水电站发电优化调度初始粒子群生

重点分析了粒子群算法(Particle Swarm Optimization, PSO)在水电站优化调度应用中存在的收敛速度慢等问题，并针对问题提出了一种新的初始粒子群生成方法，形成了粒子群算法求解水库优化调度的改进应用方法。改进前后仿真计算结果的对比分析表明，改进后的应用方法可明显提高水电站优化调度问题的求解速度和精度。     

MATLAB粒子群算法工具箱求解水电站优化调度问题

粒子群算法因其原理简单、易于编程、适于并行计算等优点而得到了广泛的应用.本文探讨和分析了Matlab粒子群算法工具箱,并提出了基于该工具箱来实现水电站优化调度计算的方法.计算实例表明,Matlab粒子群算法工具箱可以很好地用于解决水电站优化调度问题,可获得比动态规划算法更好的精度.     

MATLAB粒子群算法工具箱求解水电

粒子群算法因其原理简单、易于编程、适于并行计算等优点而得到了广泛的应用。本文探讨和分析了Matlab粒子群算法工具箱，并提出了基于该工具箱来实现水电站优化调度计算的方法。计算实例表明，Matlab粒子群算法工具箱可以很好地用于解决水电站优化调度问题，可获得比动态规划算法更好的精度。     

基于改进粒子群算法的排涝泵站优化调度分析

针对泵站节能降耗问题,建立了站内优化调度模型,并利用混沌理论改进粒子群算法,开展站内调度方案寻优问题研究。研究结果表明,采用混合粒子群算法,收敛速度快,求解精度高,较适合泵站优化调度求解;采用3时段优化分析时,优化方案耗电量为23.34万kWh,节省电量3.46万kWh,取得了较好的优化调度结果。     

水库优化调度的粒子群算法

提出了在用粒子群算法求解水库优化调度问题时,将模拟退火因子引入罚函数,可以克服不变罚因子的缺陷.采用动态规划法和PSO算法优化调度程序,结果发现PSO算法计算结果更优于动态规划结果.实例计算表明,粒子群算法原理简单,易于编程,占用内存少,求解精度高,适合求解具有复杂约束的水库优化调度问题.     

基于自适应弹性粒子群算法的小水电长期优化调度研究

以三插溪电站为研究对象,建立了该电站以控制水位和弃水最小为目标的优化调度数学模型;设计了一种以自适应方式更新粒子飞行速度的弹性粒子群优化算法求解该优化调度数学模型,包括粒子编码设计、适应度函数设计以及弹性修正值设计,并编制了基于MATLAB语言的优化程序。仿真结果表明:自适应弹性粒子群算法是有效的,比基本粒子群优化算法和自适应粒子群优化算法具有更强的全局寻优能力;和常用的以发电量最大为目标的优化调度模型相比,数学模型可以实现水位控制,更充分地利用水能资源,是简单可行的小水电优化调度数学模型。     

模块化产品优化配置问题的混合PSO求解方法

针对产品优化配置问题,建立了客户需求与可配置产品模块实例之间的映射关系,采用动态惩罚函数处理约束条件,构建了产品优化配置问题的数学模型.采用遗传算法的交叉与变异策略和模拟退火算法的Metropolis准则改进粒子群算法,将形成的混合粒子群算法作为产品优化配置的求解方法.使用二进制编码方案表示可配置产品的配置方案.通过使用混合粒子群算法进行产品优化配置仿真试验,以及混合粒子群算法与遗传算法的仿真对比试验,证明该方法简单有效,效率较高.     

基于改进粒子群算法的小麦收割机路径优化控制研究

为了实现小麦收割机的路径优化控制,文章利用改进粒子群算法对其进行优化控制。首先,构建了小麦收割机调度优化模型;其次,构建了改进粒子群算法的基本模型;最后,对其进行了仿真分析,仿真结果表明,改进粒子群算法能优化小麦收割机的路径。     

仿生算法在水库(群)优化调度中的应用综述

介绍了几种常见的仿生算法(如粒子群算法、蚁群算法)和几种新型的仿生算法(如模拟植物生长算法、人工免疫算法),对各算法的原理及各类改进方法进行了综述,讨论了仿生算法在水库(群)优化调度研究中的应用以及存在的问题,最后对仿生算法的发展进行了评述与展望.     

基于混合粒子群算法的多目标柔性Job-Shop调度方法

针对经典Job-Shop调度问题的局限性,提出了以时间、成本、质量三者综合为优化目标,具有柔性Job-Shop车间调度的优化模型.给出了优化目标的计算方法,并设计了混合粒子群算法,给出了使用此算法求解模型的具体实现过程.模型采用工序能力指数对质量目标进行量化,并采用综合评判线性加权模型解决柔性Job-Shop算法的权重选择问题,使决策者能够根据实际情况选择优化目标的偏好解.通过一个车间调度问题的实例验证了此调度模型和算法的有效性.     

