改进遗传算法在电力系统无功优化中的应用

针对常规遗传算法（GA）的不足,提出了一种改进搜索策略的遗传算法,采取了以下改进措施：在遗传迭代中,根据种群进化过程的个体的适应值大小,对群体进行分级,对级别高的个体进行小范围的搜索,对级别低的个体在大范围内进行搜索,保证群体的多样性的同时,又留住了优良个体。将改进的遗传算法应用于电力系统无功优化,并与常规遗传算法进行了比较,结果表明改进算法在计算速度、收敛性和全局最优搜索能力都有提高。     

改进的遗传算法在渡槽结构优化设计中的应用

传统的遗传算法存在寻优效率较低、精度不高等缺点。为了解决这些问题,对传统遗传算法进行了改进——采用Fortran语言编制结构优化程序,并将改进后的遗传算法应用于大型预应力矩形渡槽优化设计中。通过对比原设计方案与优化方案的结构安全性及经济性,验证了优化设计方案具有显著的经济效益。结果表明,改进后的遗传算法提高了计算性能和优化效果。     

水火电系统短期经济调度的遗传算法

本文研究探讨了用遗传算法进行水火电系统短期经济调度的方法。为了提高运算速度和避免不成熟收敛，对遗传算法进行了改进。算例表明，改进后的遗传算法具有较好的运算速度和收敛特性。     

改进遗传算法及其在泵站优化运行中的应用

在分析遗传算法基本理论的基础上,针对泵站优化运行问题的特性,从控制参数、选择方式、交叉机理和种群设置等方面进行改进,建立求解高维整型离散决策变量的改进遗传算法。以淮安四站为例进行计算,比较并分析改进遗传算法和标准遗传算法在泵站优化运行中的适用性,为泵站优化运行算法的设计和应用提供参考。结果表明:同时改进适应度和种群的混合改进遗传算法——FFGATPGA,精度高,计算速度快,具有收敛一致性,可用于复杂泵站系统的实时优化调度计算。     

一种改进的遗传算法在边坡工程中的应用

研究现状表明基本遗传算法应用于边坡稳定性分析时存在局部搜索能力差、容易陷入早熟的 缺陷。通过分析提出一个动态杂交率和动态变异率的计算公式对基本遗传算法进行改进,编制了基于 改进遗传算法的边坡稳定性分析程序。对一个边坡算例进行了稳定性分析验算,该算例表明改进遗传 算法具有更强的全局搜索能力和收敛能力,搜索效果更好。     

基于模糊控制遗传算法的输电系统最优化规划

用遗传算法求解优化问题时，要花费大量时间对基因进行测试、组合，速度较慢。另外，遗传算法的性能还强烈地依赖于一些相关参数（例如交叉和变异的概率）的选取。文中以电网规划为背景，对简单遗传算法（SGA）进行了多方面改进，得到模糊控制遗传算法(FLCGA)。该算法速度快，收敛到全局最优解的概率大。与基于传统遗传算法的电网规划比较，FLCGA具有明显的优越性。     

用改进的遗传算法反演地下水数值模型参数

在简单的遗传算法的基础上，结合优体克隆操作、子体优生操作和多代调环操作，提出了一种综合改进的遗传算法，并以非均质各向同性承压二维非稳定流动为算例，以有限元法讨论了用遗传算法反演地下水数值模型参数的过程。计算结果表明，综合改进的遗传算法进行参数识别时，具有收敛速度快、解的精度高和避免出现早熟等优点，可用于地下水渗流和水资源评价计算中。     

人工智能在洪水预报中的应用

洪水预报对防洪减灾，拦洪储存水资源等具有重要意义。对用遗传算法（GA）来改进神经网络的算法进行了分析，建立了用GA动态寻求权重的前馈网络模型（Ⅰ）和用GA优化初始权重的前馈网络模型（简称模型Ⅱ）。借助于Matlab中的神经网络包和遗传算法包，编制了改进模型的计算机程序，对湖北省黄龙滩水库14场洪峰和洪水总量进行了模拟，用另外5场洪水检验了改进的模型，并与传统的前馈神经网络模型进行了比较。结果表明：用模型Ⅰ对洪峰流量的检验效果明显优于模型Ⅱ和传统的前馈神经网络模型；模型Ⅱ对中低流量及洪水总量的检验效果相对较好。因此，本次改进的模型可以用于洪水预报：     

神经网络式距离保护的混合训练算法

针对BP算法存在的缺陷，如训练速度慢，易收敛于局部极小点及全局搜索能力弱等，利用遗传算法能够进行全局最优化搜索这一特点，在改进的自适应遗传算法的基础上，提出了一种新的用于BP网络训练的混合算法，即改进的自适应遗传算法与BP算法相结合的混合训练方法。将所提出的混合训练方法应用于神经网络式距离保护中，利用ATP仿真计算的结果进行训练及检验,结果表明：所提出的算法与单一的BP算法相比，不仅可避免陷入局部极小点，而且提高了网络的训练速度，同时满足对距离保护的速度和精度的要求。     

卸荷土体力学模型参数的智能识别

在遗传算法中引入了位爬山法,有效地改善了遗传算法的局部优化能力,提高了优化速度与精度。采用此改进的遗传算法对基坑土体卸荷力学模型参数进行大范围识别,实现了参数空间内全局意义上的搜索。以200 kPa围压下土体真三轴卸荷试验为例,将试验结果与不同识别方法的结果进行了对比。分析了多样性测度、蠕变变异率和突变变异率对算法收敛精度的影响。得出如下结论:为了全面的了解基坑土体的特性,对不同位置的土体进行全面的试验研究是有必要的;利用改进的遗传算法进行参数识别,识别精度更高,能更好描述土体的力学性能,有利于基坑安全性分析与评估。     

