一种基于实时遗传算法的神经元控制

遗传算法是一种并行、全局优化的有效方法。由于遗传算法的进化过程缓慢，通常使用于离线，很难用于在线的实时优化和控制。该文对遗传算法进行了改进，提出了一种实时遗传算法在线自适应调整神经元增益的控制方法，并对造纸过程的定量水分控制进行了仿真实验，结果表明了该方法的有效性。     

基于遗传算法的谐波分析模型研究

遗传算法是近些年来发展起来的基于自然规律的一种优化方法，文章阐述了遗传算法在电力系统谐波分析中的应用。实例计算表明，与常规优化方法相比，该算法成功地解决了谐波分析中变量的离散问题，避免了常规数学优化方法的局部最优现象。     

遗传算法在涂层吸波材料设计中的应用

基于遗传算法，对涂层吸波材料进行了优化设计。遗传算法具有很强的鲁棒性和广泛的适用性。计算实例表明，该方法是可靠的、有效的。     

模糊量子遗传算法及其在热工过程模型辨识中的应用

针对量子遗传算法(QGA)中旋转变异角相对固定的缺点，将模糊自适应的思想引入QGA, 提出了模糊量子遗传算法(FQGA)。对典型函数测试表明：该方法有效地提高了量子遗传算法的计算精度和收敛速度。同时利用这种模糊量子遗传算法设计了一种通用的热工对象模型辨识算法，并编制了专用的模型识别软件，对典型热工过程进行辨识，取得了令人满意的效果。最后对某电厂循环流化床锅炉一次风对床温的传递函数进行辨识，结果表明该方法是一种简单易行的辨识算法，具有实用价值。     

采用混合优化方法的水下推进电机优化设计

遗传算法是一种基于自然选择和自然遗传学机理的全局搜索学习算法，本文以１．５ｋＷ水下推进电机为例，对遗传算法的复合形法相结合的混合优化方法进行了探讨，该方法设计的产品已成功地应用于海洋机器人推进器当中，实践证明方法是有效的。     

遗传算法优化的BP神经网络PID控制器

神经网络的初始权值的选取影响控制器的性能，本文提出了一种新的改进遗传算法优化的BP神经网络PID控制器。该方法设计了组合交叉操作，交叉、变异并行结构及引入移民的遗传算法。将该方法用于控制器设计，仿真结果说明了该方法的有效性。     

基于遗传算法和神经网络的倒立摆控制系统

以单级倒立摆为对象，介绍了一种融合遗传算法的神经网络控制方法。该方法采用以多层前馈神经网络作为遗传搜索表示方法的思想，以神经网络为基础，用遗传算法来学习神经网络的权系数，既保留了遗传算法的强全局随机搜索能力，又具有神经网络的鲁棒性和自学习能力。仿真结果证明：遗传算法和神经网络的结合，可兼有神经网络广泛映射能力和遗传算法快速全局收敛等性能。     

基于遗传算法的永磁直流电机优化设计

建立了永磁直流电机优化设计数学模型，介绍了遗传算法在该电机优化设计中的应用。为使全局优化更为有效，针对永磁直流电机设计特点，提出了新的设计方法，并对简单遗传算法进行了改进，使两者有机融合在一起。文中还对遗传算法运行参数的选取做了探讨，编写了一套永磁直流电机优化设计软件。结果表明，这种算法效果是比较理想的。     

基于GATS混合算法的PSS与SVC控制器参数设计

随着电力网络规模的扩大，电力系统优化问题日益复杂，故提出了一种采用遗传禁忌GATS混合优化策略对电力系统稳定器PSS和静止无功补偿器SVC附加线性稳定控制器进行参数协调优化的设计方法。该方法结合遗传算法GA和禁忌搜索算法TS各自的优点，将禁忌搜索引入到遗传算法的变异操作，改进了遗传算法的变异算子，具有比常规遗传算法更强的局部搜索能力。在10机新英格兰电力系统上对该优化方法进行了测试。特征值分析表明，该设计方法能有效地将多种不同运行方式下系统的特征根移到复平面目标函数限定的区域内，保证了小扰动稳定性控制的鲁棒。同时还对不同优化方法的收敛性及计算时间进行了比对，结果表明遗传禁忌混合策略的性能优于常规遗传算法以及遗传模拟退火混合优化策略。     

基于遗传算法的电磁电器优化设计

介绍了多目标遗传算法的特点和应用方法，将其运用于电磁电器动态规划优化设计中，并以交流接触器设计为例，编制了相应的多目标遗传算法应用程序。优化结果表明，该法十分有效，遗传算法完全可以应用到电磁电器设计领域中。     

基于自适应遗传算法的配电网络重构

建立了兼顾经济性和可靠性的多目标配电网络重构数学模型，采用自适应遗传算法进行求解，根据个体适应度的变化自动调整交叉与变异概率，克服了遗传算法易早熟的缺点，加快了算法寻优速度。通过仿真算例分析比较，该方法是可行有效的。     

