大规模风电机组并网的多目标动态环境经济调度

在风力发电技术和并网技术不断成熟以及节能减排的背景下,构建了含大规模风电机组并网的电力系统多目标动态环境经济调度模型。该模型以火电机组的总燃料费用和污染排放量为目标,同时考虑了系统的功率平衡约束、火电机组的有功出力约束、爬坡约束以及系统的正负旋转备用约束。并采用基于非劣排序分子微分进化算法对该调度模型进行求解。最后通过算例分析,验证了所构建调度模型及求解算法的合理性和优越性。     

动态信息下的机场定制巴士路径优化

为解决因航班延误而造成旅客候机时间较长问题,考虑现实路网中阻抗不确定性和机场接驳定制化及差异化出行需求,以运营收益最大、车辆出行成本最小和车辆提前到达的时间窗惩罚成本最小为目标函数,建立了动态信息下机场定制巴士路径优化模型,并采用差分进化算法对其进行求解.为避免算法早熟,提出了改进的自适应操作方法,增强算法的全局寻优能力.通过算例计算表明:考虑航班延误和路网实时订单的动态路径优化模型,可以减少旅客26.61％～46.68％的候机时间,该模型具有较强的可靠性和应用价值.     

基于分层分区模型的分布式电源分布优化

在含分布式电源的配网规化中,分布式电源模型的建立、潮流计算方法的选择和优化算法的运用,对优化结果至关重要.在配网分布式电源三类传统模型基础上,为便于计算支路电流,对含分布式电源的支路引入新模型——分层分区DG模型;基于新模型,分析了各种潮流算法,结合含分布式电源的配网特点,改良了推回代潮流计算;最后通过微分进化算法,以网损最小为目标,对计算结果进行优化,得出配网电源的最优位置和容量.     

泊位-岸桥联合分配模型的模拟植物生长交替进化算法

为了综合优化集装箱码头泊位和岸桥联合分配计划, 分析了二者的相互独立性和系统关联性; 利用相互独立性, 分别针对泊位和岸桥分配建立了以平均在港时间和作业成本最小为目标的2个优化子模型; 利用系统关联性, 构建了泊位-岸桥联合分配的约束条件, 将2个子模型紧密联系在一起, 建立了完整的泊位-岸桥联合分配模型; 分析了联合分配模型的特点, 设计了模拟植物生长交替进化算法求解模型, 利用基于模拟植物生长算法的交替进化算子对种群中每个个体的2个目标进行交替优化, 进而实现种群进化, 通过算法框架实现非支配解筛选, 经多次种群进化和非支配解筛选, 获得泊位-岸桥联合分配的Pareto满意解集; 针对大连港集装箱码头3d中共计31艘真实到港船舶的泊位-岸桥联合分配计划进行优化计算, 并与多目标遗传算法的计算结果进行对比。计算结果表明: 共获得13个满意解, 船舶平均在港时间为7.47~9.44h, 使用岸桥次数为85~96台, 作业总成本为20.868~21.114万元; 与多目标遗传算法相比, 进化算法的运算速度提高了6.07%, 所得非支配解的数量增加了4个, 增加幅度为30.76%, 且计算结果更趋近于Pareto前沿, 联合分配计划优化程度较高。可见, 采用模拟植物生长交替进化算法能够最大限度地保持种群进化过程中个体的独立性, 获得更多的非劣解, 且交替进化的方式能够使结果更逼近Pareto前沿。      

共享单车调度模型及算法研究

共享单车运营过程中出现的周转率低、调度成本过高等问题制约了城市慢行交通的发展。针对现有自行车调度模型假设条件的局限性,提出共享经济模式下转运最大化策略。在详细分析共享单车调度成本及相关参数的基础上,以成本最小和投放率最高为目标建立了共享单车调度模型。引入精英策略和进化算子对遗传算法进行改进,并采用TOPSIS法在改进算法求解出的有效路线集中选择最优路线。选取北京市某区域进行仿真分析,结果表明改进算法寻优能力较好。与常规调度模型相比,可选择调度路线增加了74.3%,平均调度成本进一步降低了18.3%.     

基于改进DE的云计算任务调度算法

差分进化算法DE(Differential Evolution)具有记忆个体最优解和种群内部信息共享的特点,是一种基于实数编码的、具有保优思想的简单、高效的新型进化算法.针对云计算任务调度问题,提出了一种考虑时间和成本约束的基于改进DE的调度算法(TCDE).该算法采用随机初始化种群,合法化修复变异个体,并采用贪婪直接交叉,在变异操作之后,加入新的选择机制,防止交叉操作破坏变异出的优良个体.在仿真实验中分别进行了TCDE与只考虑时间的TDE、只考虑成本的CDE的功能验证实验,TDE与遗传算法的性能对比实验.实验结果证明:改进后的差分进化算法能够适用于云计算环境下的任务调度问题,并取得良好的调度效果.     

