自调节退火粒子群改进算法在水电站厂内经济运行新算法

为进一步改善用于求解大型水电站厂内经济运行一般算法的收敛速度及收敛精度,提出了一种混合优化算法—自调节退火粒子群改进算法(ASAPSO)。该算法以粒子群算法(PSO)与模拟退火算法(SA)的协同搜索为搜索机制,在此基础上加入自调节适应惯性权重参数以平衡算法全局与局部收敛性,并同时引入交叉算子、变异算子以提高解的多样性,克服了算法前期精度低、后期收敛速度慢、易于陷入局部最优等缺点。算例结果表明,较PSO算法、退火遗传算法(AGA), ASAPSO算法在收敛性能方面有明显的提高,能有效解决复杂的厂内经济运行问题。     

基于改进遗传算法的农村配电网无功优化算法

为了保证农村配电网中的电压质量和电力系统的稳定性,解决以往无功优化算法中遗传算法计算时间过长的问题,提出了改进遗传算法与灵敏度相结合的无功优化算法及模型,在灵敏度分析的基础上确定初始种群,提高了初始种群的质量并避免了搜索的盲目性,运用改进的交叉和变异算子使得遗传操作得到改善.通过对算例的优化结果可以看出,改进后的无功优化算法优越,计算速度快,实用性强.     

基于自适应遗传算法的系统PSS参

多机电力系统中，电力系统稳定器PSS（Power System Stabilizer）的优化配置是一个复杂的非线性优化问题。一般PSS的配置包括其安装地点的选择和参数的优化。先根据参与因子法对PSS的安装地址进行选择，而后重点研究运用改进的自适应遗传算法(AGA, Adaptive Genetic Algorithm)对多机系统PSS参数进行优化。这种方法中交叉率和变异率能够随适应度自动改变，而不是恒定不变。该方法的优点是改善了传统的遗传算法(GA, Genetic Algorithm)中容易出现的“早熟”现象，提高了寻优过程的收敛性和稳定性。仿真结果表明，采用的自适应遗传算法在收敛性、计算时间和参数稳定上都优于传统遗传算法，将经过参数优化后的PSS加装到系统中，不仅可以克服低频振荡现象，而且使系统的暂态稳定性和静态稳定性都得到大幅度增强。     

混合果蝇优化算法PID参数整定方法的研究

【目的】解决基本果蝇优化算法（FOA）由于算法局限性而出现比例积分微分（PID）参数整定收敛速度慢且容易过早陷入局部最优的问题。【方法】为了在迭代前期具有更高的全局搜索效率,利用粒子群算法（PSO）寻找多个全局较优种群,迭代后期使用具有较强的局部寻优能力的FOA算法提高收敛精度,实现对全局搜索和局部搜索过程的优化。【结果】两个二阶时滞系统的阶跃响应测试结果表明,基于HFOA的PID控制器参数整定的上升时间、调节时间和超调量等指标更优,能够实现更好的系统响应性能。【结论】优化后算法具有控制精度高、响应速度快、鲁棒性好等优点,为PID参数优化提供了参考。     

改进微粒群算法及其在水库优化调

介绍了一种新的集群智能算法—微粒群算法（PSO），该算法具有实现简单、参数少且收敛快的特点。针对其易于陷入局部最优的缺陷，文中通过引入遗传算法中的“杂交”算子，并采用自适应的惯性权重，对原算法进行了改进，并将其应用于水库长期优化调度问题。文中用实际算例验证了该算法的有效性，从而为水库优化调度问题提供了一种新的求解途径。     

柴油机冷却水温度监控系统PID控制参数优化

针对柴油机冷却水温度监控系统控制质量不高、超调量大、稳定时间长等问题,设计一种基于PLC的柴油机冷却水温度监控系统,确定PID控制器优化参数,构建加权性能指标及基于性能指标加权的适应度函数,提出一种通过Z-N整定法生成初始种群、适应度值适时缩放、交叉和变异算子自适应调整、算法后期结合坐标轮换法来提高搜索速度和精度的自适应遗传算法,并对其进行仿真分析及试验验证,结果表明该系统具有较强的鲁棒性能。     

Free Search算法率定的Sacramento模型在东北寒旱区的应用

采用模型对比研究方法,以萨克拉门托(Sacramento,SAC)模型为研究对象,以新安江模型为参考,采用基于动物群体的自由搜索(Free search,FS)算法作为率定水文模型的优化算法,选取松花江水系和辽河水系的3个集水区为实证流域,通过对比FS算法率定的SAC模型和新安江模型在3个流域的模拟效果,验证SAC模型在东北寒旱区流域的适用性。研究结果表明,FS算法迭代计算过程简单,需要设置的算法参数较少,在率定SAC模型和新安江模型时效率较高;在相同的模拟条件下,FS算法率定的SAC模型模拟效果更好,其Nash模型效率系数高于新安江模型,表明SAC模型适用于东北寒旱区流域;但SAC模型在东北寒旱区的模拟精度还有待提升,模型尚需进一步发展和完善。     

