高娟[1]2010年在《遗传算法及其在非线性规划中的应用研究》文中指出当前在工程领域特别是自动控制、人工智能等领域不断涌现出超大规模的非线性规划问题,这类问题往往多参数、高复杂、不确定、建模困难,经典的传统算法对这类问题都有进入局部最优、运算效率低、有时甚至得不到最优解的局限性。遗传算法是一种借鉴生物自然选择和自然遗传机制的随机优化搜索算法,具有全局优化性和易操作性,由于其思想简单、具有广泛的适应性和高鲁棒性,因此赢得了许多应用领域,并已经成为人工智能的一个热点研究领域。本文主要研究对遗传算法的改进,以及如何发挥遗传算法的优势来解决非线性规划问题。本文首先对遗传算法的背景、基本思想和基本理论等作了详细的介绍。然后针对简单遗传算法存在的收敛过慢、局部搜索能力不强、稳定性差、早熟现象等缺陷,以及现有的一些改进遗传算法存在的不足,提出了一种新的改进遗传算法,并将其应用到求解非线性规划中。最后通过数值实验,不难发现非线性规划问题越复杂,这种新算法的全局寻优性能效果就越显着。其中,在处理约束非线性规划时,本文主要采用一种精确罚函数法将其转化为无约束问题,然后利用本文提出的新算法求解,其中罚因子σ的选取总结了一定的规律。最后通过算例将本文算法与传统算法及一些遗传算法进行了比较,实验结果说明了这种约束处理方案可以得到比较好的结果。
杨林美[2]2003年在《一种改进的遗传算法在非线性规划中的应用》文中研究指明工程、系统问题中有许多问题属于整数或混合整数规划问题。众所周知，线性整数规划问题是NP-hard问题，求解该问题的精确解算法具有指数复杂性。因此，线性整数规划问题的近似算法和演化算法近年来得到快速发展。而非线性规划问题则更加困难。对纯整数非线性规划问题目前已有一些工作，对非线性混合整数规划问题的工作较少，用启发式算法解决混合整数非线性规划问题的工作也不多见。遗传算法是演化算法中较好的一种，近年来在各个领域中得到广泛应用。 本文详细研究了遗传算法和混合整数非线性规划问题各自的特点，在此基础上，提出整型变尺度技术和初始种群寻优的思想，构造了一种求解混合整数非线性规划的新的遗传算法。通过整型变尺度技术的改造，对实型非线性规划问题也可以用该算法得到较好的解决。 理论分析及数值试验表明：该算法对大范围、多峰、非光滑混合整数规划问题有较好的全局求解能力，在解的精度、稳定性和收敛速度等方面优于一般的求解混合整数非线性规划的算法。
李延梅[3]2012年在《一种改进的遗传算法及应用》文中研究表明遗传算法是一种利用自然选择和生物进化思想搜索最优解的随机搜索算法，被广泛应用于各个领域。研究发现，改进交叉和变异概率，设计合理的适应度函数对改善遗传算法的性能有重要影响。本文深入研究了遗传算法的基本理论及技术实现，分析了遗传算法的收敛性和特点，结合当前人们的研究提出了一种改进的遗传算法，并将其应用于函数优化和组合优化领域。本文的主要研究工作如下：(1)深入研究了自适应遗传算法的产生原理及特点，深刻分析了几种常见的改进方法，并总结了各算法的优缺点。(2)针对自适应遗传算法及其改进算法中存在的问题，在前人算法的基础上改进交叉概率和变异概率，给出改进的公式，使交叉概率随适应度函数的增大而减小，变异概率随适应度函数的增大而增大。改进的算法使大于平均适应度和小于平均适应度的个体的交叉概率和变异概率能够分别在不同区间范围内进行自适应调整，因此，算法的搜索精度和收敛速度在一定程度上得到了提高。(3)适应度函数用于评价个体优劣，本文通过对其作用机理的深入分析和研究，在满足适应度函数设计条件的原则下，利用logistic曲线的性质设计了一个新的适应度函数，并且引入对适应度值接近1或者0的个体数目的判断，防止这些个体迅速占领种群。适应度函数的设计使得进化初期适应度很高的个体的适应度值和复制数量得到控制，进化后期个体适应度值的差异得到提高，种群竞争力得到增强，早熟现象得到改善。用测试函数对本文改进的遗传算法进行测试，与其它几种算法相比能取得更好的实验结果。(4)将本文改进的遗传算法应用于函数优化和0-1背包问题，实验结果表明，算法在搜索精度、收敛速度及稳定性方面均表现出较好的算法性能。