远距离大容量风水互补系统的优化调度

为了有效应对能源危机和气候变化,电力系统应尽可能的吸纳可再生能源并网发电．本文分析了风力发电和水力发电的不确定性,根据风能资源和水能资源的互补特点构建了远距离大容量风水互补系统．在一定的风能资源和水能资源条件下设计了风水互补系统的优化调度模型,并采用混沌微分进化算法求解．修改后的IEEE-30节点算例结果表明：远距离风水互补系统可以平抑风电出力波动,大大减少系统火电机组燃料耗费,节能减排效果显著．     

基于改进微分进化算法的节能减排发电调度研究

从节能、环保效益出发,建立了电力系统节能、减排发电调度多目标优化模型。主要采用小生境思想对pareto非劣排序的拥挤度机制进行改进,并采用动态调整机制控制算法参数对传统的进化机制进行改进。以一个6发电单元的系统为例进行仿真,结果表明:对比传统NSGA-II与NSDE算法,该改进非劣微分进化算法(INSDE)能够更好地引导并保证搜索过程向最优解逼近。     

基于改进粒子群算法的工程项目综合优化

为解决现有粒子群优化算法进化过程中"早熟"的问题,提出了一种改进的粒子群优化算法HSPSO.算法采用多子群分层策略,以提高收敛速度和优化精度.为求解工程项目的综合优化问题,建立了工期-成本-质量的数学优化模型和多目标优化模型.通过实例对标准粒子群优化算法(SPSO)和差分进化(DE)算法进行了比较,并采用HSPSO算法进行多目标优化.最后,用枚举法验证了模型的合理性和算法的有效性.与已有研究相比,HSPSO算法能在种群规模较小(20个粒子)的情况下,快速找到满意的解(平均迭代次数不超过20次).     

双相介质物理参数反演的进化策略方法

由于物理参数反演问题在很大程度上取决于计算方法的稳定性和收敛性，而进化计算方法目前已在一些有关优化计算中得到较为广泛的应用，并证明该方法行之有效，本文先从理论上分析了有进化策略这种进化计算方法来进行Biot对相介质参数反演的可行性，并采用进化策略方法对一维Biot双相介质模型的地层物性参数进行反演计算，文中给出的数值算例验证了这种进化算法进行了参数反演的可行性和稳定性。     

基于群体遗传进化机制的产品族设计

为快速响应细分市场中客户的个性化需求,运用生物进化理论建立了产品族进化设计过程模型.在定义产品基因、产品等位基因概念的基础上,建立了4层结构体系的新产品族遗传结构.通过定量分析市场客户需求和产品生产效率,构建了产品族在市场环境中的客户需求维度适应度模型和在设计制造环境中的生产效率维度适应度模型,并提出了支持整个产品族进化的多方向进化演变算法.以轿车产品族设计为例的产品族进化演变过程模拟结果表明:产品族经过20代进化后,最终形成了分别满足小型、紧凑型及中型轿车3个细分市场需求且具有较高生产效率的最优产品族,本文提出的产品族进化设计方法能有效地满足细分市场中客户的个性化需求.     

整数微分进化策略及其在微波成像中的应用

提出了微分进化策略的整数编码方法.按照给定的精度使优化问题的常规实数编码的解空间离散化,并对离散化的结果进行整数编码,建立对应的整数空间.在整数空间中求解,在实数空间中计算解的适应度.对有限精度以及计算存在离散化过程的工程优化问题,用整数编码可有效提高搜索速度,并自动滤除不稳定解.对于离散、高维、多值类型的微波成像示例,与实数编码比较,用微分进化策略的整数编码优化算法搜索速度更高,成像结果更优.     

