基于改进免疫遗传算法的配电网网架规划

为了解决传统方法难以实现配电网网架规划组合优化的问题,针对改进免疫遗传算法具有生物免疫系统中抗体多样性的保持机制和基于抗体浓度的调节更新机制,同时又具有一般进化算法的随机搜索能力,采用改进免疫遗传算法对配电网网架规划进行求解,提高了种群的多样性和遗传算法的全局寻优能力.优化模型以网络年费用最小为优化目标,以线路传输容量、电压降、配电网的辐射性等为约束条件;根据配电网辐射性的要求,以备选网络的生成树作为初始解,从而避免了随机产生初始可行解时速度较慢的弊端.并借鉴支路交换的思想设计杂交算子和变异算子,以避免辐射性检查过程,使得算法的寻优能力大为增强.通过算例验证了该算法的有效性,同时算例结果表明该算法的计算速度比常规免疫遗传算法的计算速度有较大提高.     

免疫遗传算法在配电网规划中的应用

随着我国社会经济建设的可持续发展,配电网作为电力系统中面对用户最后一个重要环节的被关注度也越来越高。配电网规划涉及到大量的信息数据需要处理,供电企业研究人员对于这些数据的处理越来越重视。由于城市人口密集化,用户的需求逐渐增多,因此在配电运输过程中出现了很多具体的问题,本文通过深入研究配电网规划中的问题,提出了基于免疫遗传算法的问题解决模型,具有较高的理论价值和经济价值,希望为电力行业的发展提供相应的理论依据。     

改进多种群遗传算法在中压配电网规划中的应用

针对电网规划的多目标性,提出一种改进的多种群遗传算法(Poly—Population Genetic Algorithm,简称PPGA)。子种群对应独立的目标函数,父种群对应归一化的目标函数,精华种群采用最优个体保存法保存父子种群中的最优个体,并作为收敛依据,保证了算法全局收敛性。父子种群采用改进自适应SGA,进行独自寻优,并通过迁徙算子以一定频度进行信息交换,打破“封闭竞争”。在原有配电网络的基础上实现网络的有效扩展,满足当前配电网络规划的多目标多阶段的要求。算例结果表明,该方法是有效的。     

应用遗传算法实现配电网的无功规划优化

以配网系统全年电能损耗和无功补偿设备投资之和最小为目标，建立了考虑系统不同运行方式下无功规划的数学模型。采用结合灵敏度分析的改进遗传算法求解数学模型，提出容性和感性无功的补偿规划原则。实例验结果表明，应用该模型和算法可以有效地对配电系统进行无功优化，优化后系统的网损明显降低，节点电压明显提高。     

基于MPICH平台的多种群并行遗传算法

提出了一种基于集群系统的多种群并行遗传算法，在集群系统的软件开发环境MPICH上构建了多种群粗粒度并行遗传算法框架．采用全局迁移方式交换通信域中各子群体的个体信息，并通过模拟退火规则来确定迁移代频．利用该算法框架对一类优化问题——N维目标函数的最小值问题，给出了具体的实现方法．最后对该类问题的两个实例进行了测试，基于该实例的测试数据对论文提出的算法进行了性能分析．结果显示，算法具有线性加速比，而且解的精度随着并行进程数量的增多而提高．     

配电网综合规划的遗传算法

以遗传算法为基础，提出一种将变电站容量、位置的选择和馈线布线综合考虑、一体优化的方法。该方法虽然使模型结构变得更加复杂和庞大，但是由于考虑全面，模型精确，用遗传算法来探索变电站的供电范围，能代到传统方法难以找到的优化解，具体算例证明了本文算法的有效性。     

一种基于免疫原理的多种群 DNA 遗传算法

针对单种群遗传算法易陷入局部最优、多样性丧失快等问题,提出一种基于免疫原理的多种群DNA遗传算法。在多种群协同进化的基础上,将DNA计算思想引入到编码和遗传操作算子的设计中,通过模拟生物机体的免疫机制对遗传进化过程中个体的产生和选择过程进行自适应调控,并利用优良个体的迁移实现种群间信息交流。最后,通过函数优化实验测试算法的性能。仿真结果表明,算法在发掘全局最优个体、局部搜索能力方面表现优越。     

考虑不确定性风险及结构脆弱性的配电网网架规划

高比例分布式新能源不确定性特征增加系统运行风险,易引发电压与支路功率越限问题,增大系统网架结构脆弱性。因此提出双层多目标配电网网架规划模型,以满足多元用户对供电可靠性及电能质量要求。首先,建立源荷概率模型,并基于概率潮流量化计算配电网节点线路越限风险;其次,基于复杂网络理论,对配电网结构进行脆弱性评估;然后,提出综合考虑不确定性风险与脆弱性影响的配电网网架结构双层多目标规划模型,上层优化网络拓扑,下层规划光伏容量,采用非支配排序遗传算法与改进粒子群算法分别对上、下层模型进行优化求解;最后,采用IEEE14节点系统对方法进行验证。结果表明,该方法可以得到满足不同光伏渗透率接入要求的经济稳定的网络结构。     