陈超[4]2011年在《自适应遗传算法的改进研究及其应用》文中进行了进一步梳理自20世纪60年代,美国密西根大学Holland教授提出遗传算法(Genetic Algorithm,简称GA)以来,遗传算法的理论和方法得到了迅速的发展,其在解决一些复杂问题方面表现出来的优异性能得到了人们很大的关注,应用的范围也得到了不断的扩展。然而,在应用的过程中,遗传算法也表现出了其本身的一些缺陷,如:局部收敛问题等。为了克服这些缺陷,人们对遗传算法做出了大量的改进,取得了良好的效果。自适应遗传算法(Adaptive Genetic Algorithm,简称AGA)的产生也正是对基本遗传算法改进的产物。本文的主要工作有以下几点:1、总结了遗传算法的有关理论知识,基本算子和应用领域。总结了基本遗传算法的构成要素、算法流程,并给出了一张详细的算法流程图。并对基本遗传算法的改进研究现状和方向进行了详细的总结。2、介绍了有关自适应遗传算法的产生及其改进目的,以及对自适应遗传算法改进研究的现状进行总结。3、详细论述了本人的在自适应遗传算法改进中的工作。通过引入相似系数的概念,并在Logistic曲线方程的基础上,构建出新的交叉概率和变异概率的调节公式。并通过对一个经典函数的优化,说明了新的改进算法的有效性。4、针对一个非常实际的问题——公交发车时刻表的编制,在满足一定约束条件的前提下,实现企业利润的最大化,由此建立了一个含约束条件的非线性规划模型。最后,通过一组统计客流数据,并利用新的改进自适应遗传算法,模拟了此模型的合理性,同时也验证了新的改进算法在求解此约束模型上的有效性。
梁阔洋[5]2015年在《地震解释建模数据质量控制模型及优化算法研究》文中认为近年来随着我国地震采集技术、地震勘探技术的快速进步,地震勘探所得到的数据越来越复杂,这使得地震解释建模的复杂性进一步的提高,对地震解释建模结果的准确性也提出了更高的要求。在这种背景下,如何确保地震解释建模成果数据的准确性,实现良好的地震解释数据质量控制,成为了地震解释领域的重要研究内容。本课题利用油田丰富的地震原始数据与解释建模数据,采用非线性规划与智能优化技术,针对地震解释建模的数据质量控制问题,研究基于非线性规划的质量控制模型与其优化算法。论文分析了非线性规划、智能优化算法,研究了遗传算法和粒子群算法在非线性规划模型上的应用,并在理论研究的基础上面向课题应用对传统遗传算法与粒子群算法的不适应之处进行了改进。课题针对地震解释建模数据质量问题,建立了地震解释建模数据质量控制模型,针对数据不完整和数据错误等问题建立质量控制逻辑模型;针对数据与地震原始数据不吻合的问题,建立了基于非线性规划的质量控制数学模型。最终采用改进的遗传算法和粒子群算法对模型优化,较大的提高了模型的优化效率,具有良好的应用结果。在应用技术方面,课题采用叁层架构框架技术,根据实际地震数据,实现了对地震解释建模数据的质量控制。课题在地震解释建模数据质量控制模型及优化算法的基础上,开发了软件原型,并以油田实际地震数据为背景,对数据质量进行质控检查和处理,结果满足实际工作要求。课题的成果对于地震解释建模数据质量控制的研究具有一定的理论和实际应用价值。
陈燕萍[6]2008年在《基于改进遗传算法的电力系统无功优化》文中研究表明电网无功优化可以有效地降低网络有功损耗,提高系统的电压合格率,从而降低网络运行费用,提高供电质量。因此,电网无功优化问题的研究,既有理论意义,又具有实际应用价值。本文阐述了电力系统无功电压优化控制的目的和现实意义,介绍了无功电压优化问题研究的发展历程和最新动态,分析了各种优化算法的优缺点和适用范围,提出了无功电压优化的研究方向。潮流计算是电力系统无功优化的基础和工具,其计算速度和收敛性将直接影响优化的效果。本文对潮流计算方法进行了较深入的理论分析,并根据实际的优化问题,采用具有简单、快速、内存节省且收敛可靠优点的快速解耦法进行潮流计算。无功优化问题是一个多变量、多约束的混合整数非线性规划问题,其操作变量既有连续变量又有离散变量,使得优化过程十分复杂。本文把系统网损最小作为无功优化的目标函数,节点电压越限和发电机无功出力越限的情况作为惩罚函数。本文无功优化采用遗传算法作为优化算法,并对基本遗传算法进行了改进。