改進(jìn)自適應(yīng)遺傳算法及其在水電站最優(yōu)報(bào)價(jià)中的應(yīng)用

utp問題是一個(gè)np問題,要求在一定時(shí)間空間內(nèi)滿足五要素的軟、硬約束條件。本文討論大學(xué)課程表的一種多方法結(jié)合的解決方法,這種方法是自適應(yīng)算法、遺傳算法以及分層思想的結(jié)合應(yīng)用。

作者研究了一種新的水電站最優(yōu)發(fā)電實(shí)時(shí)控制迭代算法,其基本思想簡單清晰,易于實(shí)現(xiàn)。這種算法對水電站發(fā)電機(jī)組的負(fù)荷經(jīng)濟(jì)分配和機(jī)組的最優(yōu)組合相當(dāng)有效,以該算法為基礎(chǔ)的控制系統(tǒng)已實(shí)際應(yīng)用于黃壇口水電站的微機(jī)實(shí)時(shí)監(jiān)控系統(tǒng)中,現(xiàn)場運(yùn)行表明,本算法具有實(shí)時(shí)性、平穩(wěn)性和最優(yōu)性。

實(shí)驗(yàn)表明,縮小解空間的方法對開發(fā)實(shí)用型課表編排系統(tǒng)具有積極意義,可提高效率,起到事半功倍的效果。

通過建立某水電站廠內(nèi)經(jīng)濟(jì)運(yùn)行的數(shù)學(xué)模型,運(yùn)用遺傳算法制訂該水電站廠內(nèi)經(jīng)濟(jì)運(yùn)行的控制計(jì)劃。通過對初值的敏感性、收斂速度和優(yōu)化結(jié)果三方面驗(yàn)證,發(fā)現(xiàn)遺傳算法對初值不敏感且收斂速度較快。當(dāng)遺傳算法精度逐漸增大時(shí),搜索速度逐漸減慢,且搜索效率降低,這時(shí)需要進(jìn)行算法的改進(jìn)。

1概述\r\n遺傳算法《geneticalgorithm）是一種基于生物遺傳和進(jìn)化過程的計(jì)算機(jī)模擬，遺傳算法使得各種人工系統(tǒng)具有優(yōu)良的自適應(yīng)能力和優(yōu)化能力，遺傳算法所借鑒的生物學(xué)基礎(chǔ)就是生物的遺傳和進(jìn)化。在進(jìn)化論中，每一物種在不斷的發(fā)展過程中都是越來越適應(yīng)環(huán)境，物種的基本特征被后代繼承，但后代又不完全與父代相同。對于這種新的變化，若適應(yīng)環(huán)境，則被保留下來；否則，就將被淘汰。亦即適者生存，不適者淘汰。遺傳算法就是模仿了生物的遺傳、進(jìn)化原理，并引用了隨機(jī)統(tǒng)計(jì)原理而形成的優(yōu)化算法。

針對梯級水電站群長期優(yōu)化調(diào)度發(fā)電量最大模型,提出了一種自適應(yīng)混合粒子群進(jìn)化算法(ahpso)。該算法引入混沌思想生成初始解,并定義了粒子能量、粒子能量閾值、粒子相似度和粒子相似度閾值來描述算法的自適應(yīng)變化以及群體進(jìn)化程度,同時(shí)結(jié)合遺傳變異思想進(jìn)行粒子操作,最后提出了一種基于鄰域的隨機(jī)貪心策略以解決算法后期進(jìn)化速度慢的缺點(diǎn)。以瀾滄江下游梯級水電站群為計(jì)算實(shí)例的結(jié)果表明,ahpso比基本粒子群算法有更好的收斂性和優(yōu)化結(jié)果,計(jì)算時(shí)間比逐步優(yōu)化算法少,且優(yōu)化結(jié)果相近,是一種可供選擇的計(jì)算方法。

