应用于电力系统无功优化的改进遗传算法

遗传算法是近些年发展起来的基于自然选择规律的一种优化方法。本文在传统遗传算法的基础上，对遗传操作进行了进一步研究和改进，提出了改进遗传算法，电力系统的无功优化问题实例计算表明，改进遗传算法的优化结果可以更有效地达到或接近全局最优。     

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。     

基于遗传算法的机组组合研究

针对遗传算法应用于机组组合问题的具体实现技术进行了深入的研究，实现了采用不同采样空间，不同选择策略，不同适值函数和不同交叉率／变异率的遗传算法和机组组合计算程序，并对10机系统和110机系统的仿真计算进行了分析和比较。结果表明各种不同实现技术的遗传算法应用到机组组合问题具有不同程度的有效性，另外，遗传算法的不同实现技术对收敛时间，收敛代数和收敛值也有较大的影响。文中在计算研究的基础上提出了适用于机组组合问题的遗传算法的具体实现技术，为遗传算法应用到机组组合问题的实用化研究奠定了坚实的基础。     

变电站图像监控系统中一种低码率的图像分形压缩方法

针对大型变电站图像监控系统中图像传输的关键问题，提出了一种基于遗传算法的图像分形编码方法。该方法既利用了图像分形压缩的高压缩比特性，又利用了遗传算法的快速搜索特性，克服了图像分形压缩算法时间开销大的缺点。文章对基本的分形编码方法与基于遗传算法的分形编码方法以及和基于JPEG2000的编码方法做了比较。对遗传算法提出了扩大的可变的搜索空间，有效地避免了遗传算法在运行过程中存在的产生超级后代及失去优秀个体的可能。     

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。     

基于遗传算法的电网经济调度新方法的研究

本文简述了人工智能优化方法－－遗传算法基本原理，提出了一个实用性能较好的电网经济调度模型，就遗传算法解决电网安全的调度问题进行了深入研究，建立了多机系统的适值函数，对基本遗传算法提出了有效改进策略，为解决电网安全约束经济调度问题展示了新方法。     

基于Agent行为和范例学习的遗传算法在城网规划中的应用

城市配电网优化规划（简称城网规划）目前还缺乏高效、实用的算法。传统遗传算法由于受确定编码形式的制约而缺乏对复杂问题的表述能力。文中通过吸收有关文献提出的“行为遗传”思想，进一步提出了一种基于Agent行为和范例学习的新型遗传算法。该算法由Agent基于知识的一系列决策行为，生成待优化问题的一个可行解的非编码方式，取代了传统遗传算法基于编码的可行解生成方式；用基于“范例学习”的进化寻优机制，取代了传统遗传算法基于模仿基因遗传和变异的进化寻优机制。最后，分别采用新型遗传算法和传统遗传算法对同一算例网络进行优化规划，对比的结果证明了新型遗传算法具有更好的复杂问题表述能力、计算效率、收敛稳定性以及可扩展性。     

遗传模拟退火算法在圆筒型直线感应电机优化设计中的应用

本文采用遗传模拟退火算法对圆筒型直线感应电机进行优化设计。该优化算法把模拟退火算法结合进遗传算法中，这样在保证获得较好的全局搜索能力的同时，又加快了遗传算法在峰值附近的收敛，提高了遗传算法的效率。     

人工神经网络与遗传算法的协作在输电铁塔结构优化上的实现

着重讨论了人工神经网络及遗传算法的应用，并介绍了求解问题的步骤。提出了人工神经网络（BP网络）与遗传算法的协作，利用人工神经网络的联想记忆，特征提取的能力，辅助遗传算法求解输电铁塔结构优化设计问题。进行了实例运算，给出了计算结果，并和其它的计算方法进行比较，计算时间可减少15％-20％。     

伪并行遗传算法及其在水电站经济运行中的应用

提出了一种伪并行算法,来提高遗传算法的搜索能力和效率以及避免算法中常出现的"早熟"现象,并且进行了两个仿真实验.在以清江隔河岩水电站的4台机组为例的经济运行工程实验中,从收敛速度、搜索能力和运算速度三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,说明本文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.     

基于遗传算法的炉膛温度场重建算法研究

在声学法锅炉温度场重建算法的原理基础上,提出一种遗传算重建温度场算法。在实验室条件下,对利用遗传算法温度场重建进行仿真研究,利用遗传算法对该网格进行插值、拟合,实现对待测温度场的重建,证实了遗传算法重建的优势。同时,应用遗传算法重建了声波在传输路径上具有弯曲效应的温度场。最后通过最大误差、最大相对误差、平均误差和均方根误差等评价指标得出遗传算法重建的温度场精度较高、重建速度较快的结论。与最小二乘法重建算法成像效果进行比较,仿真结果证明:利用遗传算法重建出的温度场具有更高的精度、更快的重建速度等特点。     

