基于混合遗传算法的配电网无功优化的研究

无功优化是电力系统电压稳定与经济运行的核心问题,也是提高电力系统电能质量的重要措施。电力系统无功优化是一种复杂的非线性问题,本文在总结前人的基础上,对在线无功优化问题,提出了一种内点法和遗传算法相结合的混合无功优化算法。     

基于改进遗传算法的无功优化方法的研究

电力系统的无功优化是降低网损、保障电压质量的有效手段,遗传算法是解决这种多约束非线性组合优化问题的很好方法。简单遗传算法（SGA）中的交叉率和变异率分别是一个过大或者过小的固定值,造成了高适应度基因遭到破坏和算法陷入迟钝,本文中改进遗传算法（IGA）使用变化的交叉率和变异率避免了此类现象。文献中以IEEE33节点系统为例,分别用两种算法进行了无功优化的计算,通过比较得到结论,IGA具有最优解更加准确、收敛速度更加迅速的优点。     

遗传算法在配送中心选址中的应用

配送中心是现代物流的重要组成部分,它在整个物流系统中起着承上启下的作用,如何合理的选择配送中心就显得尤为关键.本文提出了一种新的二进制和浮点数混合编码的改进遗传算法.该算法对种群初始化函数和遗传操作做相应的改进,使得表示配送中心选址的决策变量只能在0或1这两个离散变量上选择,解码更加方便,大大提高了运算效率,改进的遗传算法能够很好的解决物流配送中心的选址问题.     

基于智能优化算法的电力系统无功优化的研究

有效地改善电力水平以及尽可能降低网损已经直接关系到电力企业的经济效益,对于企业降低成本提高收益有很大的意义。而电力系统无功优化的出现恰好解决了这一难题,就智能优化算法在电力系统无功优化中的应用进行阐述。     

电网无功优化的分时段控制策略

电力系统在使用的过程中由于负荷频繁的变化,会给电力设备增添新的压力,一定程度上减少了设备的使用寿命。为了缓解电力系统的工作压力,降低电力的消耗,在现有的电力系统中实行电网无功优化的分时段控制策略,主要从两阶段优化和遗传算法出发,满足实际调度运行的需要,为无功优化提供有利的条件。文中会介绍电网无功优化的模型,重点分析具体的分时段控制策略。     

一种基于佳点集遗传算法的物流配送网络优化

首先根据实际问题分析了物流配送网络优化模型的各个关键组成部分,包括优化目标、决策变量和约束条件,并针对目前物流配送网络优化算法中存在的一些问题提出了一种新的算法,其核心是佳点集遗传算法。该算法编码采用prufer num ber结构,变异和交叉概率自适应选择。     

遗传算法——自适应蚁群算法与电力系统无功优化

蚁群算法可求解传统形式很难解决的非凸、非线性、非持续问题,它是一种具备很多优秀特性的模拟进化算法,不过蚁群算法其实也并不完美,如收敛速度慢、全局搜索能力差、易出现停滞现象等,而遗传算法可以较好的弥补上述缺点。该文针对其特点,联合遗传算法思维的逆转变异和转盘式选取杂交及自适应方式对蚁群算法实行改善,并应运用于电力系统无功优化中,通过IEEE6节点和一个实际配电网算例,验证算法是有效性的。     

电力系统无功优化算法综述

总结了无功优化算法的研究现状,介绍了求解无功优化问题的常规方法和人工智能方法,并综合评述了现有优化方法的优缺点。同时还对无功优化算法进一步发展做了一些探讨。     

基于组合遗传算法的大规模物流网络设计

在对物流网络设计中常用的三种算法:遗传算法、生成树遗传算法和混合进化方法进行比较的基础上,提出采用组合遗传算法解决大规模基本物流网络设计程序。在该方法中,物流网络设计问题被抽象为选址-分派问题,并被进一步分解成选址和分派问题,且将分派问题镶嵌在选址问题中。选址和分派染色体分别使用二进制编码和矩阵编码、适值采用物流费用。该方法运算结果显示组合遗传算法比混合进化方法结果更精确,且在大规模问题求解方面速度优于通常的遗传算法。     

配电网动态无功优化设计

本文对当前配电网动态无功优化的意义进行了总结,简要介细了无功优化的重要性,对电力系统无功优化的方法进行了简要探讨。     

配电网动态无功优化设计

本文对当前配电网动态无功优化的意义进行了总结,简要介绍了无功优化的重要性,对电力系统无功优化的方法进行了简要探讨.     