基于免疫遗传和蚁群融合算法的散乱点云曲面拟合

对复杂型面物体的曲面拟合方法进行了研究,通过点云数据参数化、基于免疫遗传算法(IGA)的自适应节点计算、反求曲线控制顶点、点云数据分割以及曲面拼接5个步骤来进行曲面拟合。提出了一种基于免疫遗传和蚁群的融合算法,将其应用于曲面拟合中,利用免疫遗传算法的全局搜索能力,来提高蚁群的收敛速度。该算法通过免疫遗传算法的选择、交叉、变异操作、疫苗接种和疫苗选择,并将免疫遗传算法引入到蚁群系统的迭代中,有效地解决了蚁群系统易陷入局部最优和易退化的缺点。采用fender、fandisk、bunny、cow 4个实例,对其3D散乱点云分别采用融合算法、遗传算法(GA)和免疫遗传算法进行曲面拟合,实验表明该融合算法具有很好的收敛速度和全局最优解的搜索能力,通过该算法所拟合的曲面拟合精度较高,相比GA和IGA算法,其拟合精度分别提高18%和11%以上,可以满足复杂型面物体的曲面拟合要求。     

基于改进遗传算法的农机具视觉导航线检测

针对机器视觉导航系统现有导航线提取算法检测速度慢、抗干扰性差等不足,提出一种基于改进遗传算法(IGA)的导航线检测方法。图像中作物行走向近似为一条直线,从图像顶边和底边分别随机选一个点进行染色体编码,通过遗传进化选择适应度最高的个体作为作物行直线编码,进而得到导航线。改进遗传算法采用概率保留法和最优保存策略相结合的方法作为选择算子,提高了算法的搜索效率和精度;通过自适应调整交叉概率和变异概率,提高了算法的收敛速度和全局搜索能力。动态导航跟踪试验表明,改进的遗传算法与标准霍夫变换、标准遗传算法(GA)在导航线提取性能上相比,具有抗干扰性强、检测速度快等优点。当导航速度为0.6m/s时,横向偏差最大值不超过76 mm,平均值小于33.1 mm,较好地满足了导航作业要求。     

基于改进遗传算法的棉花异性纤维目标特征选择

为提高基于机器视觉的棉花异性纤维在线分类的精度和速度,提出了一种基于改进遗传算法的特征选择方法.采用分段式染色体管理方案实现对多质特征空间局部化管理;利用分段交叉和变异算子避免出现无效染色体,提高搜索效率;通过自适应调整交叉和变异概率实现强搜索能力和快收敛速度的动态平衡.实验结果表明,该方法比基本遗传算法搜索能力更强、收敛速度更快,所得最优特征子集较小,更适用于棉花异性纤维在线分类.     

面向服务的网络化协同制造资源多目标重组优化调度

针对网络化协同制造资源重组优化调度所存在的问题,综合考虑影响网络化协同制造资源重组优化调度的4个主要因素:最小化生产作业时间、最小化生产作业成本、最优化生产加工质量、最优化资源服务质量,建立了网络化协同制造资源多目标优化调度的数学模型。提出了一种基于Pareto多目标免疫遗传算法的网络化协同制造资源重组优化调度方法,该算法综合运用了小生境技术、群体排序技术和精英保留策略,并对遗传算子进行改进,自适应地调整交叉和变异算子,结合免疫算法的免疫选择淘汰了相似个体,保证了种群多样性,避免了早熟现象的发生。免疫记忆对近似最优解进行动态邻域搜索,提高了算法的局部搜索能力。实例仿真表明了该算法的有效性。     

遗传算法的改进及其在流体机械领域的应用

对遗传算法流程进行了多方面的改进,形成了可以称为＂基于排序的轮盘赌、选优策略、启发式交叉、自适应非均匀性变异、跨世代精英选择、小生境策略＂的遗传算法.该算法弥补了基本遗传算法容易产生早熟现象而得到局部最优解的局限性,加快收敛速度,计算选取的种群较小,降低了计算工作量.应用改进遗传算法,以大型泵站钟形进水流道为研究对象,结合CFD分析了设计参数与出口流速分布均匀度的关系.研究结果表明,改进遗传算法能成功地应用于钟形进水流道的多参数优化设计,改善其水力性能,2参数和5参数的目标函数值分别达到了96.817%和97.285%,具有很好的工程实际应用价值.     

改进遗传算法在油茶果采摘机优化中的应用

为了提升算法在求解优化问题时的性能,提出了一种改进的实数遗传算法(RCGA)。算法的改进之处在于引入了一种新的交叉算子及替换操作:交叉算子通过增大算子的搜索范围来提升解的质量与算法收敛速度;替换操作则同时考虑了个体目标函数值与多样性贡献率两个特征,以方波函数的模式对种群进行周期性的局部初始化操作,从而增大种群多样性。将改进的算法应用于油茶果采摘机的优化设计中,通过一系列的对比实验验证了改进算法的性能优于其他先进有效的算法;同时,改进后的算法能够明显优化采摘机的工作空间与采摘臂的长度,使整体结果提升了63.49%。可见,改进后的算法是解决采摘机优化的一种有效方法。     

