基于混沌差异进化算法的有功优化仿真研究

差异进化(differential evolution,DE)算法在求解电力系统有功优化的问题上易陷入局部最优,因此在其基础上引入混沌算法的Logistic映射,形成混沌差异进化(chaotic differential evolution,CDE)算法。该算法在迭代后期,使固定取值的搜索步长和交叉算子在一定范围内随机取值。为验证算法的实用性,利用Matlab软件,将DE和CDE在IEEE30节点测试系统上进行电力系统有功优化仿真。仿真结果表明,CDE算法扩大了搜索范围并且增加了种群多样性,能获得搜索质量更高的最优解,即考虑阀点效应的燃料费用更低。通过此次仿真,既可加深学生对有功优化的认识和理解,又可提高学生运用仿真技术为改进算法提供理论依据与评价的能力。     

粒子群与差异演化的混合进化算法研究

将标准粒子群（PSO）算法和差异演化（DE）算法混合进行进化,把差异演化算法的优势带入到粒子群算法中,利用差异演化算法其本身具备的对粒子个体的交叉和变异操作使标准粒子群算法种群保持寻优所需的多样性．并将这种算法与标准粒子群算法、G-PSO算法等进行了对比研究,通过混合进化的方法使粒子群种群保持多样性,实验结果表明新算法避免陷入“早熟”或“停滞”的能力大大提高．     

多目标进化优化算法

多目标进化优化算法可以一次性求解多个非劣解,并具有全局优化能力,成为近年来求解多目标优化问题一个重要的研究方向。本文介绍了几种代表性的多目标进化优化算法,并指出了值得进一步研究的相关问题。     

基于改进蚁群算法的物流配送优化研究

物流配送是物流管理的重要环节,物流配送关系到物流活动的正常开展,因此,物流配送优化成为学术界和企业界的研究热点。而传统蚁群算法由于存在着缺点,所以采用一种改进蚁群算法以改善传统算法的不足。基于改进蚁群算法,构建物流配送模型,求解最优解。通过算例,求得最优解,实现目标函数最小化。结论表明：改进蚁群算法是求解物流配送优化问题的有效方法。     

多目标进化优化算法

多目标进化优化算法可以一次性求解多个非劣解,并具有全局优化能力,成为近年来求解多目标优化问题一个重要的研究方向。本文介绍了几种代表性的多目标进化优化算法,并指出了值得进一步研究的相关问题。     

基于进化策略的函数优化问题研究

针对进化策略算法在解决具体问题是熟练速度较慢这一问题的原因进行分析,提出自适应变异步长的方法,以在全局和局部范围内进行搜索．变异步长的值依赖于目标变量与全局最优解之间的距离．步长随距离自适应变化,可避免局部熟练和早熟．通过对经典dejong函数和Shubert函数的仿真试验,验证了文中算法的有效性．仿真结果表明,该算法收敛速度快,搜索精度高,且具有良好的全局搜索能力．     

基于改进CS算法的电网损耗最小仿真研究

利用布谷鸟算法(Cuckoo Search algorithm,CS)求解电力系统无功优化问题是一种新的方式,但其中的两个重要参数取的是固定值,导致其在迭代后期收敛速度慢、易陷入局部最优,因此引入动态发现概率Pa、步长因子a以及一个改进的步长搜索方程,形成改进布谷鸟算法(Improved Cuckoo Search algorithm,ICS)。本文基于Matlab软件,将CS和ICS分别对IEEE30节点测试系统进行仿真实验,以验证算法的有效性。实验结果表明,利用ICS算法求解无功优化问题可以在提高收敛性能的同时得到使电网损耗更小的解。通过该仿真实验,将理论运用到实践中,使学生提高仿真能力,进一步加深对无功优化的理解。     

基于改进萤火虫算法的电力系统优化潮流仿真研究

针对标准萤火虫算法(Firefly Algorithm,FA)在求解电力系统优化潮流(OPF)问题上出现的早熟收敛和求解精度不高等问题,引入混沌优化和莱维飞行,形成了混沌莱维萤火虫优化算法(Chaotic Lévy Flightfirely Algorithm,CLFA)。对改进的CLFA算法进行了推导与分析,并将FA和CLFA两种算法对IEEE30节点测试系统进行电力系统优化潮流仿真,用实验证实算法的有效性。仿真结果表明:改进后的CLFA算法避免了早熟收敛,增强了局部搜索能力,提高了求解精度。算法的改进方式具有良好的创新性,学生可以自行开发不同的改进方式,改进后的算法更有利于进行后续的电力系统优化潮流问题研究。     

一种改进的全局优化进化算法

提出了一种改进的全局优化进化算法.该算法采用实数编码,通过对可行域量子化用正交设计产生初始种群,用正交设计和因素分析设计杂交算子.在进行杂交之前,根据两个个体变量之间的距离恰当地应用高斯变异,平衡了算法的局部搜索能力和全局搜索能力,从而提高了算法的效率.最后的数值结果显示了该算法的有效性.     

