水资源有计划市场配置模型及其应用

水资源同时具有公共物品和私人物品属性,其最优配置应是计划模式和市场控制的有机结合.水资源有计划市场配置是水资源在地区间和产业结构之间追求"经济—社会—环境—生态"的多目标分配关系,并权衡这些有冲突的目标使之达到一致.据此建立了水资源有计划的市场配置模型,加入价格因子,增加约束条件,运用有约束多目标优化问题的一个相对较优的方法——粒子群优化算法(PSO)进行求解,并将该模型应用于举水流域的水资源分配中,得出现状年90%频率下举水流域水资源优化配置的结果,进一步分析了供需水量和缺水率在不同行业的分布,利用熵变原理对该配置结果进行评价,熵值呈递减趋势,说明该配置合理可行.     

基于自适应的配电网分布式电源优化配置研究

针对分布式电源接入配电网引起的电压越限和电能质量下降等问题,提出了一种具备自适应特性的分布式电源优化配置方法. 建立了光伏、风电两种典型分布式电源的数学模型,分析其功率输出特性. 构建了同时考虑发电成本、环境成本、有功网损折算成本三项指标的分布式电源优化配置模型. 针对多目标函数和多约束条件的优化配置模型,应用自适应粒子群算法求解,实现学习因子和惯性权重自适应调整以提高算法的寻优性能,由此得到分布式电源的最佳接入位置和容量. 最后,以IEEE33节点配电系统为例进行仿真验证. 结果表明,自适应粒子群算法与传统粒子群算法和混沌粒子群算法相比,求解得到的优化配置方案可达到更好的供电可靠性和经济性要求.     

基于量子粒子群的软件模糊可靠性分配模型

针对软件可靠性分配中存在多个优化目标的问题,提出了一种新的模糊多目标分配模型,并采用量子粒子群优化算法求解该模型。将软件可靠性和成本作为模糊目标函数,通过三角形隶属函数对模糊目标进行处理,将优化后的量子粒子群算法用来求解软件模糊可靠性分配模型。实验结果验证了文章提出的软件模糊可靠性分配模型是有效的,多目标的Pareto最优解为可靠性和成本之间的决策提供了依据。     

基于粒子群算法的太子河水量优化调度研究

基于粒子群算法,构建了太子河水量优化调度模型,用于解决太子河水量优化调度的问题。应用结果表明,通过采用该模型对观音阁与葠窝两座水库的库容进行优化,提高了两座水库分别对本溪市与辽阳市的总供水量,由调度前的83 131万m3增加至101 052万m3,两市综合供水保证率提高了17.1%,解决了两市综合供水保证率低的问题。运用该方法可有效地提高太子河水量优化调度问题的执行效率,计算结果合理可行,具有较高的灵活性和广泛的应用前景。     

基于混合粒子群算法的梯级泵站优化调度

针对不同时段电价差异,以流量平衡为基础,建立以梯级泵站耗电电费最小为目标的优化调度模型,并采用粒子群算法求解.为克服粒子群优化算法易早熟、迭代后期收敛速度慢的缺点,引入免疫思想,以粒子适应度为标准,通过克隆变异算子、疫苗接种算子和优胜劣汰算子,构建双粒子群,增强了粒子群搜索精度和搜索范围,并将其应用于广东某供水工程.优化调度仿真对比分析表明:免疫粒子群算法(IAPSO)能够有效地解决梯级泵站优化调度问题,降低了泵站运行成本,与基本粒子群算法(PSO)和自适应惯性权重粒子群算法(APSO)相比,收敛速度更快,搜索精度更高.     

基于粒子群算法的水资源需求预测

针对南昌市未来水资源需求预测问题,提出了基于粒子群算法的水资源需求预测方法.以南昌市历史人口、经济和水量需求数据为基础,构造了线性、指数和混合预测模型,利用粒子群算法对预测模型进行优化以确定模型参数.仿真实验结果表明,3种模型都能获得较好的预测精度,其中混合预测模型效果最好,预测精度达到97. 71%.     