基于遗传算法的平面叶栅优化设计

本文提出了一个基于遗传算法的平面叶栅优化设计方法。该方法利用奇点分布法设计无厚翼型骨线，然后通过遗传算法使叶栅表面边层界面的流动损失最小化，以此搜索沿骨线最佳的厚度分布规律，厚度分布被参 数化表示。已知叶栅的流场分析由一个基于边界元的程序完成。将该方法应用于ZZ440叶栅的设计，结果显示是有效和可行的。     

基于数学形态学和遗传算法的配电网动态无功优化方法

提出了一种基于数学形态学和遗传算法的配电网动态无功优化方法，通过构造数学形态学滤波器对由染色体的等位基因构成的二值图像进行滤波，将对补偿调压设备动作次数的处理问题转化为离散二值图像的滤波问题。为提高遗传算法的计算速度，对交叉和变异操作进行了改进：基于遗传性状的思想，防止了交叉操作中对优良基因组合的破坏；借鉴粒子群算法中根据个体极值和全局极值修正个体速度和位置的思想，提出了根据基因性状进行进化变异的方法。分别采用改进遗传算法、简单遗传算法和该动态无功优化方法对某区域配电系统进行无功优化，结果验证了该优化方法的正确性和有效性。     

社会演化算法在机组组合中的应用

机组组合是电力系统优化运行的一个重要方面，从数学角度讲，机组组合问题是一个多约束的NP难组合优化问题，很难得到理论上的最优解，该文将一种新的方法—社会演化算法用于解决该问题。该算法用认知主体取代了传统遗传算法的基于编码的可行解生成方式；用基于“范式学习与更新”的进化寻优机制取代了传统遗传算法中基于模仿基因的遗传和变异的进化寻优机制，使其计算效率及收敛稳定性均优于传统遗传算法。最后通过算例验证了该算法的优越性。该算法不仅为解决机组组合问题带来了新的思路和方法，在求解其它带有复杂约束条件的组合优化问题方面也有非常重要的启发意义。     

面向电力市场的梯级水电站联合优化调度研究

分析了电力市场环境下梯级水电站优化调度的特点，提出了面向电力市场的梯级水电站联合优化调度模型；对遗传算法进行了改进，提出了基于改进遗传算法模型求解的方法。工程实例证明，该方法科学可行，对电力市场环境下梯级水电站运行调度有较高的参考价值。     

改进量子遗传算法在PID参数整定中应用

参数整定是PID控制器设计的关键,针对PID控制器参数整定问题,提出一种基于改进量子遗传算法的参数整定方法.该算法在基本量子遗传算法的基础上引入了量子交叉、量子变异和群体灾变操作.基于改进量子遗传算法的PID参数整定方法将PID控制器参数整定转化为参数优化问题,通过改进量子遗传算法的进化计算实现参数整定.与其他参数整定优化算法的仿真结果比较表明,该方法能获取更好的控制品质.仿真结果验证了该方法的可行性.     

应用混合遗传算法的超磁致伸缩致动器磁滞模型的参数辨识

针对遗传算法爬山能力差的弱点，该文把信赖域算法作为一个与选择、交叉和变异平行的算子，嵌入到遗传算法中，得到一种混合计算智能算法。该方法兼顾了遗传算法和信赖域算法的长处，既有较快的收敛速度，又能以非常大的概率求得最优解。应用该混合遗传算法对超磁致伸缩致动器的磁滞非线性动态模型进行参数辨识，仿真和实验研究表明，该算法能有效地辨识非线性系统的非线性参数，并具有一定的抗噪声能力。     

改进云遗传算法在负荷优化分配中的应用

改进了一种基于云模型的遗传算法用以解决火电机组负荷优化分配问题.该算法将遗传算法的重组算子及变异算子进行云化,继承了云模型的随机性和稳定倾向性的特点.将该方法应用于某厂4台机组进行负荷优化分配,并与标准遗传算法进行比较,结果显示该方法的可行解优于标准遗传算法,证明了该方法在求解机组负荷优化分配问题的有效性及优越性.     

一种基于遗传算法和神经网络的PID控制

提出了一种融合遗传算法和神经网络的PID控制算法。该控制器先利用遗传算法对BP网络的初始权系数进行学习优化，再利用BP算法实现对PID参数在线调节，解决了控制器网络初始权系数对控制效果产生的影响，仿真结果表明了该控制方法的有效性。     

基于遗传算法的航空发动机滑模控制研究

由于航空发动机是不确定的强非线性系统,本文结合遗传算法和滑模变结构控制的优点,在滑模控制的基础上,提出一种基于遗传算法的滑模控制。该设计方法用遗传算法整定滑模控制规律参数,使得发动机稳定性良好,消除抖振现象。仿真结果表明,该方法可以满足控制系统的鲁棒性和参数优化过程。