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。     

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。     

基于改进蚁群算法的"N-1"安全输电网优化规划

满足N-1安全准则的输电网络扩展规划是一个复杂的非线性组合优化问题。蚁群算法是一种解决组合最优化问题的高效的启发式方法,但容易出现停滞和陷入局部最优。为此,结合满足N-1安全准则的输电网络规划问题的特点,用罚函数方法建立了网络扩展规划性能指标。通过改变蚁群算法中信息增量的选择方法,有效地减小了算法的全局搜索能力和计算效率之间的矛盾。该方法不需初始可行解,在提高计算效率的同时加大了找到全局最优解的概率。通过对IEEE-6节点和IEEE-24节点两个算例的测试,验证了这种方法能有效地解决直接求解满足N-1安全检验的输电网最优扩展规划问题。     

基于改进人口迁移算法的输电网扩展规划

输电网扩展规划是一个非常复杂的大规模组合优化问题,对比提出了一种改进人口迁移算法的求解方法.标准人口迁移算法在求解过程中搜索容易陷入局部最优解和后期收敛时间较长等问题,针对以上缺点,对算法的迭代初始化、种群生成策略以及参数设置进行了改进,将遗传算法的最优保留思想引入到算法中,提高了算法搜索全局最优解的能力与收敛到最优解...     

基于改进蚁群算法的配电网重构

配电网重构可以提高配电网运行的安全性、经济性和供电质量,对于当前国内配电自动化系统的建设和应用具有重要意义。以网络损耗最小为目标,提出了一种改进的蚁群算法来求解正常运行条件下配电网络的重构问题。针对基于蚁群算法在求解过程中存在搜索易陷入局部最优解和收敛到全局最优解的时间较长的缺点,从蚁群算法的转移概率和信息素动态更新2方面进行了改进,提高了蚁群算法全局搜索能力与收敛到最优解的速度。最后通过对69节点配电系统算例的仿真,取得了较好的效果,证明了该算法的有效性和可行性。     

人口迁移算法在“N-1”安全输电网规划中的应用

提出了一种改进人口迁移算法求解输电网扩展规划的大规模组合优化问题。针对标准人口迁移算法在求解过程中搜索容易陷入局部最优解和后期收敛时间较长等缺点,对算法的迭代初始化、种群生成策略以及参数设置进行了改进,将遗传算法的最优保留思想引入到算法中,提高了算法搜索全局最优解的能力与收敛到最优解的速度。将改进后的算法应用到满足"N-1"安全准则的输电网扩展规划问题中,建立了输电网扩展规划的数学模型,设计了相应的算法。比较该算法与粒子群算法、标准人口迁移算法对IEEE Garver6节点系统和IEEE Garver18节点系统的仿真计算结果,证明了改进人口迁移算法能有效地解决满足"N-1"安全检验的输电网扩展规划优化问题。     

改进蚁群算法在配电网规划中的应用

为了克服蚁群算法解决配电网规划问题时存在容易陷入局部最优解的缺点,在蚁群算法和云模型基础上,提出了一种改进蚁群算法.该算法利用云模型对蚁群算法的信息素强度参数和信息素挥发系数进行调整,提高配电网规划过程中的收敛速度和全局搜索能力,并利用分层前推回代算法进行潮流计算.通过算例分析,证明了该方法的可行性和有效性.     

基于改进PSO算法的含风电场电力系统网架扩展规划研究

基于改进后的PSO算法,研究了如何利用网架扩展规划,来缓解风电并网发电后部分线路出现输电阻塞的现象.在PSO算法中,惯性权重和学习因子分别是控制PSO算法全局搜索和局部搜索的关键性可调整参数.为避免陷入局部解,同时加快收敛速度,提出了同时动态优化调整惯性权重和学习因子的改进PSO算法.基于IEEE39节点的仿真算例表明：在保证获得最优解的前提下,该算法的收敛速度显著加快.     

配网规划中加入扰动策略的蚁群算法

作为一种求解组合优化问题的启发式方法,基本蚁群算法以其正反馈、并行计算和鲁棒性强等优点被许多领域的专家所关注;但是如果正反馈应用不得当,也会出现搜索时间过长或陷入局部最优解的情况.为此,提出采用加入扰动策略的蚁群算法,通过对各计算因子的动态调整,控制其正反馈过程和算法的搜索区域,以提高蚁群算法得到全局最优解的概率和收敛速度.配网规划的应用算例证明了这一改进的有效性.     

改进蚁群算法求解移动机器人路径规划

在全局静态环境下,提出一种改进蚁群算法,解决传统蚁群算法用于路径规划出现的收敛速性差、局部最优和求解质量差等不足。该算法引入障碍物排斥权重和新的启发因子到路径选择概率中,提高避障能力,增加路径选择的多样性;然后,设置局部信息素的阈值和限定范围更新局部信息素,采用交叉操作获取新路径,引入最优解和最差解,改变全局信息素的更新方式,提高全局搜索能力和解的质量,避免算法陷入局部最优。仿真结果表明,该算法能有效获得最优路径,在长度上比蚁群算法及其他算法分别减少了18%、5.7%和11%,算法迭代次数及运行时间都有所降低,提高了收敛速度和搜索能力。     