改进分两大方面:第一,针对基本遗传算法易产生早熟现象的缺点,本文采用基于阶段进化的适应性策略和小生境遗传算法,并对编码、适应度函数、选择算子、交叉算子、变异算子、进化终止条件均作了改进。第二,本文将电力系统网损灵敏度指标与遗传算法结合起来,采用网损对无功变化的灵敏度来指导遗传算法的变异操作,来保证变异后个体的质量一定比原个体更优(即新个体所代表的解具有更小的网损),从而协助遗传算法搜索全局最优解。为证明本文改进遗传算法对无功优化的效果,用该算法对IEEE30节点系统进行了仿真计算,结果显示本文的降损量是相当可观的,且电压合格率达到了百分之百。这些结果表明本文的改进遗传算法能在一定程度上克服基本遗传算法易陷入早熟的现象,具有很好的优化效果。
高增稳[7]2008年在《遗传算法在水库长期优化调度中的应用研究》文中研究说明水电站水库优化调度是水电站长期经济运行的中心内容,是管理和控制水库安全可靠性,合理利用水资源、发挥水库综合效益的重要措施,是水电站及其水库长期运行计划制定和实施的核心问题。本文在参阅了国内外大量水库调度参考文献的基础上,对小湾水电站水库的长期优化调度进行了研究。本文首先对单一水库长期优化调度的数学模型进行了研究,重点分析了确定性模型和随机性模型,在此基础上建立了以小湾水电站水库发电量最大为目标函数的优化模型。根据现有的径流资料,分别进行了常规计算和优化计算。常规方法以月为时段,进行了等流量调节计算;优化计算采用改进的遗传算法对小湾水电站水库的优化模型进行了求解。在对基本遗传算法进行分析研究的基础上,通过对选择算子和变异算子的改进,提出了改进的遗传算法,尤其是在对变异算子改进时,提出了双向选择变异的方法,更好的实现了变异操作的局部搜索能力。改进的遗传算法在对模型的求解中得到了很好的应用。在利用遗传算法对模型求解时,为了简化计算,采用了多年调节与年调节计算相结合的办法,即先以年为时段对模型进行了多年调节计算,然后对一些有代表性的时段(年份)进行了年调节计算,以对多年调节计算的成果进行修正。最后将遗传算法的计算结果与常规计算的结果进行了分析比较,并绘制了相关的水库调度图。在分析比较的基础上,得出改进的遗传算法比常规计算最高可提高年发电量3.03%的结论,从而为水库的长期优化调度研究工作提供了一种比较实用的方法。论文所有的计算均采用了面向对象的visual basic 6.0进行了程序开发,visualbasic 6.0是一种真正的面向对象、可视化的编程方法,它易于实现与数据库的关联,通过简单的代码就可以实现对excel表进行读写数据。在水库调度等一些复杂计算的实现过程中,是一种简单有效的实现工具。
陈金兰[8]2008年在《优化方法应用与推广技术的研究》文中研究指明优化设计作为现代设计方法之一,已被广泛应用于各个领域。而优化设计的基础和核心是优化方法,到现在为止,大约已有几百种优化方法。如何选择应用这些方法,是优化方法应用与推广首先要研究的问题,特别是在机械工程领域,优化方法近年来是应用的多,而回顾总结分析的少。此外,遗传算法在近些年的应用虽然十分活跃,最为广泛,但也存在一些不容忽视(或轻视)的不足和缺陷。因此,本文针对以上问题进行研究,以期为优化设计在工程上的应用推广提供技术帮助。本文首先分析对比了几种实用的传统优化方法(如:惩罚函数法、复合形法等)和应用广泛的现代优化方法(如:遗传算法、模拟退火算法、蚁群算法),并对它们在机械工程领域的应用情况进行了统计分析与对比,从而得到各优化方法的特性和应用特点,为工程设计者进行优化方法选择提供了参考依据。本文针对遗传算法在求解约束优化问题时所存在的弱点进行研究,提出了一种求解约束优化问题的改进遗传算法。涉及参数编码、初始群体设定、适应度函数标定、遗传操作算子、控制参数的选择以及约束处理等方面,提高了算法的优化性能,改善了遗传算法处理约束问题的能力,有利于遗传算法在工程领域的推广应用。
