遗传算法及其在电力系统中的应用

遗传算法是模拟生物进化机制新发展起来的一种搜索和优化方法，被广泛应用于许多优化问题。本文首先介绍了遗传算法的基本原理，指出了它的特点。并对其收敛性做了简要概述，最后综述遗传算法在电力系统中的应用。     

基于混合自适应遗传算法的协同多目标攻击空战决策（英文）

研究了多机协同多目标攻击空战决策问题。它是依据空战形势,寻求M架友机对N架敌机的一个适当的攻击分配方案,以实现最优的期望攻击效果。为此,本文首先建立了决策问题的数学模型,接着应用混合自适应遗传算法对其进行求解。在混合自适应遗传算法中,将一种局部搜索方法引入自适应遗传算法以提高其搜索能力。同时,设计了用于满足决策问题的非常规交叉算子。仿真实验结果表明所设计的混合自适应遗传算法比自适应遗传算法能更有效的解决协同多目标攻击空战决策问题。     

遗传算法求解一类排序问题

考虑一类分段恶化单机问题,得到了最优解的性质,根据这些性质设计了一种求近似最优解的遗传算法。通过分支定界法对小规模算例的验证表明,本遗传算法获得精确解的比例是高的,由此认为所给遗传算法是很有效的。     

遗传算法在图像识别技术中的应用

目前图像识别技术的研究正受到越来越多的关注.图像识别技术主要是利用计算机对图像进行数字处理.在计算机优化算法中,遗传算法是通过自身简单的算法结构,以迅捷的求解速度,从而在全局计算中获得最优解的近似值.与传统的算法相比,在图像识别技术方面,遗传算法有着非常明显的优势.主要介绍了遗传算法、图像识别技术的内涵,分析了遗传算法在图像识别技术中的应用,对遗传算法以及其检测图像中的几何图形性能进行了研究.     

利用遗传算法进行机械优化

本文简单介绍了遗传算法的原理和运算过程,讨论了遗传算法在机械优化方面的应用,并用实例加以说明,总结了它的特点和应用前景。     

基于遗传算法的自动化集装箱码头多载AGV调度

为提升自动化集装箱码头的作业效率,减轻码头吞吐量增大带来的交通问题,降低自动化导引小车（Automated Guided Vehicle, AGV)的空载率,在自动化集装箱码头应用可以同时搬运不止一个集装箱的多载AGV,建立多载AGV调度问题的混合整数线性规划（Mixed Integer Linear Programming, MILP)模型,应用遗传算法进行求解.借助算例,对比遗传算法与MILP算法的求解效果,分析交叉概率和变异概率对遗传算法的影响,比较多载AGV与单载AGV的作业时间,验证遗传算法的可靠性.该方法表明,遗传算法不仅求解效率高,而且对MILP算法不适用的大、中型多载AGV调度问题,也能给出值得信赖的近似最优解.     

粒子群算法求解基于广义Choquet-积分的多元非线性回归模型

多元回归模型已经成为当前数据挖掘中重要的方法之一,而求解回归模型的关键问题是如何确定回归系数和模糊测度.针对以往使用遗传算法确定回归系数和模糊测度时间复杂度高和收敛速度较慢的问题,使用一种高效的搜索算法--粒子群算法求解基于广义Chtoquet-积分的多元非线性回归模型,分别在人工数据和真实数据上进行实验,对粒子群算法和遗传算法进行比较.结果表明,用粒子群算法求解该模型不仅比遗传算法收敛速度快,而且还能搜索到比遗传算法更优的解.     

基于改进遗传算法的远洋渔船船队调度路径优化

为实现远洋渔船船队调度路径优化,提高调度工作效率,减少船队的运营成本,对远洋渔船船队调度路径问题建立数学模型.运用在选择和交叉策略上改进的遗传算法对模型进行求解.仿真结果表明,改进的遗传算法能有效解决传统的遗传算法易陷入早熟收敛的问题.利用该算法能快速生成具体的调度方案,且使运营成本减少,可有效解决远洋渔船船队调度路径问题.     

应用于电力系统无功规划的一种新算法

电力系统无功优化规划属于非线性混合优化问题,其控制变量既有连续变量又有离散变量,如果不能实现离散变量的精确处理,将导致优化结果不符合电力系统的实际．遗传算法是解决多目标混合优化问题的全局优化算法,但是具有优化时间长,易于收敛于局部极值点等不足,为此提出了灾变遗传算法,可以显著提高无功优化规划的计算速度和搜索精度,优化结果比传统遗传算法更优．     

基于遗传算法的新建给水管网优化设计

遗传算法是一种较新的工程优化算法,将其引入给水管网优化设计,增强了管网设计方案的经济合理性。对给水管网优化设计的数学模型建立,遗传算法的基本原理、实数编码技术、评价函数的建立进行了分析,并用实例验证了其有效性。     

TSP问题的memetic求解算法

TSP问题是组合优化中的经典问题。其解决方法有局部优化方法和一些启发式算法,局部搜索方法充分考虑问题的邻域结构,遗传算法有很好的全局搜索能力,memetic算法把遗传算法和局部优化算法相结合,试验结果证明,能很好地解决TSP问题。     

利用集集地震余震记录分析场地地震动反应

利用1999年台湾地区"921集集大地震"的余震记录,用传统谱比法、线性反演法、S波接收函数法和遗传算法对比分析了车笼埔断层近场区域的场地反应.通过对比4种方法的卓越频率和场地放大因子,发现各种方法能给出较一致的卓越频率,但每种方法的场地反应放大值不完全相同.结果表明,线性反演法与传统谱比法的结果受到参考场自身场地反应的影响;遗传算法作为一种绝对场地反应计算方法其结果是可行的,用遗传算法计算得到的参考场结果对线性反演法结果进行校正,校正后的线性反演法与遗传算法结果非常吻合,也证明了遗传算法结果的可行性,建议推广遗传算法来计算场地反应;接收函数法的结果则同其他3种方法的结果相差较大,考虑到运用强震记录进行H/V方法计算的物理机制仍有争议,建议在实际应用中,慎重考虑应用S波H/V的方法来估计场地放大.最后给出车笼埔断层研究区0.4~20Hz频率范围内S波品质因子值为Q_s=69.7f?^0.73.     