水电站群中长期调度优化

比较了遗传算法和Tabu搜索两种算法的优缺点，针对水电站群中长期调度优化的复杂性﹑高维性和非线性特点，提出利用TS-GA组合算法的策略，应用于水电站群中长期调度优化中。计算机仿真结果表明:与单一优化算法相比较，TS-GA组合算法具有更强的全局寻优能力和更少的寻优时间，因而是一种很有应用前景的水电站群中长期调度优化方法。     

仿生算法在水库(群)优化调度应用中的综述

介绍了几种常见的仿生算法(如粒子群算法、蚁群算法)和几种新型的仿生算法(如模拟植物生长算法、人工免疫算法)，对各算法的原理及各类改进方法进行了综述，讨论了仿生算法在水库(群)优化调度研究中的应用以及存在的问题，最后对仿生算法的发展进行了评述与展望。     

粒子群算法的改进及在农业水资源配置的应用

为了合理分配大荔县农业水资源,提高大荔县的农户总收益,建立农业水资源优化配置模型,得到大荔县主要农作物的合理种植面积以及灌水量优化配置方案,解决将大荔县灌区有限农业水资源在不同作物中合理分配的问题,实现总收益最大化的目标.模型求解中使用粒子群算法,对算法同时进行线性递减惯性权值及限速粒子群的2种改进,解决了粒子逃离函数定义域导致程序中断的问题.结果表明:经过优化后大荔县丰水年(降雨频率P=25%)总收益为29.78亿元,平水年(P=50%)总收益为29.75亿元,枯水年(P=75%)总收益为29.50亿元,与优化前的总收益28.98亿元相比均有所增长,水资源更多分配给经济作物棉花,农作物种植面积和水量均实现最优分配.对改进前后的粒子群算法求解进行比较,改进后粒子群算法寻优能力强,结果可靠合理,为区域水资源优化配置提供了新的解决思路.     

POA方法在水电站群优化运行中的应用

介绍了POA方法原理、模型建立与求解过程,通过一个地方电网的优化运行调度实例分析了该方法在水电站群优化运行中的应用.结果表明,POA方法具有原理简单、求解方便、易于编程、数据量小、容易推广的特点,在水库水电站联合优化调度领域应用前景较好.     

变尺度混沌优化算法在水库优化调

利用变尺度混沌优化算法（Mutative Scale Chaos Optimization Algorithm,MSCOA）对水电站中长期水库调度问题进行优化计算。变尺度混沌优化算法解决水电站中长期水库优化调度问题的主要思想是利用混沌运动的特点,由Logistic 方程随机生成混沌序列;将其载波到包含水电站目标函数可行域S的一个区域;利用随机性、遍历性和规律性,不断缩小优化变量的搜索空间和提高搜索精度进行全局寻优,从中搜索属于可行域S的解;同时在搜索中引入解向量优选,将解向量中那些接近全局最优解的分量找出,构成一个新的向量,代入目标函数中进行计算,从而找出全局最优解,最终求出水电站水库调度的最优调度线。水库优化调度问题是一个具有复杂约束条件的大型、多目标、动态非线性优化问题,将变尺度混沌优化方法应用到水库优化调度问题中,优化计算结果表明变尺度混沌优化方法为求解水库优化调度问题提供了一种有效方法,具有较大的实用价值。     

考虑生态灌溉需求的梯级水电站群多目标优化调度研究

综合考虑灌溉、防洪、生态、发电目标建立梯级水电站群多目标联合优化调度模型,以发电效益最大为优化目标,将农业灌溉、生态流量、防洪目标转化为硬性约束条件,采用改进的差分进化算法求解模型.引入灌溉用水计划倍比系数,通过多情景模拟,分析灌溉、发电目标之间的竞争关系和置换率,揭示多目标之间的效益置换机理和水电站群联合优化调度增益...     

粒子群和遗传算法在农业工程中的应用

在农业工程的研究以及应用中,涉及到大量的系统优化问题,而传统优化算法在求解某些农业工程问题时,如离散优化问题,高非线性、多约束、多极值的问题,暴露了其局限性。粒子群算法和遗传算法具有独特的优点,在现代农业工程中逐渐得到了应用。为此,介绍了粒子群算法和遗传算法的原理,以及粒子群算法和遗传算法在农业机械优化设计、农业工程优化设计、现代农业发展规划、农产品物流网络优化和农村电网及无功补偿优化等领域的应用及研究进展。     

基于改进人工蜂群算法的水电站水库优化调度研究

首先建立了水电站水库优化调度模型。在对人工蜂群算法描述的基础上,为有效避免标准人工蜂群算法局部搜索能力差等缺点,提高寻优能力,本文设计了一种以反向学习策略搜寻初始解、以自适应比例选择策略代替轮盘赌法、以基于指数分布突变策略更新蜜源位置的改进人工蜂群算法。应用MATLAB软件将改进后的人工蜂群算法应用于新安江电站水库优化调度中。仿真结果表明,改进人工蜂群算法具有更好的全局搜索能力,调度结果显著优于人工蜂群算法和粒子群算法。     

POA方法在水电站群优化运行中的

介绍了POA方法原理、模型建立与求解过程，通过一个地方电网的优化运行调度实例分析了该方法在水电站群优化运行中的应用.结果表明，POA方法具有原理简单、求解方便、易于编程、数据量小、容易推广的特点，在水库水电站联合优化调度领域应用前景较好。     

混沌粒子群微分进化算法及其在水库发电优化调度中的应用

粒子群优化算法（PSO）与微分进化算法（DE）都是有效的基于群体智能的全局优化算法,但它们都容易过早收敛,陷入局部最优。针对以上问题,提出了混沌粒子群微分进化算法（CPSO—DE）,该算法引入可变的惯性权重和学习因子,以基于logical映射的混沌序列代替标准PSO中的随机序列来对粒子群进行初始化,同时将微分进化算法（DE）中的变异、交叉和选择思想引入标准PSO算法中,改变标准PSO算法单一的进化策略,在全局范围内搜索最优解。作为实证的需要,通过对水库优化调度所存在问题的分析,建立了基于CPSO-DE算法的水库优化调度数学模型与求解算法,并以某水库实际运行数据进行计算,结果表明CPSO-DE算法具有较好的全局最优解,验证了CPSO—DE算法的可行性与健壮性。