基于固定检测器的动态交通故障数据识别与修复

针对固定检测器在采集动态交通数据过程中易发生交通数据异常、数据缺失等问题,为实现故障数据有效识别及修复,提出了基于离群距离检测的故障数据识别算法及改进的DE-LSTM数据修复模型。利用时序数据的自身连续性,采用直接离群点定位和离群距离检测对故障数据进行有效识别。采用差分进化算法优化长短期记忆神经网络的隐含层神经元个数和初始学习率,并引入自适应控制策略改进传统DE算法中的变异因子、交叉因子,建立了基于改进差分进化算法优化长短期记忆神经网络的修复模型,并与固定阈值结合交通流机理、LSTM神经网络模型及DE-LSTM修复模型进行对比。实例验证结果表明：与固定阈值结合交通流机理法相比,离群距离检测算法识别率更为高效,改进的DE-LSTM模型具有良好的计算效率及修复性能。     

考虑碳交易的果蔬品供应链网络优化

基于供应链网络,分析了碳交易政策对果蔬品供应链总成本的影响,构建包括生产成本、运输成本、储存成本、腐败成本和碳交易成本在内的供应链成本函数。以最小化供应链成本和碳排放量为目标,建立多目标整数规划模型;针对总成本最低的均衡优化模型,采用粒子群算法进行求解,并对碳交易价格、车容量、单位耗油量等参数进行敏感性分析;算例验证了供应链网络模型和求解算法的可行性。实验结果显示:增加较少的成本能大幅度降低碳排放量,实现经济和环境的协调发展。     

基于可变泊位容量的停车收费定价模型研究

在分析路内外停车泊位容量变化的基础上,分别以社会效益最大化为目标,财务盈利和满足社会需求为约束条件,建立了基于可变泊位容量的路内停车定价模型;以经济利润最大化为目标,采用平均成本定价法,建立了基于可变泊位容量的路外停车定价模型.针对模型,分别通过拉格朗日算法和平均值算法.以广州市和上海市停车场为例计算停车收费价格,证明模型的可靠性.     

一种渐变概率选择操作的实数编码量子进化算法

为进一步提高实数编码量子进化算法在进化过程中的种群多样性以及在高维复杂函数优化上的全局收敛性,参照模拟退火算法的特点,提出了一种渐变选择概率的实数编码量子进化算法,该方法通过在进化过程中逐步提高更好解的选择概率,在进化计算初期保持种群的多样性,能较为全面地对解空间进行搜索,而在进化末期,选择概率逐渐提高到1,只接受更好的解而保证算法稳定的收敛。仿真实验结果表明,该算法能有效避免早熟和局部极值问题,具有更快的收敛速度和更高的求解精度。     

基于改进差分变邻域算法的多行程车辆路径问题的研究

针对多行程车辆路径问题,先后通过标准差分进化-编码与解码-适应度计算-变邻域局部搜索过程找到最优方案,构建了一种改进差分变邻域搜索算法。该算法采用了基于轮盘赌的编码与解码方法,克服了标准差分进化算法无法适用于离散问题的缺点;同时,利用变邻域优化技术进一步强化标准差分进化算法的深度开发能力与优化性能。最后采用MATLAB中的随机函数进行仿真结果对比,验证了该算法在求解多行程车辆路径问题方面的优越性。     

基于云模型的自学习进化算法

结合进化论和遗传理论的最新进展,提出基于学习算子的自学习进化算法;并将正态云模型引入进化过程中,提出云学习算子和基于云学习算子的自学习进化算法．最后的仿真实验表明,该算法具有精度高、收敛速度快等优点,能在很大程度上解决了现存进化算法的低效问题．     

基于下降搜索的量子进化算法

为了提高全局寻优能力和收敛速度，基于量子进化算法和混合遗传算法，提出了一种新的进化算法．该算法将下降搜索理论应用到量子进化算法中，改进了量子进化算法仅靠量子门进行迭代的作用，从而加快了收敛速度，并降低了个体在进化时产生退化的可能性．典型函数的仿真实验结果表明，该算法具有好的全局性和收敛性．     

容量限制与运输模式联合选择的综合客运枢纽布局模型(英文)

分析了传统的综合客运枢纽布局优化模型,同时增加运输模式与中转能力的约束条件,提出了改进后的综合客运枢纽布局优化模型,并设计了改进的遗传算法对其求解。应用LINGO软件进行有效性检验,分别计算了8节点与50节点Solomon标准测试数据,并将改进模型与经典算法进行比较。计算结果表明:当应用LINGO软件计算8节点Solomon标准测试数据时,平均运算时间为5 043s,最优成本为1 952 418元,应用遗传算法与MATLAB软件计算的平均运算时间为62s,最优成本为1 955 900元;当应用遗传算法与MATLAB软件计算50节点Solomon标准测试数据时,平均运算时间为574s,最优成本为8 500 600元;当计算25节点的AP数据且枢纽节点数量为3时,平均运算时间为612s,最优成本为155 148元,比经典算法降低了108元。可见,改进模型有效。