动态接力点模式下双自动化轨道吊协调调度

为提高自动化集装箱码头堆场中自动化轨道吊(automated stacking crane,ASC)的作业效率,研究箱区动态接力点对双ASC作业效率的影响。考虑双ASC作业过程中的安全距离、相互冲突等因素,建立以最小化双ASC最长完工时间为目标的混合整数规划模型,利用遗传算法对该模型进行求解。与固定贝位接力模式进行对比,结果表明,相较于固定贝位接力模式,动态接力点模式下双ASC的作业效率更高。在不同规模算例背景下,将遗传算法与CPLEX的计算结果进行对比,验证了遗传算法的有效性。     

基于混合遗传算法的船舶避碰路径规划

针对不同会遇态势下的船舶避碰路径规划问题,建立一种基于遗传算法和非线性规划理论的避碰路径规划模型。该模型结合遗传算法全局搜索能力强与非线性规划方法局部搜索能力强的特点,使混合后的遗传算法在性能和效率上都得到提高。综合考虑船舶安全性、路径平滑度和路径长度等因素的影响建立避碰目标函数,采用基于实数编码方式的轮盘赌选择算子、算术交叉算子和高斯变异算子,通过迭代获取全局范围内的最优解。通过仿真对模型进行可行性验证和必要性分析。     

基于神经网络的船舶舱室热舒适度研究

由于恒值空调已经不能满足船舶舱室人员的热舒适要求,运用遗传算法求解热舒适方程,并提出利用遗传算法改进神经网络的船舶舱室热舒适预测模型。仿真结果表明,该模型具有良好的仿真性能,预测准确性高。该模型对提升船舶舱室的环境质量和提高船舶工作人员及乘客的热舒适度起到很大的帮助。     

粒子群算法与遗传算法的结合研究

自上世纪80年代以来,智能优化算法(粒子群算法、遗传算法等)通过模拟或者揭示某些自然现象和过程而发展起来,为优化理论提供了新的思路.通过将不同算法结合来达到更好的优化效果日益成为当前优化研究领域的热点.在粒子群算法中引入遗传算法的交叉和变异算子及种群分割策略,将两种算法有机结合,提出了粒子群算法与遗传算法的混合优化算法(GA-PSO).为了验证该GA-PSO混合优化算法是否具有良好性能,将该算法用于一些标准测试函数的优化.     

基于TOPSIS多目标遗传优化的面板数据综合评价

针对面板数据综合评价中多评价对象、多指标、多时间段的特点,以TOPSIS与多目标优化遗传算法集成的思路将综合评价问题转化为多目标优化问题,考虑多指标权重和时间权重因素,运用遗传算法实现多目标优化得到多个评价对象最优接近度的帕累托前沿,实例仿真结果表明对数据的综合信息利用比较充分。     

一种引入强制变异的改进遗传算法

针对常用遗传算法存在容易产生过早收敛的问题,提出了一种将强制变异、最佳解保留和自适应交叉变异参数调整相结合的改进遗传算法。这种方法将进化过程中群体的平均适应度与最大适应度进行比较,以确定是否需要对群体实施强制变异或采用自适应交叉、变异概率调整。数值模拟的结果表明,这种方法可有效地克服早熟现象,提高全局优化能力     

基于双层编码遗传算法的晶圆制造排产系统

为了解决晶圆制造排产系统的全局优化问题,首先考虑晶圆制造系统各设备之间的约束关系及晶圆卡等待时间成本、缓冲时间成本、搬运时间成本、设备状态转换时间成本,建立以晶圆制造整体加工时间成本最小为目标函数的数学模型;其次对遗传算法编码方式进行改进寻找较优排产顺序;最后利用MATLAB对某晶圆加工制造企业真实数据进行仿真、求解,并与经典遗传算法和蚁群算法对比。3种算法迭代过程表明,改进的双层编码遗传算法在解决晶圆制造系统的排产问题中有明显优势,求解速度更快,搜索到较优解的时间更短、更准确,验证了模型的有效性。     

基于改进遗传算法的高光谱图像波段选择

在对地观测领域,高光谱图像得到了广泛应用,但存在数据量大、波段间相关性高等问题. 针对以上问题分析了已有的波段选择方法,提出了基于信息量及类间可分离性准则的遗传算法对高光谱图像进行波段选择:构造波段互相关系数矩阵进行子空间划分;利用联合熵作为组合信息量的标准,Bhattacharyya距离作为类间可分离性标准,构造遗传算法的适应度方程,改进了遗传算法中的选择算子. 最后用AVIRIS图像对提出的算法进行试验,并利用最大似然分类法对最优波段组合进行分类,总体分类精度达到94.24%,Kappa系数达到0.94.