李国煌[9]2016年在《遗传算法的改进及其应用》文中提出经典遗传算法是一种基于自然遗传和自然选择机制的搜索算法,它将自然生物系统的重要机理运用到人工系统的设计中。简便、鲁棒性高和全局搜索的优点使得遗传算法被广泛应用于系统控制、数值优化等领域。但经典遗传算法容易出现早熟收敛和收敛到局部最优解的问题,限制了遗传算法的发展。因此对经典遗传算法的改进研究具有重要的意义。本文首先对遗传算法进行了简单的介绍,针对经典遗传算法存在早熟收敛和易收敛到局部最优解的问题,对交叉概率和变异概率公式进行改进。在交叉概率和变异概率公式中引入种群最优个体未变化代数,通过进化代数和最优个体未变化代数来调节交叉概率和变异概率,在一定程度上改善了遗传算法跳出局部最优解的能力,提高了算法的搜索性能。使用遗传算法求解非线性规划问题,通过引入拟单纯形算子,使得种群中保留了一些具有高适应度、靠近可行域边界的不可行解。遗传算法可以从可行域外和可行域内两个区域进行搜索,增加了种群基因的多样性,一定程度上提升了算法的搜索性能。介绍了由双反馈感应发电机组成的风电场的有功和无功功率调度优化问题,该问题是一类非线性规划问题,使用改进的遗传算法求解风电场的有功和无功功率调度问题,得到了较好的调度方案,一定程度上降低了损耗,具有较好的应用价值。
崔艳艳[10]2006年在《基于电子电力变压器的配电网无功电压优化控制》文中研究表明电压质量是衡量电力系统电能质量的重要指标之一,它的好坏主要取决于电力系统无功潮流分布是否合理。若无功电源容量不足,系统运行电压将难以保证,在此条件下调节分接头有可能造成电压失稳,严重情况下会发生电压崩溃。我国配电网长期以来无功匮乏,由其造成的网损严重,因此,解决好配电网络无功补偿的问题,能够有效地维持系统的电压水平,提高系统的电压稳定性,避免大量无功功率的远距离传输,从而降低有功网损,减少发电费用,对电网的安全和降损节能有着重要的意义。配电系统中,无功优化的控制手段主要包括调节投切电容器和改变有载调压变压器(On-Load Tap Changer,OLTC)的分接头。由于有载调压变压器采用的分接开关动作相对频繁,给变压器运行增加了事故几率,严重影响设备和系统的安全运行。特别是世界上几次大的停电事故都是由于无功容量不足的情况下调节分接头造成的。有鉴于此,本文提出将电子电力变压器(Electronic Power Transformer,EPT)应用于配电网无功/电压综合优化控制中。电子电力变压器具有以下显着的优点:可以发出和吸收无功,既可以充当无功源又可以作为无功负荷,这样不但可以减少线路上输送的大量无功降低网损,大大减少电容器投切所带来的投资费用,同时还可以通过吸收无功防止由于无功倒送带来的电网污染,具有高度可控性;运行时可以始终保持副方输出电压幅值恒定,不随负载变化且平滑可调,从而可以有效克服常规变压器分接头只能分级调节的缺点;而且,体积小重量轻也是其值得推广应用的重要优点。另外,通过对目前存在的电压无功控制方法进行分析研究,针对控制变量离散的特点适合用遗传算法求解。对于遗传算法收敛速度慢的缺点,本文对简单遗传算法做了改进,编码采用十进制整数编码,选择算子使用轮盘赌和最优保存策略相结合的方法,变异算子采用一致变异,从而提高了计算速度,改善了算法收敛性。大量的仿真结果表明,电子电力变压器在配电网的无功电压优化控制中以及改善电压稳定方面体现出良好的特性。
参考文献：
[1]. 遗传算法及其在非线性规划中的应用研究[D]. 高娟. 西安建筑科技大学. 2010
[2]. 一种改进的遗传算法在非线性规划中的应用[D]. 杨林美. 成都理工大学. 2003
[3]. 一种改进的遗传算法及应用[D]. 李延梅. 华南理工大学. 2012
[4]. 自适应遗传算法的改进研究及其应用[D]. 陈超. 华南理工大学. 2011
[5]. 地震解释建模数据质量控制模型及优化算法研究[D]. 梁阔洋. 东北石油大学. 2015
[6]. 基于改进遗传算法的电力系统无功优化[D]. 陈燕萍. 南京师范大学. 2008
[7]. 遗传算法在水库长期优化调度中的应用研究[D]. 高增稳. 昆明理工大学. 2008
[8]. 优化方法应用与推广技术的研究[D]. 陈金兰. 福建农林大学. 2008
[9]. 遗传算法的改进及其应用[D]. 李国煌. 华北电力大学. 2016
[10]. 基于电子电力变压器的配电网无功电压优化控制[D]. 崔艳艳. 华中科技大学. 2006
标签：数学论文; 遗传算法论文; 非线性规划论文; 非线性论文; 概率计算论文; 建模软件论文; 线性系统论文; 数据建模论文; 算法论文;