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。     

基于Agent行为和范例学习的遗传算法在城网规划中的应用

城市配电网优化规划(简称城网规划)目前还缺乏高效、实用的算法。传统遗传算法由于受确定编码形式的制约而缺乏对复杂问题的表述能力。文中通过吸收有关文献提出的“行为遗传”思想,进一步提出了一种基于Agent行为和范例学习的新型遗传算法。该算法由Agent基于知识的一系列决策行为,生成待优化问题的一个可行解的非编码方式,取代了传统遗传算法基于编码的可行解生成方式;用基于“范例学习”的进化寻优机制,取代了传统遗传算法基于模仿基因遗传和变异的进化寻优机制。最后,分别采用新型遗传算法和传统遗传算法对同一算例网络进行优化规划,对比的结果证明了新型遗传算法具有更好的复杂问题表述能力、计算效率、收敛稳定性以及可扩展性。     

Integrating genetic algorithms, tabu search, and simulatedannealing for the unit commitment problem

This paper presents a new algorithm based on integrating genetic algorithms, tabu search and simulated annealing methods to solve the unit commitment problem. The core of the proposed algorithm is based on genetic algorithms. Tabu search is used to generate new population members in the reproduction phase of the genetic algorithm. A simulated annealing method is used to accelerate the convergence of the genetic algorithm by applying the simulated annealing test for all the population members. A new implementation of the genetic algorithm is introduced. The genetic algorithm solution is coded as a mix between binary and decimal representation. The fitness function is constructed from the total operating cost of the generating units without penalty terms. In the tabu search part of the proposed algorithm, a simple short-term memory procedure is used to counter the danger of entrapment at a local optimum, and the premature convergence of the genetic algorithm. A simple cooling schedule has been implemented to apply the simulated annealing test in the algorithm. Numerical results showed the superiority of the solutions obtained compared to genetic algorithms, tabu search and simulated annealing methods, and to two exact algorithms     

基于自适应遗传算法和蚁群算法融合的配电网重构

配电网重构可以降低线损,均衡负荷,提高电压质量和增加配电网可靠性.主要在降低线损、提高电压质量和提高寻优效率方面,采用了自适应遗传算法和蚁群算法融合的方法.对遗传算法的交叉因子和变异因子进行了自适应控制,也不再人为规定迭代的最大代数,而是引入了染色体相似度和种群相似度的概念,使遗传算法的终止条件更加合理.自适应遗传算法...     

一种基于分步遗传算法的多无人清洁车区域覆盖路径规划方法

为了解决不规则区域内多无人清洁车区域覆盖路径的全局规划问题,提出一种基于分步遗传算法的区域覆盖方法。 首 先,将目标区域依据清洁车大小进行栅格化,将多车辆区域覆盖路径规划问题转化为多旅行商(MTSP)问题。 然后,使用分步 遗传算法求解多旅行商问题:第 1 步采用模糊 c 均值聚类方法将求解多旅行商问题转化为求解多个单旅行商(TSP)问题;第 2 步使用了分步遗传算法对每个单旅行商问题进行求解,并使用杂草入侵算法中子父代共存的思想对遗传算法的选择机制进行 改进。 最后,分别在模拟的校园场景和小区场景中进行仿真实验。 实验结果表明,在两个场景中提出的方法能够实现多无人清 洁车完成区域路径覆盖,提出的分步遗传算法比分组遗传算法收敛速度更快;在校园场景中,提出的分步遗传算法相比于分组 遗传算耗时减少 54%,最优解路径长度减少 38%;在小区场景中,提出的分步遗传算法相比于分组遗传算耗时减少 55%,最优 解路径长度减少 44%。     

基于改进遗传算法的电力系统机组优化组合

用遗传算法解决电力系统机组组合及机组间的负荷分配问题。在简单遗传算法基础上,提出了将自适应遗传算法应用于机组优化组合。该算法的交叉率随种群中的最大适应度值和每代种群的平均适应度值的变化而自动改变;变异率随适应度值和进化代数的变化而自动调节。通过对算例的计算分析表明,该算法与简单遗传算法相比具有更高的精度和收敛度。     

基于新型DNA遗传萤火虫优化的二维图像盲恢复算法研究

针对现有图像恢复算法的不足,提出了基于新型DNA遗传萤火虫优化的二维图像盲恢复算法。该算法首先对传统DNA遗传算法中交叉和变异操作进行改进,得到新型DNA遗传算法后与萤火虫算法相结合,提出了新型DNA遗传萤火虫优化算法;其次将新型DNA遗传萤火虫优化算法应用于二维图像盲恢复,得到的基于新型DNA遗传萤火虫优化的二维图像盲恢复算法具有良好全局搜索能力,优化了盲均衡器的初始权矩阵,模糊图像经过二维盲均衡器处理后,有效增强了图像质量,图像恢复良好。仿真结果验证了算法的有效性。     

一种混合遗传算法在HVDC定电流控制器参数优化中的应用

为了改进遗传算法的局部收敛能力,提出了一种新的融合遗传算法和单纯形法的混合遗传算法。该算法兼具遗传算法的全局收敛性和单纯形法良好的局部收敛能力,当遗传算法陷入停滞后,由单纯形法引导进化方向。针对直流输电定电流控制器参数优化的具体问题,设计了一套系统化混合遗传算法寻优方案,并详尽叙述了该方案的流程及具体实现步骤。该方案选取ITAE为目标函数,直流输电准稳态模型为目标函数的计算模型;PI参数的可行域由基于直流输电PSCAD/EMTDC模型仿真的直流电压稳定性计算确定。最后通过CIGRE HVDC Benchmark模型的PSCAD/EMTDC仿真验证所设计参数优化方案的有效性。