改進自適應(yīng)遺傳算法及其在水電站最優(yōu)報價中的應(yīng)用

utp問題是一個np問題,要求在一定時間空間內(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)電實時控制迭代算法,其基本思想簡單清晰,易于實現(xiàn)。這種算法對水電站發(fā)電機組的負荷經(jīng)濟分配和機組的最優(yōu)組合相當(dāng)有效,以該算法為基礎(chǔ)的控制系統(tǒng)已實際應(yīng)用于黃壇口水電站的微機實時監(jiān)控系統(tǒng)中,現(xiàn)場運行表明,本算法具有實時性、平穩(wěn)性和最優(yōu)性。

實驗表明,縮小解空間的方法對開發(fā)實用型課表編排系統(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)濟運行的數(shù)學(xué)模型,運用遺傳算法制訂該水電站廠內(nèi)經(jīng)濟運行的控制計劃。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,搜索速度逐漸減慢,且搜索效率降低,這時需要進行算法的改進。

1概述\r\n遺傳算法《geneticalgorithm）是一種基于生物遺傳和進化過程的計算機模擬，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化。在進化論中，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、進化原理，并引用了隨機統(tǒng)計原理而形成的優(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)變化以及群體進化程度,同時結(jié)合遺傳變異思想進行粒子操作,最后提出了一種基于鄰域的隨機貪心策略以解決算法后期進化速度慢的缺點。以瀾滄江下游梯級水電站群為計算實例的結(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,計算時間比逐步優(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,文中提出一種改進的遺傳算法進行水電站內(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個基本算子進行改進,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機組和13機組的水電站進行仿真,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，文中提出一種改進的遺傳算法進行水電站內(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個基本算子進行改進，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機組和１３機組的水電站進行仿真，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,提出了將改進遺傳算法和混沌優(yōu)化相耦合的改進混沌遺傳算法。該算法將混沌變量映射到優(yōu)化變量的取值范圍中,對混沌變量進行編碼,表示成染色體,然后對其進行選擇、交叉和變異,通過增加混沌擾動,不斷進化收斂得到最優(yōu)解。實例計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,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法。使用臨界激勵法時,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,本文引入實代碼遺傳算法。此外,通過實例分析可知,底部樓層阻尼取較大的值是有利的。

標準遺傳算法在求解無約束優(yōu)化問題時得到了成功的應(yīng)用,但是多數(shù)的工程實例為約束優(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,但是使用此方法時參數(shù)的設(shè)定較為困難.從避免這個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.首先對非可行個體進行修正,把約束優(yōu)化問題轉(zhuǎn)化為無約束優(yōu)化問題;其次,采用了擴大搜索空間選擇較優(yōu)個體的交叉算子,增強了全局搜索能力;最后,在部分較優(yōu)個體附近采用了局部搜索策略,提高局部搜索能力.通過對2個工程優(yōu)化實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),融合兩個新開發(fā)的交叉算子,形成了一個新的雜交策略。為了保持種群的多樣性,在算法中采用了一個動態(tài)隨機變異算子。另外,為了提高算法收斂性,采用了一個基于混沌的局部搜索技術(shù)。分別基于室內(nèi)試驗和現(xiàn)場試驗,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),分析同樣的案例進行比較。結(jié)果表明,在收斂速度和最優(yōu)解的準確度方面,新改進的算法可以很好地處理巖土工程的參數(shù)反演。

針對小型水電站機組實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,因水頭損失與機組流量分配有關(guān)的特點,本文以遺傳算法為基礎(chǔ),考慮機組效率修正和機組段的水頭損失進行廠內(nèi)經(jīng)濟運算。以一個實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。實例計算表明,該算法計算精度高,收斂速度快,克服了傳統(tǒng)蟻群算法計算時間長,易于陷入局部最優(yōu)的缺點,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,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)計了一種動態(tài)空間調(diào)整策略來修復(fù)約束要求.為了驗證算法的性能,用2個測試函數(shù)和擁有4個水電站的系統(tǒng)進行了測試,在求解精度和速度上與標準粒子群算法和改進慣性權(quán)值線性遞減粒子群算法進行了對比,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)計中。優(yōu)化設(shè)計表明,與標準遺傳算法相比,該優(yōu)化算法具有較強收斂度與全局尋優(yōu)能力,可以較好地用于最優(yōu)化熱設(shè)計中。

為實現(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)護資源最優(yōu)分配——　　為尋找資源最優(yōu)分配時的養(yǎng)護策略，采用遺傳算法進行求解．將多年養(yǎng)護策略表示為染色體，每種養(yǎng)護方式采用二進制編碼形式用兩個基因表示，各年的養(yǎng)護策略由路面和橋面兩部分構(gòu)成，并通過試驗標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,建立模型,通過數(shù)值方式進行運算,利用matlab采用遺傳算法模擬仿真了漫灣水電站機組優(yōu)化運行;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荷差和無峰谷負荷差幾種工況下耗水量,能夠提高水輪機發(fā)電效率的運行參數(shù).

以水電站運行成本最小為目標,提出了一種用混合遺傳算法實現(xiàn)大型電站最優(yōu)運行計劃的方法。該方法考慮了機組能量特性差異,并能在旋轉(zhuǎn)備用、起停成本、空蝕振動區(qū)、機組可用性等約束條件下,制定出電站日內(nèi)96段最優(yōu)運行計劃。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,同時提高了遺傳算法的精度。算例表明,方法精度高,計算速度快。

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,所以模型具有計算速度快,結(jié)果準確、合理,便于實際調(diào)度需求等特點。實例證明,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,易于實現(xiàn),從而為分時電價應(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制編碼時存在的編碼冗余問題,本文提出了一種基于十進制整數(shù)編碼的改進遺傳算法,并進行水電站水庫優(yōu)化調(diào)度研究。用遺傳算法進行水庫優(yōu)化調(diào)度計算可從多個初始點開始尋優(yōu),占用內(nèi)存少,能以較快速度找到全局最優(yōu)解。實例計算并與常規(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)