基于遺傳算法的電工學組卷程序

基于遺傳算法的巖土本構模型辨識——通過對巖土本構模型辨識機理的分析，提出了基于遺傳算法的本構模型辨識方法，并用兩個工程實倒對該法進行了驗證。

傳統(tǒng)的項目進度一維優(yōu)化擴展至有偏好的二維目標（進度、成本）優(yōu)化,同時將成本優(yōu)化目標分解為項目成本大小以及資源均衡度從而構成三維目標優(yōu)化,將無資源約束的環(huán)境擴展至資源約束下的復雜環(huán)境,將局部搜索優(yōu)化領域擴展至全局范圍內(nèi)的優(yōu)化.在內(nèi)容上,先對項目的單目標優(yōu)化管理理論進行詳盡研究并指出其現(xiàn)實的局限性,同時提出了智能啟化式方法-遺傳算法在資源約束下項目管理優(yōu)化方面的優(yōu)勢.在此基礎上本文構建了基于三維目標偏好的項目管理優(yōu)化仿真模型,解決了項目管理優(yōu)化理論中最為重要的兩大問題：資源約束下的項目進度優(yōu)化以及資源約束下的三維目標（項目進度、項目成本以及資源均衡度）的優(yōu)化問題.為了驗證此模型對以上問題的有效性,本文應用matlab仿真技術進行仿真模擬并與傳統(tǒng)方法做比較,從結果可以看出遺傳算法能夠更好的解決此類問題.

針對施工網(wǎng)絡計劃中的工期成本優(yōu)化問題,采用遺傳算法對施工項目工期成本優(yōu)化問題進行探討,以解決工程中不確定因素的問題,且優(yōu)化結果更精確。

基于遺傳算法建立了面向工程項目的資源優(yōu)化模型。通過在模型中構造一個能反映“資源分配”和“資源均衡”兩方面優(yōu)化程度的適應度函數(shù),并在復制操作中,對群中個體先進行分類再選擇復制,有效地解決了多種資源的綜合優(yōu)化問題。給出了利用遺傳算法對資源優(yōu)化問題的求解設計思路,闡述了算法的實現(xiàn)流程,并通過實例驗證了該模型的可行性。

將基于實數(shù)編碼的加速遺傳算法(raga)應用于多孔變徑管優(yōu)化設計中,解決了設計中多維參數(shù)尋優(yōu)問題,避免了傳統(tǒng)方法早熟、提前收斂以及易陷入局部最優(yōu)等弊端。在固定管道式噴灌系統(tǒng)優(yōu)化設計中應用,求解出多孔變徑管的最優(yōu)管徑、管長等多維參數(shù),效果較好,為該方面研究提供了一種新的優(yōu)化求解方法

為解決最短路線動態(tài)規(guī)劃的維數(shù)障礙及模式欺騙性問題,提出了一種數(shù)組鏈染色體編碼方式及基于自適應性變異概率和模擬退火懲罰函數(shù)法的適應性遺傳算法(aga),仿真測試驗證了該算法的有效性.針對某發(fā)動機殼體制造工藝流程優(yōu)化問題,采用質量功能展開法得到了各工藝方案的價值,以工藝路線的總價值最大為目標函數(shù)、總成本為約束條件,采用aga得到了一條最佳工藝路線.

提出一種改進的遺傳算法用于解決公路工程項目工期、成本和質量的多目標優(yōu)化問題。闡述了算法設計思路和流程步驟,給出了染色體結構和編碼設計。改進的交叉操作則考慮了子種群內(nèi)部交叉和子種群群間交叉兩種方式。通過實例仿真計算,驗證了該算法對工程項目多目標優(yōu)化問題的可行性和有效性。