基于遗传算法的多代理规划优化方法

给出了多代理规划间关系上的分类,并在此基础上提出了多个约束上多代理规划优化的算法。算法充分考虑了串行规划的合并和其它方法所不能处理的并行及部分并行规划的合并,并能对不同类型的规划,在时间期限约束下,找出满足质量要求且费用最小的可合并操作的集合。     

基于实数编码的多种群演化遗传算法

针对标准遗传算法(SGA)在实际应用中存在早熟收敛、精度较差及运算速度慢的缺点,提出了一种基于实数编码的多种群演化遗传算法(RMGA).实验结果表明该算法能够有效的提高全局搜索能力和局部快速搜索能力,对改进SGA的缺点是十分有效的.     

Immune and Genetic Algorithm Based Assembly Sequence Planning

IntroductionIn the course of the industryautomation, the assemblyautomation is the weakest work, and assembly sequenceplanning is one of the basic issues to accomplish this task.To realize assembly automation, there are three problemsto be solved in common: (1) establishing assembly model;(2) obtaining the restriction between the parts andcomponents within this model; (3) assembly sequencereasoning based on (1) and (2).There are a large number of research reports a…     

基于改进共享小生境遗传算法的配电网无功规划

为了减少配网损耗和保证配网电压质量,解决应用传统适应值共享小生境遗传算法进行无功规划时,由于小生境半径设定值的不同会导致全局寻优能力不稳定、寻优结果波动性较大的问题,将改进共享小生境遗传算法应用于配电网无功规划.首先建立了以净收益现值为目标函数的数学模型,该模型更直观地反映了补偿方案的降损节能收益能力;然后采用基于自适应调整小生境半径的改进共享小生境遗传算法进行配电网无功规划,该算法具有良好的全局寻优能力和解的稳定性;最后采用面向对象的Visual 2005C#高级语言开发编制了配电网无功规划计算程序,算例结果表明了该算法的有效性和实用性.     

基于免疫进化算法的Bayesian网结构学习

利用免疫进化算法（IEA）, 借助遗传和接种疫苗操作将基于打分和基于约束的两类Bayesian网结构学习方法有机地结合在一起, 提出一种新的Bayesian网结构学习方法. 通过与基于遗传算法的Bayesian网结构学习方法EGA(Expectation & Genetic Algorithm）的对比试验表明, 所提出算法的收敛速度更快、 学习得到网络的精度更高.     

桁架结构施工路径优化设计

以假设杆件全部除去时的支撑点数和支撑反力的累计总和为目标函数,利用改进遗传算法求解桁架结构的最优施工路径优化,编制相应的程序,完成层状桁架结构的施工路径优化问题设计．算例表明,利用改进遗传算法有可能得出更优的解。     

基于遗传算法的神经网络结构优化

介绍了遗传算法的基本原理,然后利用遗传算法优化神经网络结构,形成以遗传算法与神经网络相结合的进化神经网络.经验证可知,该算法具有一定的可行性与有效性.     

用改进的遗传算法实现网络计划优化

遗传算法的网络计划优化属于离散的非单调、欺骗性问题,较难得到全局最优解．而采用改进的遗传算法,并运用数据库,通过对大量实际运算结果的统计分析表明：改进后遗传算法,能显著提高全局最优解的成功率．研究中发现,该类问题适应度的动态缩放技术具有最好的效果,并就该类问题提出了合适的参数取值．     

基于免疫遗传算法的递归模糊神经网络

为了解决递归网络的梯度信息不易获取而传统遗传算法训练时间过长、易于早熟的问题,提出了一种用于辨识非线性动态系统的递归高木-关野模糊神经网络(T_RFNN:Takagi-Sugeno Recurrent Fuzzy Neural Network).T_RFNN是在高木-关野模糊模型的基础上加入了反馈层,利用免疫遗传算法对T_RFNN的参数进行训练和调整.该网络具有更少的网络参数、更快的收敛速度和更高的精度等特点,能够很好地完成动态非线性系统的映射.与高木-关野模糊神经网络相比,网络参数减少了45%,网络误差减少了65%,而网络的运行时间提高了近68%.T_RFNN仿真实验的辨识结果也表明,该网络在训练次数明显减少的情况下学习性能得到了显著改善.     

运用改进遗传算法的输电网规划

遗传算法对许多问题是有效的，但普通遗传算法只能保证全局最优解的出现而不能保证每次都收敛于全局最优解，其原因是在搜索过程中出现的全局最优解不能保留下来，针对这一问题，本文将改进自适应代沟方式的遗传算法用于输电网规划中，一方面保证了计算结果有多个解可供选择，另一方面加快了搜索速度，提出了搜索性能，算例表明了这种改进方法的优越性。