基于蚁群算法的整流效率优化研究与应用

以提高整流效率为目标,提出了一种基于蚁群算法的复杂组合优化方法。阐述了该算法的基本原理,针对本系统的约束条件和机组电流连续变化的特点,对蚁群算法进行相应的改进,同时克服了蚁群算法不太适合求解连续参数优化问题的缺陷。采用现场数据进行验证,结果表明,该方法收敛于全局最优解,收敛速度满足需要,过程比传统的工程方法简单,计算结果优于工程方法。     

改进蚁群算法在电厂入场煤选购中的应用研究

在求解电厂入场煤选购中的车辆路径最优解时,以基本的蚁群算法进行改进,以新的初始解算法快速求解初始解,加快搜索最优解的收敛速度,调整信息素更新规则防止陷入局部最优解,提高搜索速度,改善搜索结果。通过案例分析,且与Solomon100国际标准题库中问题的最优解进行比较,分析改进后蚁群算法的可行性。     

融合鱼群和微分进化的蚁群算法的无功优化

对于求解电力系统无功优化问题,提出了一种融合鱼群和微分进化的蚁群优化算法（FDEACO）。受人工鱼群觅食、聚群和追尾行为的启发,在基本蚁群算法的基础上,应用人工鱼群算法的追尾行为对蚁群在可行域上搜索到的解进行改进,加快了向最优解收敛的速度。在信息素更新机制里,通过引入微分进化算法的发散项,增加一个随机扰动,减小了算法陷入局部最优的可能性。在IEEE30测试系统上对新提出的算法进行校验,并与其它算法比较,证明FDEACO算法收敛速度快、全局寻优能力强。     

基于改进蚁群算法的车辆路径优化

针对基本蚁群算法易陷于局部最优解及道路交通流易产生拥塞等缺陷,提出了一种改进蚁群算法。结合实时交通信息,以时间最短建立了动态路径规划的目标转换模型,应用改进蚁群算法求解车辆最短路径,对于求解过程中出现局部最优解,引入了随机蚂蚁这一概念,同时基于Greenshields模型处理了正反馈以及个体最优策略造成的拥塞现象。     

蚁群算法在配电网重构的应用

配电网络重构是一个非常复杂的大规模组合优化问题。蚁群算法作为一种现代启发式寻优技术,适合于求解组合优化问题,其主要特点是正反馈、分布式计算、易与其它算法结合以及富于建设性贪婪启发式搜索。对配电网络从图论拓扑结构上进行分析,将配网重构问题转化为求图的生成树问题,并以破圈法为基础得到快速而有效地求解图的生成树的方法。在应用蚁群算法求解配网重构问题时,通过首支路选择随机化和取消蚁群算法常用的启发值的方法,扩大算法搜索范围,使算法可以跳出局部最优化陷阱,改善算法的搜索效果。对IEEE 69网络的算例表明,该方法能以较少的计算量和较大的概率收敛于全局最优解。     

基于改进蚁群算法的无人机三维航迹规划

针对传统蚁群算法在无人机三维航迹规划中，存在早期盲目搜索、收敛速度慢、易陷入局部最优等问题，本文提出了一种改进蚁群算法。该算法利用空间位置初始化信息素分布并设定浓度阈值，增强了蚁群早期搜索的方向性，避免了算法陷入局部最优；设计兼顾距离因素和方向因素的启发函数，改善了航迹规划质量；采用自适应挥发因子控制信息素的挥发，提高了算法的收敛速度。通过两组实验表明，该算法相比传统算法规划的航迹平均长度均减少18.6%，平均迭代次数分别减少63.3%和78.7%，平均拐角次数分别减少62.5%和42.3%。     

发电机组检修计划优化模型的蚁群-粒子群混合算法

针对检修计划的多目标、多约束特性,以系统运行总费用最小为目标建立经济性模型,并利用蚁群-粒子群混合算法进行求解。对于蚁群算法(ant colony algorithm,ACA)运行参数的选取问题,利用粒子群优化(particle swarm optimization,PSO)算法对蚁群系统参数α和β进行训练优化选择,同时引入状态表记忆机制和惩罚因子,从而提高ACA求解速度和解的质量。算例仿真结果证明,该模型具有很好的经济性和实用性。     

基于蚂蚁算法的配电网无功优化

电力系统中无功功率的优化配置在电网经济运行中占有十分重要的地位,无功优化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。文中采用改进的蚁群算法来解决配电网络无功优化问题,建立了相应的数学模型。并以某城市配电网无功优化结果表明这种方法搜索效率高易于找到全局最优解的优点。     

多层优化蚁群算法的移动机器人路径规划研究

针对地图环境建模以及蚁群算法存在的问题,提出了一种移动机器人路径规划的多层优化方法.首先对U型陷阱栅格区域进行凸化处理,避免前期搜索混乱;设计新的状态转移规则,解决常规蚁群规划的路径过于紧贴障碍物的问题;改进距离启发式函数,有效提高算法收敛速度;设计平滑启发函数,增加蚂蚁局部探索时直行的机率,提升初始路径平滑性;提出按路程长度和平滑程度分配信息素的更新原则,利用优质蚂蚁进行全局信息素更新,进一步提高算法收敛速度;利用最大最小蚂蚁策略,防止蚁群陷入局部最优;通过二次路径优化策略,去除多余冗余点,进一步提升路径平滑性.仿真及实验结果表明,该方法能为移动机器人规划出一条安全且综合性能较好的路径,为路径规划的求解提供了一种切实可行的方法.