交易成本下水资源优化配置的双层多目标规划模型

采用双层多目标规划描述基于交易成本的水资源优化配置问题,建立了以水资源管理机构和用水者为上、下层决策者的水权市场交易的双层多目标规划模型,该模型以水资源经济效益最大和水质污染最小为上层目标函数、以取水者效益最大为下层目标函数,并采用粒子群算法进行求解。最后采用一个简单的算例实证分析了模型的可行性。     

电力系统经济负荷分配的改进粒子群算法

为解决电力系统中的经济负荷分配问题,将改进粒子群算法用于其中。该算法是以基本粒子群算法为基础,利用优化惯性权重策略以及改进最优最差粒子策略,使改进粒子群算法具有高效率全局搜索能力。对三个算例进行仿真测试,证实该算法可有效地解决经济负荷分配问题;性能对比显示,该算法求得的解优于基本粒子群算法及其它优化算法所求得的解。     

枣庄城市复杂多水源供水优化配置模型

探讨了北方地区缺水城市枣庄 ,在水库、地下水源地、处理回用水、外地区调水等复杂水资源系统下的优化供水模型 .针对多水源、多用户的特点 ,从社会、经济、生态综合效益考虑 ,建立水资源优化配置模型 ,寻求资源开发最佳组合 ,以充分利用水资源 ,获取资源的最大利用效益 .     

粒子群算法在多传感器多目标跟踪的应用

多传感器多目标跟踪系统中,数据关联是其中的关键问题之一.它可以表述为多维分配问题,提出了基于粒子群优化算法的多维分配算法,它将多维分配问题中的目标代价函数极小化问题作为组合优化问题求解.通过在粒子群初始化步骤以及交叉和变异时充分考虑确认备选量测,缩小优化搜索范围,能较快找到最优解实现关联.在虚警和漏检、密集目标环境下,该算法应用于多传感器多目标融合系统仿真,结果表明所述算法在多目标数据关联中有较好的可行性和优越性.     

雨水泵站水泵机组启停优化

为解决雨水泵站运行过程中存在的水泵频繁启停问题,提出一种水泵机组启停优化方法.该方法通过分析泵站的设计参数和水泵机组运行原理,建立启泵水位优化模型,并运用暴雨洪水管理模型(storm water management model,SWMM)和粒子群优化算法(particle swarm optimization algorithm,PSO)对模型求解,最终得到水泵机组的最优启泵水位.通过实例将优化方法与传统的人工调试方法进行对比,验证了其可行性.研究结果表明:采用优化方法得到的启泵水位可使机组启停次数达到最小,实现了较好的水泵启停效果.同时优化方法也避免了复杂的人工调试过程,得出的优化结果为雨水泵站启泵水位的选取提供参考.     

The Optimization of Manufacturing Resources Allocation Considering the Geographical Distribution

考虑地理位置分布的制造资源配置优化

梁策远¹, 贺利军², 朱光宇¹

（1.福州大学 机械工程及自动化学院 福州 350116;

2武汉理工大学 物流工程学院, 武汉 430070）

创新点说明：

1) 建立了云制造环境下跨地理位置制造资源配置的模型,包括初选和优选两个阶段。

2) 优选阶段采用了基于模糊集关联熵的PSO算法解决高维多目标优化,此方法要好于NSGA-II和基于随机权重的PSO算法。

3) 考虑了配置过程中制造资源正常和出错两种情况,突显了该方法所具有的实时性,动态性和容错性。

研究目的：

建立云制造中跨地理位置资源配置模型,优化配置方案,实现配置的实时性,并能在资源出现异常情况时做出动态响应,提高容错率。

结果：

在制造资源正常和出错的情况下,基于模糊集关联熵的PSO算法均能正常得出配置优化结果,适应度值()分别达到了0.745和0.718（此数值越大表示越接近理想解）,要好于NSGA-II和基于随机权重的PSO算法所得到的结果。

