划中的优化性能,提出了改进自适应遗传算法(MAGA)。该方法有助于防止传统遗传算法过早收敛和走向局部最优,适应于多变量、多目标的环境,能够快速地找到全局最优。介绍了提出的改进方法包括,采用实数编码方式、惩罚函数自适应调整、设置保留算子,以及该方法的实现过程等具体内容。通过对实际系统的计算表明,MAGA具有可行性和更强的优化性能。     

无重访遗传算法及其在输电网络规划中的应用

将无重访的遗传算法(non-revisiting genetic algorithm,NrGA)应用于求解输电网络规划问题。NrGA通过空间二叉分割(binary space partitioning,BSP)和相应的二叉分割树(BSP tree)数据结构对遗传算法搜索过的历史位置进行记录,能够快速检测遗传操作产生的新解是否在BSP tree的历史存档中,对历史存档中已有的新解使用基于BSP的自适应变异机制进行操作,实现遗传算法的无重访搜索。此外,针对输电网络规划问题的具体特点,从编码、交叉、惩罚方法等方面对算法进行改进。最后通过一个典型算例对所提出的方法进行验证。与普通遗传算法相比,NrGA算法具有参数设定区间宽泛、收敛到最优解的概率高等多方面的优势。     

改进遗传算法在输电网络规划中的应用研究

首先对输电网络规划和遗传算法进行简要论述,并确立了数学模型。为了提高遗传算法在输电网络规划中的优化性能,提出了改进自适应遗传算法(MAGA)。该方法有助于防止传统遗传算法过早收敛和走向局部最优,适应于多变量、多目标的环境,能够快速的找到全局最优。通过对实际系统的计算表明,MAGA具有可行性。最后,应用了2种不同算法进行性能比较,证实了MAGA有更强的优化性能。     

多电器混叠场景NILM负荷事件优化匹配方法

负荷事件匹配是从已检测到的所有负荷事件中,找到与电器工作循环对应的负荷事件序列,它是实现无监督非侵入式负荷监测(non-intrusive load monitoring,NILM)的基础.针对多电器混叠场景,该文建立了以估计矩阵为决策变量的负荷事件匹配组合优化模型.为了在估计矩阵维数未知的情况下求解该模型,该文提出了...     

A VLSI placement method using genetic algorithm considering hierarchical structure of solution space

This paper proposes a new VLSI placement method using genetic algorithm considering the hierarchical structure of solution space. In the proposed method, we introduce a special solution encoding which represents the hierarchical structure of solution space, and new crossover operators which can maintain the hierarchical structure of the encoded solution. Making use of the hierarchical nature of the solution space, the proposed method can search the solution space efficiently. We demonstrate the efficiency of the proposed method by applying it to VLSI cell placement problems. Computational experiments show that the proposed method obtains better placement results within less computation time compared with conventional genetic algorithm. © 2000 Scripta Technica, Electr Eng Jpn, 131(1): 86–93, 2000     

基于全有效解整数微分进化算法的含分布式发电配网重构

以降低网络损耗为目标函数,采用微分进化（DE）算法求解配网重构问题。根据配电网的特点,采用基于独立环路的整数编码方法以降低变量维数。此外,针对进化中存在的无效解问题,以图论代数连通度结论为基础,提出一个能完全去除无效解的判据,进一步缩小了解空间,该方法适用于复杂的实际配电网络计算。在重构网络中引入分布式电源（DG）,有效降低了网损,改善了电压质量。最后,对IEEE33节点配网测试系统进行了仿真计算,算例结果表明所提方法具有良好的收敛性和全局搜索能力。     

基于点迹时空关系的雷达目标航迹识别

雷达目标航迹的识别有助于指挥员判断对方作战意图和作战任务,从而为战场决策提供协助作用,但目前少有文献研 究目标航迹识别问题。 根据雷达检测到的目标物体的时间、距离和方位等时空数据,研究目标航迹识别问题,并提出了一种基 于雷达点迹数据时空关系的目标航迹识别算法(TRST)。 该算法首先对雷达点迹数据进行属性选择,然后挖掘点迹数据在空间 关系上的间距值特征,最后构建递归神经网络进一步捕捉点迹数据的时空关系特征,实现对目标航迹的分类识别。 实验结果表 明,TRST 算法能够有效提高目标航迹识的准确率、精确率、召回率和 F1-Score 性能。     