混合进化策略算法及其在函数优化中的应用

自适应进化策略中高斯变异算子容易使进化过程陷入局部最优,出现进化早熟.文中针对上述缺点,引入柯西变异算子和子代距离率方法.在进化前期采用柯西的变异,保证个体能够快速地向全局最优的方向移动;在进化后期采用高斯变异,当个体聚集在全局最优解附近时,以较小的变异步长驱动个体向全局最优解方向移动.子代距离率系数进行调整变异算子.通过对单峰与多峰函数仿真试验,验证了算法的有效性.     

基于改进微分进化算法的PID控制器参数优化设计

PID控制器参数的优化整定一直是自动控制领域的研究热点。本文利用改进微分进化（DE）算法对传统P1D控制器的参数进行优化设计,仿真实验结果表明本文提出的PID参数的优化方法可以获得满意的控制效果,各项控制性能指标优于传统方法整定得到的PID控制器。     

一种改进的自适应差分演化算法

差分演化是一种简单、有效的全局数值优化算法,相关研究表明,参数的自适应能够有效提高算法的性能．提出了一种集成的混合参数自适应差分演化算法,并巧妙利用一种自适应选择机制来选择算法池中的算法,通过对25个国际标准测试函数进行测试,实验结果表明,该方法在最优解质量、稳定性、收敛速度优于其它被比较的算法．     

差分进化算法研究进展

在简要介绍基本差分进化算法的基础上,可总结出差分算法家族系列。差分算法已有了最新变种;差分算法与粒子群算法结合可形成新的算法。     

基于CPSO和DE改进粒子群算法的无功优化仿真

传统的粒子群优化(Particle Swarm Optimization,PSO)算法易陷入局部最优,因此引入了混沌优化形成混沌粒子群(Chaotic Particle Swarm Optimization,CPSO)算法以减小粒子陷入局部最优的可能,并在此基础上结合了差异进化(Differential Evolution,DE)算法中的交叉操作得到改进粒子群优化(Improved Particle Swarm Optimization,IPSO)算法以增加粒子的多样性,从而增加获得更优解的可能。为验证算法有效性,将PSO、CPSO和IPSO基于Matlab软件分别对IEEE30节点测试系统进行电力系统无功优化仿真。仿真结果表明,IPSO算法能找到质量更高的解,且收敛特性更好,体现了算法改进的优越性。通过该仿真实验,既可加强学生运用仿真软件的能力,又可加深学生对无功优化的理解和对智能算法的认识,从而有效提高教学质量。     

电力系统无功优化的改进遗传算法研究

针对传统遗传算法在无功功率优化中不能收敛的情况,选用了混合整数编码、锦标赛选择机制和临近变异等措施对遗传算法进行改进.这些改进符合电力系统运行的实际,具有较好的收敛精度和收敛速度.IEEE14节点系统的优化结果表明该方法优化性能较好,能较快地搜索到最优解.     

电力系统经济调度的正余弦优化算法的仿真研究

经济调度是实现电力系统节能降耗的重要措施,在数学上表现为一个典型的多约束非线性优化问题。正余弦优化算法(SCA)作为一种全新的智能优化算法,采用正弦函数与余弦函数实现迭代运算,无需额外调节的算法参数,结构简单,搜索快速,易于实现。采用SCA算法求解经济调度问题。为了验证该方法的可行性和有效性,在Matlab仿真软件上采用3个不同算例从经济性、快速性、收敛性、鲁棒性等多维角度对比分析了SCA算法的优化性能。     

非线性约束整数规划问题的改进差分进化算法

针对非线性约束整数规划问题的特点,提出一种改进差分进化算法.将差分进化算法做了适当修正,在初始化和变异操作中加入取整运算,采用松弛可行基规则作为选择策略.实验研究结果表明.该算法能有效求解非线性约束整数规划问题.     

基于改进遗传算法的配电网无功优化控制

电力系统的无功优化以及无功补偿对于电网的安全、经济运行有着重要意义。实现配电网无功优化的主要控制手段是调整有载调压变压器的档位和并联电容器的投入组数,本文采用改进遗传算法实现了配电网无功优化计算,该算法有较好的计算效率和全局寻优能力,并且通过实例验证了本文方法的实用性和有效性。     

基于改进遗传算法的地区电网优化规划

阐述与分析遗传算法的原理与技术特点,并通过在某地区电网的优化规划,仿真结果表明,该算法能够带来较大的经济效益。