含MCVaR的投资组合优化统一模型

研究了Duarte提出的投资组合优化统一模型及条件风险价值（CVaR），分析了以CVaR为风险度量的投资组合优化模型的具体形式，建立了统一七种模型的投资组合优化统一模型，并发现统一模型是一个凸二次规划问题.     

椭球不确定集下的投资组合鲁棒优化模型

对于含有不确定参数的采用CVaR风险度量的投资组合模型,基于鲁棒优化理论的最新进展,结合统计或时间序列,构造形式较为简单的椭球不确定集作为对参数不确定性的近似,把原问题转化为易于求解的确定型最优化问题,解决了该模型由于参数具有不确定性所造成的缺陷,得到鲁棒性与最优性都较为满意的解.通过市场数据对模型的可操作性和实用性进行验证.     

基于Pair-Copula-GARCH模型与CVaR的时变投资组合优化

以过去的信息为条件，以一致性风险度量CVaR为优化目标，以组合收益率为约束条件，建立了时变投资组合优化模型，通过基于pair-copula-GARCH模型的蒙特卡洛模拟方法得到未来某时刻收益率的多个可能情景，并引入一个特殊函数实现了投资组合模型的线性化，得到了最优投资组合策略．最后针对提出的模型进行了实例分析．     

改进群体智能算法的无线传感器网络覆盖优化

为解决无线传感器网络(Wireless Sensor Networks, WSN)节点分布不均和随机部署中的低覆盖率问题，该文提出一种改进群体智能算法的无线传感器网络覆盖优化算法，即改进的黑猩猩优化和哈里斯鹰优化的混合优化算法(Improved Chimp Optimization and Harris Hawk Optimization Algorithm, ICHHO).该算法首先对黑猩猩优化算法(Chimpanzee Optimization Algorithm, ChOA)进行改进，使用Levy Flight来改善其探索阶段，然后设计一个更新的公式来计算猎物逃逸能量，作为开发和探索之间的选择因素.传感器节点随机部署后，将ICHHO在传感器节点上执行，按照改进策略更新个体位置信息，计算相应的适应程度，找到最优传感器位置，并根据传感器概率模型确定网络最优覆盖率.仿真结果验证了ICHHO对于解决WSN覆盖问题的适用性，与其他优化算法的对比结果显示，ICHHO在提高覆盖率方面优于其他算法.     

下层独立的一主多从双层随机线性规划问题研究

Herminia I.Calvete等研究了一主多从双层确定性线性规划问题,证明了这类问题等价于一类常规的双层线性规划问题.本文在此基础上,推广确定型的问题到随机型优化情况,考虑了一类下层优化相互独立的一主多从双层随机优化问题(SLBMFP).在特定的随机变量分布条件下,理论上证明了该类问题可以转化为一主一从双层确定性优化问题.本文的研究对于求解一主多从双层随机优化模型,解决此类模型在实际应用中的问题具有一定的意义.     

一类矩形切割的优化模型

研究了工业中常遇到的先将原料板切割成加工拼板后，再将拼板切割成单元板的一类矩形板材切割问题，此类问题归结为二维排布的双层优化，针对单元板在拼板上和拼板在原料板上的4种不同排布情形，建立了统一的非线性整数规划模型，根据问题的特点，给出了该模型的一个化双层优化为单层优化的求解算法，实际应用中，该算法能在数秒钟内按工艺要求给出最优切割方案，与传统方法相比，料板利用率常可提高5％～10％．     

一种基于双子群的改进粒子群优化算法

针对粒子群优化算法易于陷入局部最优解并存在早熟收敛的问题，提出了一种基于双子群的改进粒子群优化算法（TS IPSO)，通过2组搜索方向相反的主、辅子群之间的相互协同，扩大搜索范围，借鉴遗传算法的杂交机制，并采用惯性权值的非线性递减策略，加快算法的收敛速度和提高粒子的搜索能力，降低了算法陷入局部极值的风险.实验结果表明该算法较标准PSO算法提高了全局搜索能力和收敛速度，改善了优化性能.     

一种引入反向搜索机制的果蝇优化算法研究

针对基本果蝇优化算法求解复杂优化问题时全局搜索能力差,种群多样性偏低等问题,提出一种引入反向搜索机制的果蝇优化算法（RFOA）。该算法通过在搜索趋于停滞时计算果蝇个体和进化方向的夹角,挑选出一批和进化方向相反的果蝇个体并利用这些个体去探索新的最优解,从而跳出局部最优。通过标准测试函数进行仿真测试,实验结果证明,解决部分较为复杂的优化问题时,RFOA相比其他改进算法可以更有效地避免早熟收敛,加快收敛速度,提高收敛精度。     

一种改进的多目标优化算法的性能度量方法

本文在传统多目标优化算法性能度量方法的基础上,提出了一种改进的多目标优化问题的性能度量方法-NR。该度量方法中的非支配比率成功克服了指标两个解集之间的覆盖率只能两两比较的不足,使三种算法或者更多算法之间的比较更加直观容易。该度量方法能对有效解集进行独立的评价。     

基于两时段的WCVaR风险分析及其应用

针对随机变量的分布信息不完全的情况下，提出了两时段的Worst-Case Conditional Value-at-Risk（WCVaR）指标，并建立了两时段的风险-利润投资组合优化模型，该模型是一高维问题，具有复杂的优化结构.在损失函数为线性以及随机变量为离散界约束分布的假设下，运用最优化对偶理论将具有多层min-max结构的高维复杂模型转化为简单的低维线性规划问题.此研究是单时段WCVaR方法的发展，可有效用在随机变量的分布为非完全分布信息下的风险-利润问题.电力市场是一个典型的风险市场，将提出的两时段WCVaR模型应用于电力市场的电力资产分配问题，数值试验测试了该模型和方法的有效性.     