多目标优化算法求解导叶关闭规律问题

针对目前的单目标优化方法没有均衡考虑导叶关闭规律各目标分量的问题,综合考虑影响导叶关闭规律优劣的水击压力、机组转速和尾水管最大真空度这三个因素,将导叶关闭规律优化问题抽象为含有多个自变量和极值点的多目标优化问题,构建导叶关闭规律问题的多目标优化模型,并使用实数编码的遗传算法求解导叶关闭规律的多目标优化问题,遗传算法不依赖于问题的具体领域,具有很强的鲁棒性,实数编码的方式可以避免算法解码时的时间消耗,正交设计法生成的初始种群个体分布均匀,有助于维持种群的多样性。使用基于遗传算法的多目标优化方法求解导叶关闭规律问题,与遗传算法优化结果相对比,实验结果表示了本文所提算法的有效性。     

浮点数编码的无功优化遗传算法

将浮点数编码的遗传算法应用于无功优化中。给出了在浮点数编码下的交叉、变异和逆转操作，浮点数编码不仅可以缩短染色体长度，降低算法的搜索空间，且可以避免初始化及遗传操作中生成的不可行解，从而提高算法的效率。最后，将提出的方法用于IEEE 30节点系统，得到了满意的结果。     

Economic dispatch with prohibited operating zones using fast computation evolutionary programming algorithm

This paper presents an efficient and simple approach for solving the economic dispatch (ED) problem with units having prohibited operating zones. The operating region of the units having prohibited zones is broken into isolated feasible sub-regions which results in multiple decision spaces for the economic dispatch problem. The optimal solution will lie in one of the feasible decision spaces and can be found using the conventional λ–δ iterative method in each of the feasible decision spaces. But, this elaborate search procedure is time consuming and not acceptable for on-line application. In this paper, a simple and novel approach is proposed. In this approach, the optimal solution and the corresponding optimum system lambda are determined using an efficient fast computation evolutionary programming algorithm (FCEPA) without considering the prohibited operating zones. Then, a small set of advantageous decision spaces is formed by combining the feasible sub-regions of the fuel cost curve intervening the prohibited zones in the neighbourhood of the optimal system lambda. A penalty cost for each advantageous decision space is judiciously computed using participation factor. The most advantageous decision space is found out by comparing the penalty cost of the decision spaces. The optimal solution in the most advantageous decision space is obtained using the FCEPA. The proposed algorithm is tested on a number of sample systems with units possessing prohibited zones. The study results reveal that the proposed approach is computationally efficient and would be a competent method for solving economic dispatch problem with units having prohibited operating zones.     

混合整数无功优化问题的连续优化方法

通过对离散变量进行二进制编码,把每个离散变量表示成若干个取值在0、1之间的连续变量,从而将一个含有离散变量的混合整数无功优化问题转化为一个等价的连续优化问题,再用非线性原对偶内点算法求解。并且,在优化过程中根据二进制变量的权重系数逐步确定离散变量的取值,实现了离散变量在优化过程中的逐次归整。并以IEEE118节点作为试验系统,与常规的离散优化算法作比较,验证了该算法的正确性和有效性。     

一种基于多类支持向量机的故障诊断算法

主要研究了多类支持向量机算法,及其在多类故障诊断问题中的运用.考虑到传统"一对一"算法和"一对多"算法的局限,提出了基于遗传算法的决策树支持向量机,利用遗传算法的全局随机搜索性能来构造决策树.根据样本数据的分布,遗传算法的适应度函数定义为两个子类集聚类中心之间的距离,使得在决策树的每一个节点最可分类别尽可能分开.通过对三个数据集进行仿真分析,表明该算法的性能优于两个传统算法,具有更高的推广能力,验证了算法的有效性.     

Using genetic algorithm and TOPSIS technique for multiobjective reactive power compensation

A new approach to solve the multiobjective reactive power compensation (RPC) problem is presented. It is based on the combination of genetic algorithm (GA) and the ?-dominance concept. The algorithm maintains a finite-sized archive of nondominated solutions (Pareto solution) which gets iteratively updated in the presence of new solutions based on the concept of ?-dominance. The use of ?-dominance makes the algorithms practical by allowing a decision maker (DM) able to control the resolution of the Pareto set approximation according to his needs. The proposed approach is suitable to RPC problem where the objective functions may be ill-defined and having nonconvex Pareto-optimal front. It gives a reasonable freedom in choosing compensation devices from the available commercial devices. It may save computing time in cases of small archive.