改进遗传算法及其在钻井液设计中的运用

在深井、超深井以及地层复杂等条件下，为了避免或减少钻井事故的发生，达到优质快速钻井的目的，选择合适的钻井液体系至关重要。基于案例推理（CBR，Case-Based Reasoning）的钻井液设计中，钻井液体系由岩性、井型和井深等属性推理得出，但属性权重的分配会对推理结果产生显著的影响；遗传算法在优化属性权重时，存在收敛速度慢、收敛精度低的缺点。针对上述问题，提出一种解决CBR中属性权重分配问题的改进遗传算法。首先，对遗传算子进行改进：选择算子方面，利用指数尺度变换法优化个体选择；交叉算子方面，对算术交叉中的比例因子进行自适应调整；变异算子方面，改进个体变异方向，保持种群多样性。其次，从个体适应度和交叉个体的差异程度两方面实现交叉概率自适应调整。最后，通过对UCI数据集的对比实验，证明了改进后的遗传算法能改善全局收敛性能，提高CBR的准确率。将该算法运用到基于CBR的钻井液设计中，实验结果表明，所提方法能够优化属性权重的分配，进而提高钻井液设计的质量。     

基于经济性和环保性的厂级负荷优化分配

为适应中国当前电力市场新的运作模式,本文提出了基于经济性和环保性多目标优化的厂级负荷分配,为新形势下的电厂与电网找到一个共同的利益平衡点,同时最大限度地降低煤耗量,减少了污染物的排放,具有重要的经济意义和环境意义。文章提出以燃煤费用与排污费用之和为目标函数的新模型,通过对经济性和环保性的权重不同,从而改变机组所分配的负荷,使得目标函数取最小值,达到负荷分配的最优化。并通过仿真,模拟出最优曲线。