结论：

建立的资源配置模型是合理的,能有效的应对制造资源出错的情形。基于模糊集关联熵的PSO算法可以有效的得出优化结果。

关键词：云制造; 资源优化配置; 模糊关联熵; 高维目标优化; 供应链

     

约束自适应粒子群优化算法及水厂调度

针对粒子群优化算法应用于约束优化问题时易陷入局部极小值的问题,提出了一种改进的粒子群优化算法. 该算法综合了约束优化问题的目标函数值和约束函数的违反度值作为粒子群优化算法的双适应度值, 采用了双适应值动态判断粒子群优化算法中粒子的优劣. 违反度值的计算引入了自适应加权系数,相应地提出了调整各权系数的自适应策略, 并改进了粒子群优化算法的粒子竞争选择策略,拓展了粒子群优化算法的单适应值的应用范围.应用约束自适应粒子群优化算法实现了城市水厂的节能优化调度. 结果表明, 该算法收敛速度快且结果可靠. 粒子群优化算法为解决工程约束优化问题提供了一条可行途径.     

基于MATLAB的文山州区域水资源线性多目标优化配置研究

以文山州区域水资源优化配置计算为例,建立了区域水资源多目标优化配置模型,给出了求解线性多目标优化问题的几种方法,最后运用MATLAB软件求解,并比较了各求解方法所得配置结果的优劣.可为多目标优化问题的求解提供参考.     

城市供水系统两级优化调度的宏观模型研究

在简略阐述净水厂的优化调度模型应针对具体供水系统特征建立的观点后，着重说明了应用前馈神经网络理论建立反映供水系统管网工况的宏观模型新方法，并以沈阳市供水系统为基础提出了两级优化调度数学模型。实例计算与分析结果表明，优化后的调度方案不仅能显著提高各供水二泵站的运行效率，而且可节省电耗约３６％。     

基于免疫进化的粒子群算法在灌区水资源优化配置中的应用研究

结合已有水资源优化配置模型,提出了基于免疫进化的粒子群算法,并将该方法应用于濮阳灌区,对其农业水资源进行优化配置.实例计算表明,该混合算法克服了已有算法中初期信息素匮乏,易陷于局部最优解等不足,结果合理,且计算较为简单,可为灌区水资源配置提供理论依据和决策参考.     

基于PSO的军械紧急调运决策优化

已有军械调运模型的优化算法的实现较为复杂，不能适用于涉及供应点较多的军械调运问题，针对这一不足，采用了PSO算法对军械调运决策进行智能优化，发挥了PSO算法概念简单、容易实现而又功能强大的特点，较好地解决了涉及供应点较多的军械紧急调运决策优化问题。结合一个仿真算例，表明了采用基于PSO的军械调运决策优化算法的有效性。     

基于小生境混沌遗传算法的水资源优化调度

水资源调度具有多目标、大规模和不确定性等特点,利用混沌遗传算法求解水资源调度问题,在一定程度上避免了局部优化并提高了求解速度,但由于损坏了种群多样性导致求解精度较低.为此提出了基于小生境的混沌遗传算法(NCGA),该算法通过小生境技术保留源中心个体的方法保护了种群多样性,同时利用混沌的随机性、遍历性及规律性与遗传算法的快速收敛性相结合,从而使该算法提高了求解速度和求解精度.将该算法应用到水资源优化调度模型中,仿真结果验证了该算法比混沌遗传算法能更合理高效地分配水资源,达到了综合效益最大化.     

一种新改进的粒子群优化算法

由于粒子群优化算法对多极值复杂问题求解时容易陷入局部极值,提出一种新改进的粒子群优化算法。该改进算法是将粒子群进化过程分为两个不同的阶段,每个阶段应用不同的进化模型,通过结合这两种进化模型的各自优点有效地降低群体陷入局部最优。由仿真实验结果可知,对于复杂多极值函数优化问题,本文算法比标准粒子群优化算法的全局寻优能力更强。