蚁群算法在工程项目工期—费用优化问题中的应用

论述了工期—费用优化问题的原理,分析了传统优化方法的优缺点。针对工期-费用这一连续空间优化问题,综合了基于网格划分策略的连续域蚁群算法和求解旅行商问题的基本蚁群算法的思想,构造了一种改进的蚁群算法。实例计算结果表明,该方法在求解工期费用优化问题方面是有效的。     

梯级水电站群优化调度算法研究

根据梯级水电站群远程集控调度的特点,研究了适用于梯级水电站群的优化调度算法。讨论了梯级水电站群优化调度准则,对几种典型优化算法的适应性和局限性进行了分析比较。结果表明,在流域梯级电站数量较少时可采用动态规划算法,在流域梯级电站规模较大时可采用基于遗传算法的改进型优化算法。按照流域梯级水电站的实际情况采用适应的优化算法,才能发挥梯级水电站远程集控优化调度系统的优势。     

混合智能算法及其在供水水库群优化调度中的应用

将遗传算法中的进化思想和蚁群算法中的群体智能技术有效地耦合,提出了一种基于两者的混合智能算法,应用于供水水库群系统的优化调度研究中。算法利用蚁群算法的并行性、正反馈性以及良好的全局寻优能力,避免搜索陷入局部最优,同时借鉴遗传算法的进化思想,利用杂交、变异算子来进行局部寻优,使其能快速搜索到全局最优点。在种群随机搜索过程中嵌入确定性的模式搜索,使得算法同时具有随机性和确定性。结合模拟退火思想,构造了罚因子处理约束条件,使该算法对水库优化调度问题以及其他优化问题具有一定的通用性。通过实例验证,并与大系统聚合分解经典算法进行比较,结果表明该算法是可行的和有效的。     

Comparative Evaluation of Genetic Programming and Neural Network as Potential Surrogate Models for Coastal Aquifer Management

Determining the optimal rates of groundwater extraction for the sustainable use of coastal aquifers is a complex water resources management problem. It necessitates the application of a 3D simulation model for coupled flow and transport simulation together with an optimization algorithm in a linked simulation-optimization framework. The use of numerical models for aquifer simulation within optimization models is constrained by the huge computational burden involved. Approximation surrogates are widely used to replace the numerical simulation model, the widely used surrogate model being Artificial Neural Networks (ANN). This study evaluates genetic programming (GP) as a potential surrogate modeling tool and compares the advantages and disadvantages with the neural network based surrogate modeling approach. Two linked simulation optimization models based on ANN and GP surrogate models are developed to determine the optimal groundwater extraction rates for an illustrative coastal aquifer. The surrogate models are linked to a genetic algorithm for optimization. The optimal solutions obtained using the two approaches are compared and the advantages of GP over the ANN surrogates evaluated.     

遗传算法在短期发电优化调度中的研究与应用

 将遗传算法用于解决梯级水电系统短期发电优化调度问题，并建立了短期发电优化调度模型，详细阐述了用遗传算法解决问题的步骤。实例证明，该方法能够求解具有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，从而为梯级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。     

基于遗传算法的TOPMODEL参数优化

模型参数的确定是模型研制与应用成功与否的关键．一般采用人工经验率定和自动率定两种方法来确定．遗传算法和一般的优化算法不同，它具有全局寻优能力，是一类优秀的非线性函数优化算法．利用遗传算法来进行TOPMODEL参数优化，并和人工率定的计算结果作了简要的对比，明显地显示该方法的优点．采用遗传算法所得到的精度较高，可以类推到其他水文模型的参数优化中去．     

用于求解函数优化的蚁群算法设计

为了求解一般的函数优化，在标准蚁群算法的基础上，引入了遗传算法的编码方式，对蚁群算法的信息素更新进行改进。通过对几个经典测试函数的求解，证明了该算法的有效性。     

基于改进智能优化算法的投影寻踪模型在洪水评估中的应用研究

传统的洪水评估方法存在着评估等级离散和结果不易分辨等不足,如何更准确高效地解决洪水评估问题已成为研究领域的热点之一。以南京站的历史洪水及四川省历史洪水灾情为例,在改进智能优化算法的基础上,引入了基于智能优化算法的投影寻踪模型,并探讨该模型在洪水分类和洪灾等级评价中的应用。结果表明,人工蜂群和混合蛙跳这类新型智能优化算法具有简单、鲁棒、全局寻优和易于实现等特点,与广泛应用于水文界的SCE-UA、文献中的加速遗传等现代启发式算法相比,具有寻优速度更快、能力更强的优势,可为洪水分类和洪灾等级评价等相近领域研究提供新途径。     

基于模拟退火遗传算法的自压树状管网优化

将遗传算法全局优化和模拟退火的良好局部搜索能力有机结合,构造出一种退火遗传算法用于自压树状管网的优化设计方法。假定管网中每一管段最多只能由两种管径的管道组成,建立了以管网造价为目标函数,以管长、标准管径为决策变量的自压树状管网优化数学模型。采用基于不可行度的退火算法处理约束条件,应用遗传算法进行优化计算。仿真实例结果表明,该模型与算法在求解自压树状管网优化问题上,具有良好的优化性能和求解效率。     

基于混合算子遗传算法的水资源优化配置

构建了以经济效益、社会效益、生态效益为多目标的水资源配置模型,针对模型中存在的多目标多约束优化问题,对基本遗传算法进行改造,设计了一个混合算子遗传算法,并用算例进行验证,最后将水资源优化配置模型和算法应用于东江流域。实例计算结果表明,基于混合算子遗传算法的多目标水资源优化配置模型配置结果合理可行,可作为研究流域水资源配置的决策依据。遗传算法作为新型智能算法,可应用于水资源配置领域。