在水電站自動電壓控制中,為保證水電站內(nèi)母線電壓在給定范圍內(nèi),并且使站內(nèi)網(wǎng)絡(luò)損耗最小,文中提出一種改進(jìn)的遺傳算法進(jìn)行水電站內(nèi)無功分配。該方法通過對簡單遺傳算法中的選擇、雜交和變異3個(gè)基本算子進(jìn)行改進(jìn),并采用爬山法修正所得結(jié)果,從而有效地提高了無功優(yōu)化的速度和精度。對5機(jī)組和13機(jī)組的水電站進(jìn)行仿真,結(jié)果表明與常規(guī)方法及簡單遺傳算法相比,該方法適應(yīng)性好,且易收斂到全局最優(yōu)。

在水電站自動電壓控制中，為保證水電站內(nèi)母線電壓在給定范圍內(nèi)，并且使電壓內(nèi)網(wǎng)絡(luò)損耗最小，文中提出一種改進(jìn)的遺傳算法進(jìn)行水電站內(nèi)分功分配。該方法通過對簡單遺傳算法中的選擇、雜交和變異３個(gè)基本算子進(jìn)行改進(jìn)，并采用爬地修正所得結(jié)果，從而有效地提高了無功優(yōu)化的速度和精度。對５機(jī)組和１３機(jī)組的水電站進(jìn)行仿真，結(jié)果表明與常規(guī)方法及簡單遺傳算法相比，該方法適應(yīng)性好，且易收斂到全局最優(yōu)。

針對水電站水庫優(yōu)化調(diào)度問題,提出了將改進(jìn)遺傳算法和混沌優(yōu)化相耦合的改進(jìn)混沌遺傳算法。該算法將混沌變量映射到優(yōu)化變量的取值范圍中,對混沌變量進(jìn)行編碼,表示成染色體,然后對其進(jìn)行選擇、交叉和變異,通過增加混沌擾動,不斷進(jìn)化收斂得到最優(yōu)解。實(shí)例計(jì)算并與其他方法比較表明,該算法在求解水電站優(yōu)化調(diào)度這樣的復(fù)雜非線性優(yōu)化問題時(shí),搜索效率高,收斂性能好,能以較快的速度收斂于全局最優(yōu)解,為水電站水庫優(yōu)化調(diào)度模型求解提供了一種新方法。

為了確定建筑結(jié)構(gòu)的最優(yōu)阻尼,本文采用了具有魯棒性的臨界激勵(lì)法。使用臨界激勵(lì)法時(shí),頻率作用區(qū)間較難確定,為此,本文通過模態(tài)變換以減少高階頻率的影響,這樣可以簡化頻率作用區(qū)間的搜尋。在保證結(jié)構(gòu)抗震效果的前提下,為進(jìn)一步減少結(jié)構(gòu)總的阻尼增量并使優(yōu)化算法簡單可行,本文引入實(shí)代碼遺傳算法。此外,通過實(shí)例分析可知,底部樓層阻尼取較大的值是有利的。

標(biāo)準(zhǔn)遺傳算法在求解無約束優(yōu)化問題時(shí)得到了成功的應(yīng)用,但是多數(shù)的工程實(shí)例為約束優(yōu)化問題.目前引入懲罰函數(shù)思想的遺傳算法是解決約束優(yōu)化問題最常用的方法,但是使用此方法時(shí)參數(shù)的設(shè)定較為困難.從避免這個(gè)困難和提高算法本身性能的角度出發(fā),構(gòu)造了一種新的算法.首先對非可行個(gè)體進(jìn)行修正,把約束優(yōu)化問題轉(zhuǎn)化為無約束優(yōu)化問題;其次,采用了擴(kuò)大搜索空間選擇較優(yōu)個(gè)體的交叉算子,增強(qiáng)了全局搜索能力;最后,在部分較優(yōu)個(gè)體附近采用了局部搜索策略,提高局部搜索能力.通過對2個(gè)工程優(yōu)化實(shí)例的求解說明了算法的有效性.