带时间窗的多目标蔬菜运输配送路径优化算法

为了解决蔬菜运输耗时长、成本高、保鲜时间短，导致送达到客户手上蔬菜质量降低等问题，在考虑了车辆载重和时间窗等约束条件下，本研究提出了一种带时间窗多目标蔬菜配送路径优化的遗传-模拟退火（Genetic Algorithm and Simulated Annealing，GA-SA）算法。在遗传算法（Genetic Algorithm，GA）操作过程中引入模拟退火（Simulated Annealing，SA）算法自适应（Metropolis）接受准则：首先将原始种群进行遗传算法的选择、交叉、变异等操作，形成新一代路径种群，此时通过引入Metropolis准则，对新一代路径种群分布情况进行修正、选择、交叉、变异，得到目标路径种群，达到全部车辆配送完返回到配送中心的耗时最少、成本最低、车辆使用最少的多目标，求得蔬菜运输的最优路径。设计以保定市为配送中心以及向保定市下辖的各个乡镇为配送点进行蔬菜运输路径优化的试验，结果证明，与传统的GA、SA相比，GA-SA能够有效增快其收敛速度，优化后的配送路线总成本分别降低了约23.7%和4%，总路程分别减少了22.6%和3%，耗时分别减少了26.2和2.6 h，车辆分别少使用2辆和1辆。本研究可为冷鲜食品以及其他运输路径优化研究提供参考价值。     

基于变尺度混沌遗传最小二乘支持向量机的日用水量预测法

为克服传统遗传算法易陷入局部最优,收敛速度慢的问题,提出基于变尺度混沌遗传最小二乘支持向量机的日用水量预测法。采用混沌算法优化自适应遗传算法的初始种群,利用自适应遗传进化和变尺度混沌优化对LSSVM的参数进行循环优化,直至遗传算法达到最大进化代数,建立基于变尺度混沌遗传最小二乘支持向量机的日用水量预测模型。实例分析结果表明,与基于自适应遗传最小二乘支持向量机的日用水量预测法相比,提出的预测方法具有更好的预测精度。     

水库短期优化调度改进选择算子的遗传算法应用研究

针对传统遗传算法寻优能力差、易出现早熟的问题,对遗传算法的选择算子进行了改进,提出了对优秀个体进行比例复制的方法,并在种群交叉和变异之后增加了最优保存策略,以保证改进遗传算法的收敛性。用改进的遗传算法求解水库短期优化调度模型,结果表明,改进选择算子的遗传算法趋近于全局最优解的能力更强,收敛速度更快。     

基于改进粒子群的土壤水分特征曲线参数优化研究

土壤水分特征曲线是研究土壤水分运动的重要参数,Van Genuchten方程是目前广泛应用的土壤水分特征曲线方程。由于该方程参数较多,人工调节参数繁琐复杂,应用优化算法实现参数自动调节成为首选。分别采用遗传算法(GA)、粒子群算法(PSO)和改进粒子群算法(CMOPSO)对方程进行参数寻优,对比3种算法的收敛速度、所需迭代次数和算法稳定性。结果表明:3种算法的参数模拟精度均较好;改进粒子群算法的全局搜索能力和收敛速度优于遗传算法与粒子群算法,且所需迭代次数最少,适合VG方程的参数寻优。     

SVM大坝变形监测模型研究

大坝的变形监测数据是一个复杂的非线性的时间序列,采用传统的建模方法存在拟合和预报精度低等问题。传统算法中,基本遗传算法不能确保全局最优收敛,而普通多变异位自适应遗传算法在进化初期对群体不利,容易导致进化走向局部最优。针对这一问题,提出一种基于改进的多变异位自适应遗传优化支持向量机(SVM)的建模方法。多变异自适应遗传算法采用二进制多点交叉,可根据个体适应值大小,自动选取合适的交叉概率和遗传概率,针对遗传算法易陷入局部最优点,对上述遗传算法进行改进,并利用该算法对支持向量机的模型参数进行寻优。将上述建模方法用于大坝变形监控模型的建立,结果表明该组合算法能有效提高模型的拟合和预报精度。     

基于混合遗传算法的谐波齿轮传动优化设计

以谐波齿轮传动体积最小为优化设计目标,建立了混合离散变量优化设计数学模型。引入混沌移民算子,对基本遗传算法进行了改进,以维持群体的多样性,提高全局收敛能力。提出了一种设计变量的离散化处理方法,结合染色体编码的修正技术,在遗传算法中染色体按离散化后的设计变量进行离散搜索。开发了混合离散变量优化的改进遗传算法程序,给出了谐波齿轮传动的混合离散变量优化设计实例,所得优化设计参数符合设计规范,不需进一步处理就可直接用于制造。     

模拟退火算法在新安江半分布水文

半分布新安江模型能够反映水文的空间变异规律,比集总模型能更好的反映下垫面的影响。但是多个子流域单元的参数优选变的更加复杂,这是半分布水文模型急需解决的难题。模拟退火算法是局部搜索算法的扩展,能够跳出局部循环,并在理论上以概率1.0接近全局最优值。模拟退火算法应用在半分布新安江模型参数优选工作中,确定参数的自动优化问题。并通过实例检验了模拟退火算法在半分布水文模型中的应用。