配电网重构的微分进化算法研究

配电网重构是降低电力系统中网络损耗的主要途径.将微分进化算法应用于配电网重构中,通过改变开关的闭合状态来改变网络的拓扑结构,从而达到网损最小的目的.并通过两种不同的智能优化算法对IEEE33节点系统进行仿真测试,测试结果表明:微分进化算法具有收敛速度快、鲁棒性好、计算精度高等特点.     

基于智能软开关的农村配电网无功优化

农村配电网建设是农村电气化和电力发展规划的重要组成部分。目前农村配电系统整体电压低,无功补偿不足,损耗大,使得供电质量低。为了优化农村低压配电网,本研究提出了1种电容器组与智能软开关(Soft openpoint,SOP)共存的双层优化模型,上层进行电容器组的选址定容,使得配电网节点电压偏差最小,下层利用上层优化得出的电容器位置与容量,规划出SOP的位置,使得网络有功损耗最小。采用改进狼群算法对所提模型进行求解,并在IEEE33节点系统中进行仿真,验证算法可行性。     

基于混合智能算法的无功优化研究

为了降低输电网电能损耗,采用混和智能算法(粒子群算法与差异进化算法相结合)作为无功优化算法。该算法对不断变化的个体极值与整体极值进行研究,并且引入第三值分离相似性状,寻找最优补偿点的位置,从而有效补偿电能传输过程中的无功功率。通过IEEE系统例证分析,结果表明混合智能算法性能优于粒子群算法。说明混合智能算法对电能传输过程中所需无功功率有良好的补偿作用,对电网经济安全运行有良好的保障性。     

基于GaBP算法的快速潮流计算方法

研究在潮流迭代求解过程中雅可比矩阵方程组的迭代求解方法及其收敛性。首先利用PQ分解法进行潮流迭代求解,并针对求解过程中雅可比矩阵对称且对角占优的特性,对雅可比矩阵方程组采用高斯置信传播算法(GaBP)进行求解,再结合Steffensen加速迭代法以提高GaBP算法的收敛性。对IEEE118、IEEE300节点标准系统和两个波兰互联大规模电力系统进行仿真计算后结果表明：随着系统规模的增长,使用Steffensen加速迭代法进行加速的GaBP算法相对于基于不完全LU的预处理广义极小残余方法(GMRES)具有更好的收敛性,为大规模电力系统潮流计算的快速求解提供了一种新思路。     

基于状态空间模型的智能优化算法及其应用

基于区域经济发展失衡理论，从农村社会养老保障发展不均衡与政府责任之间内在关联的视角，重点考察了各地区农村社会养老制度提供保障的理论水平和现实差异，并得到以下结论：由于政府主观层面的原因，地方政府在农村社会养老保障制度中承担责任的实际水平与无差异偏好下的理论水平之间有较大差异。     

配电网动态无功优化方法研究

针对动态无功优化问题的难点,通过负荷曲线动态分段来解决控制设备动作次数约束问题,基于当前分段方案和各时段的无功优化方案,对各时段负荷极值点进行潮流计算,根据各节点电压情况动态调整负荷曲线分段数,直到满足设备动作次数约束和节点电压约束。采用改进粒子群算法对负荷曲线分段问题和各时段的静态无功优化问题进行求解,定义全局趋优性能和局部趋优性能,并由此设计自适应惯性权重和加速因子计算公式,在迭代前期和后期分别采用阶段性初始化和变异操作,有效提高了算法的收敛速度和最优解质量。通过对某31节点系统仿真,结果表明了该算法的有效性。     

ILU预处理Newton-Krylov方法的潮流计算

由于电力系统修正方程组具有高维、稀疏的特点，本文提出将预处理Krylov子空间方法应用于潮流修正方程组的求解，形成预处理Newton-Krylov的潮流计算方法。结合ILU预处理方法，比较了最常用的3类Newton-Krylov方法求解潮流方程的计算效果。通过对 IEEE30、IEEE118、IEEE300 和3个Poland大规模电力系统进行潮流计算，结果表明：3类Newton-Krylov方法是电力系统潮流计算的有效方法，呈现出良好的收敛特性和计算效率。     

配电网无功优化控制研究

设计了无功优化控制系统的软件体系结构，建立了动态无功优化数学模型。提出的高压配电网无功优化控制基于现有地调自动化系统，在母线负荷预测的基础上，利用遗传算法求解整个电网的无功优化问题，得到的优化结果为各个变电站VQC的合理限值。该方法将全局优化与VQC分散控制的优点结合起来，克服了各变电站无功、电压就地最优控制的弊端，节电效益显著。在某地区电网的应用中验证了该系统和方法的有效性，经过优化计算，在满足电压约束和控制设备动作次数限制的条件下，降低了电能损耗，有功损耗比优化前下降约3％。     

模糊自适应遗传算法在农村电站无功补偿优化中的应用

运用模糊自适应遗传算法对农村电站无功补偿优化数学模型进行了优化计算,通过实例的计算机仿真,搜索到了电站无功补偿费用最低的优化补偿点,结果符合实际应用情况,表明自适应遗传算法应用于农业工程优化设计计算切实可行。