本文的主要目的是開發(fā)基于實(shí)數(shù)編碼的雜交遺傳算法來識別土體的本構(gòu)參數(shù)。該雜交遺傳算法在經(jīng)典遺傳算法框架下開發(fā),融合兩個(gè)新開發(fā)的交叉算子,形成了一個(gè)新的雜交策略。為了保持種群的多樣性,在算法中采用了一個(gè)動態(tài)隨機(jī)變異算子。另外,為了提高算法收斂性,采用了一個(gè)基于混沌的局部搜索技術(shù)。分別基于室內(nèi)試驗(yàn)和現(xiàn)場試驗(yàn),通過識別土的本構(gòu)參數(shù)來測試新算法的搜索能力和搜索效率。為了測試新開發(fā)算法的突出表現(xiàn),特選用5種經(jīng)典的隨機(jī)類算法(遺傳算法、粒子群算法、模擬退火算法、差分算法和蜂巢算法),分析同樣的案例進(jìn)行比較。結(jié)果表明,在收斂速度和最優(yōu)解的準(zhǔn)確度方面,新改進(jìn)的算法可以很好地處理巖土工程的參數(shù)反演。

針對小型水電站機(jī)組實(shí)際特性和理論特性存在著較大差異,供水方式一般采用聯(lián)合供水,因水頭損失與機(jī)組流量分配有關(guān)的特點(diǎn),本文以遺傳算法為基礎(chǔ),考慮機(jī)組效率修正和機(jī)組段的水頭損失進(jìn)行廠內(nèi)經(jīng)濟(jì)運(yùn)算。以一個(gè)實(shí)際的小型水電站為例,說明了遺傳算法用于小型水電站的可行性和有效性。

應(yīng)用自適應(yīng)蟻群算法來求解水電站優(yōu)化調(diào)度問題,該算法把問題解抽象為螞蟻路徑,利用狀態(tài)轉(zhuǎn)移,信息素更新和鄰域搜索以獲取最短路徑。實(shí)例計(jì)算表明,該算法計(jì)算精度高,收斂速度快,克服了傳統(tǒng)蟻群算法計(jì)算時(shí)間長,易于陷入局部最優(yōu)的缺點(diǎn),能較好地避免動態(tài)規(guī)劃的維數(shù)災(zāi)問題,可求解具有復(fù)雜約束條件的非線性規(guī)劃問題,為解決水電站優(yōu)化調(diào)度問題提供了一種有效的途徑。

針對粒子群算法容易早熟和易于陷入局部極值的缺點(diǎn),提出一種梯級水電站優(yōu)化調(diào)度的模糊自適應(yīng)粒子群算法.在該算法中將慣性權(quán)值表示為粒子群進(jìn)化速度因子和群體適應(yīng)度方差的模糊函數(shù),在每次迭代過程中動態(tài)改變慣性權(quán)值,以適應(yīng)非線性優(yōu)化搜索過程.針對違反約束的粒子,設(shè)計(jì)了一種動態(tài)空間調(diào)整策略來修復(fù)約束要求.為了驗(yàn)證算法的性能,用2個(gè)測試函數(shù)和擁有4個(gè)水電站的系統(tǒng)進(jìn)行了測試,在求解精度和速度上與標(biāo)準(zhǔn)粒子群算法和改進(jìn)慣性權(quán)值線性遞減粒子群算法進(jìn)行了對比,結(jié)果表明模糊自適應(yīng)粒子群算法收斂速度快、精度高.

考慮優(yōu)化過程中輻射能量交換的特殊性,為了加速優(yōu)化過程的進(jìn)行,通過引入漫反射系統(tǒng)單元表面間輻射傳遞系數(shù)與角系數(shù)之間的關(guān)系來處理百葉窗的輻射能量交換;同時(shí)為了克服傳統(tǒng)優(yōu)化算法存在的缺陷,提出了一種免疫遺傳算法,并且應(yīng)用于百葉窗最優(yōu)化熱設(shè)計(jì)中。優(yōu)化設(shè)計(jì)表明,與標(biāo)準(zhǔn)遺傳算法相比,該優(yōu)化算法具有較強(qiáng)收斂度與全局尋優(yōu)能力,可以較好地用于最優(yōu)化熱設(shè)計(jì)中。