电力系统无功优化研究

随着电力工业向"大系统、超高压、远距离、大容量"发展,电网结构日趋复杂,系统稳定性问题日益突出。通过无功优化来改善电压质量、降低运行网损以及提高系统运行的安全稳定性显得尤为必要。因此,对电力系统无功优化研究,具有理论意义,又有实际意义。而无功优化问题又是一个多变量、多约束的混合非线性规划问题,其变量既有连续变量又有离散变量,使得优化过程十分复杂。     

浅谈无功补偿的重要性

电力系统的无功优化和无功补偿是提高系统运行电压,减小网损,提高系统稳定水平的有效手段.本文对当前无功优化和无功补偿进行了总结,对目前无功补偿和优化存在的问题进行了一定的探讨和研究.     

基于遗传算法和破坏重组算法的外卖配送研究

文章针对有大量订单的外卖商家,解决外卖骑手高效配送外卖的问题,应用遗传算法和破坏重组算法对外卖配送路线进行分析;首先利用遗传算法对配送路线进行自然数编码,随后进行选择交叉变异操作,通过迭代优化得到次优配送路线,在遗传算法的基础上再与破坏重组算法结合,使配送路线图进一步优化;通过MATLAB工具,对外卖配送进行仿真,得到迭代优化图和配送方案路线图。通过对算法结合前后得到的配送路线性能指标的比较,验证遗传算法和破坏重组算法结合的优越性。     

浅谈无功补偿的重要性

电力系统的无功优化和无功补偿是提高系统运行电压，减小网损，提高系统稳定水平的有效手段。本文对当前无功优化和无功补偿进行了总结，对目前无功补偿和优化存在的问题进行了一定的探讨和研究。     

三种常见现代优化算法的比较

现代最优化算法比较常见的有遗传算法、蚁群算法、粒子群算法、鱼群算法和模拟退火算法。这些算法主要是解决优化问题中的难解问题。文章主要是对遗传算法、粒子群算法和模拟退火算法三个算法的优化性能进行比较。首先介绍了三个算法的基本思想,以此可以了解三种算法有着自身的特点和优势,而后用这三种算法对典型函数进行计算,并对优化结果比较分析,提出了今后研究的方向。     

基于遗传算法的4PL模式下物流合作伙伴选择研究

物流合作伙伴选择问题是4PL模式运作过程中的一个关键问题.在分析4PL模式下物流合作伙伴选择影响因素的基础上,结合第四方物流企业往往选择多个类型的多个物流企业结成合作伙伴关系的事实,提出了基于备选物流企业综合服务能力比较、按区域划分物流需求的4PL模式下物流合作伙伴选择问题的优化模型;运用遗传算法的基本原理,采用二进制编码、大种群尺度和较小交叉概率等办法,对该模型的算法进行了设计;最后给出一个典型算例,说明该模型和算法的有效性.     

基于遗传算法的4PL模式下物流合作伙伴选择研究

物流合作伙伴选择问题是4PL模式运作过程中的一个关键问题。在分析4PL模式下物流合作伙伴选择影响因素的基础上，结合第四方物流企业往往选择多个类型的多个物流企业结成合作伙伴关系的事实，提出了基于备选物流企业综合服务能力比较、按区域划分物流需求的4PL模式下物流合作伙伴选择问题的优化模型；运用遗传算法的基本原理，采用二进制编码、大种群尺度和较小交叉概率等方法，对该模型的算法进行了设计；最后给出一个典型算例，说明该模型和算法的有效性。     

基于DEA-GA-BP的建设工程评标方法研究

考虑建设工程招投标中评标环节的复杂性和重要性,本文利用DEA方法筛选出初步合理有效的投标方案,并结合遗传算法和BP神经网络算法,提出了用实数编码的自适应变异遗传算法训练BP神经网络权重的混合算法。依据DEA初评的结果进行网络的测试、调整,最终对各投标方案做出二次评价,实现投标方案的排序与选优,决策出最佳的中标单位。该方法避免了传统专家评标的主观性和倾向性带来的评标误差,大大提高了评标的客观性和工作效率,并适用于其他类型项目的评价和决策。     

基于遗传算法的武器系统组合优化方法

组合多样化的武器系统,达到使用效能最优,已成为打赢信息化条件下局部战争亟待解决的一个核心问题。本文采用改进的遗传算法解决了武器系统组合优化问题:采用字符串编码方式,设计应用DP算法、单点交换等规则,为解决武器系统组合优化问题提供了有益的借鉴。将此模型应用于一个实际武器系统组合优化问题,获得了非常满意的结果,证明了算法的可行性。