為實(shí)現(xiàn)led照明的恒照度控制,首先建立了led的照度模型,然后采用單神經(jīng)元自適應(yīng)算法設(shè)計(jì)led的照度控制器。仿真結(jié)果表明,單神經(jīng)元自適應(yīng)控制器能夠?qū)崿F(xiàn)led照度的穩(wěn)定控制,取得了較為理想的控制效果。

基于遺傳算法的公路養(yǎng)護(hù)資源最優(yōu)分配——　　為尋找資源最優(yōu)分配時(shí)的養(yǎng)護(hù)策略，采用遺傳算法進(jìn)行求解．將多年養(yǎng)護(hù)策略表示為染色體，每種養(yǎng)護(hù)方式采用二進(jìn)制編碼形式用兩個(gè)基因表示，各年的養(yǎng)護(hù)策略由路面和橋面兩部分構(gòu)成，并通過試驗(yàn)標(biāo)定遺傳算法的主要參數(shù)...

就提高水電站水能利用率為目標(biāo),建立模型,通過數(shù)值方式進(jìn)行運(yùn)算,利用matlab采用遺傳算法模擬仿真了漫灣水電站機(jī)組優(yōu)化運(yùn)行;并比較了電站比較了采用傳統(tǒng)方法、采用優(yōu)化算法以及采用優(yōu)化算法下縮小峰谷負(fù)荷差和無峰谷負(fù)荷差幾種工況下耗水量,能夠提高水輪機(jī)發(fā)電效率的運(yùn)行參數(shù).

以水電站運(yùn)行成本最小為目標(biāo),提出了一種用混合遺傳算法實(shí)現(xiàn)大型電站最優(yōu)運(yùn)行計(jì)劃的方法。該方法考慮了機(jī)組能量特性差異,并能在旋轉(zhuǎn)備用、起停成本、空蝕振動區(qū)、機(jī)組可用性等約束條件下,制定出電站日內(nèi)96段最優(yōu)運(yùn)行計(jì)劃。該方法避免了動態(tài)規(guī)劃等算法處理多約束、大型優(yōu)化問題的困難,同時(shí)提高了遺傳算法的精度。算例表明,方法精度高,計(jì)算速度快。

將遺傳算法用于解決水電系統(tǒng)短期發(fā)電優(yōu)化調(diào)度問題,利用改進(jìn)的遺傳算法初始編碼方式,結(jié)合最優(yōu)日調(diào)度權(quán)重系數(shù),構(gòu)造了水電站短期優(yōu)化調(diào)度的改進(jìn)遺傳算法模型,由于原始基因已經(jīng)具有了一定的規(guī)律性,所以模型具有計(jì)算速度快,結(jié)果準(zhǔn)確、合理,便于實(shí)際調(diào)度需求等特點(diǎn)。實(shí)例證明,該方法能夠求解復(fù)雜約束條件下的非線性優(yōu)化問題,算法編程簡潔,易于實(shí)現(xiàn),從而為分時(shí)電價(jià)應(yīng)用環(huán)境下的水電站短期發(fā)電優(yōu)化調(diào)度問題提供了一種有效的解決方法

在遺傳算法中為避免采用二進(jìn)制編碼時(shí)存在的編碼冗余問題,本文提出了一種基于十進(jìn)制整數(shù)編碼的改進(jìn)遺傳算法,并進(jìn)行水電站水庫優(yōu)化調(diào)度研究。用遺傳算法進(jìn)行水庫優(yōu)化調(diào)度計(jì)算可從多個(gè)初始點(diǎn)開始尋優(yōu),占用內(nèi)存少,能以較快速度找到全局最優(yōu)解。實(shí)例計(jì)算并與常規(guī)優(yōu)化相比,表明該方法簡便、快速,可避免水庫優(yōu)化調(diào)度中的維數(shù)災(zāi)