為了確定建筑結構的最優(yōu)阻尼,本文采用了具有魯棒性的臨界激勵法。使用臨界激勵法時,頻率作用區(qū)間較難確定,為此,本文通過模態(tài)變換以減少高階頻率的影響,這樣可以簡化頻率作用區(qū)間的搜尋。在保證結構抗震效果的前提下,為進一步減少結構總的阻尼增量并使優(yōu)化算法簡單可行,本文引入實代碼遺傳算法。此外,通過實例分析可知,底部樓層阻尼取較大的值是有利的。

遺傳算法(ga)作為一種優(yōu)化算法,用于結構可靠度分析,對目標函數(shù)和約束條件沒有過于苛刻要求,利用matlab軟件,引入遺傳算法編制相應程序,驗證已知功能函數(shù)的結構構件的可靠度。工程實例計算表明,結合遺傳算法分析結構體系可靠度,不受搜索空間的限制性假設的約束,不要求目標函數(shù)具有連續(xù)性、可導等假設,其結果與其他算法結果具有一致性。

以遺傳算法為基礎,設計出一種新的水電廠自動發(fā)電控制,該算法將約束條件采用罰函數(shù)法,從而將機組避免在非運行區(qū)工作。仿真計算驗證了該算法有效地解決了優(yōu)化問題中對求解多約束的處理。程序設計簡單,收斂速度快。實驗證明多機組和大功率輸出時,受agc控制機組耗水量降低了1%~2%。

以遺傳算法為基礎,設計出一種水電廠自動發(fā)電控制算法。該算法有效地解決了優(yōu)化問題中對求解多約束條件的處理問題。程序設計簡單,收斂速度快。仿真計算驗證了該算法的有效性。

建立了由沙畈水庫和金蘭水庫組成的串聯(lián)小水電群優(yōu)化調度的數(shù)學模型,采用了改進遺傳算法對該模型進行優(yōu)化計算。算法設計編程簡單、計算工作量小、收斂速度快。利用兩個水庫的入庫徑流實測值進行了仿真實驗,結果說明優(yōu)化調度能比常規(guī)調度取得更大的經(jīng)濟效益,同時也說明了遺傳算法是求解小水電群優(yōu)化調度的可行而有效的方法。

就提高水電站水能利用率為目標,建立模型,通過數(shù)值方式進行運算,利用matlab采用遺傳算法模擬仿真了漫灣水電站機組優(yōu)化運行;并比較了電站比較了采用傳統(tǒng)方法、采用優(yōu)化算法以及采用優(yōu)化算法下縮小峰谷負荷差和無峰谷負荷差幾種工況下耗水量,能夠提高水輪機發(fā)電效率的運行參數(shù).

隨著電力市場化的逐步實施,發(fā)電企業(yè)將會參與市場競爭。水電廠經(jīng)濟運行能提高1%～3%的水力效率,水電廠應盡快實現(xiàn)經(jīng)濟運行。以豐滿水電廠發(fā)電機出力與耗流量函數(shù)為基礎,應用改進遺傳算法對水電廠進行計及開停機的優(yōu)化調度計算。在改進遺傳算法中,采取了自適應和精英保留策略以及移民算子,提出了方向性變異的觀點,改進了變異方法。計算結果與自動發(fā)電控制(agc)方法進行了比較,表明算法具有一定的優(yōu)勢。

以水電站運行成本最小為目標,提出了一種用混合遺傳算法實現(xiàn)大型電站最優(yōu)運行計劃的方法。該方法考慮了機組能量特性差異,并能在旋轉備用、起停成本、空蝕振動區(qū)、機組可用性等約束條件下,制定出電站日內(nèi)96段最優(yōu)運行計劃。該方法避免了動態(tài)規(guī)劃等算法處理多約束、大型優(yōu)化問題的困難,同時提高了遺傳算法的精度。算例表明,方法精度高,計算速度快。

本文針對電廠在給定時效以及約束條件下,如何求解機組間有功負荷的最優(yōu)分配問題。從而達到合理安排水電站的運行方式,改善電廠及整個電力系統(tǒng)的供電質量、提高運行可靠性。文章對遺傳算法進行了深入研究,將這一理論應用到了上述問題,構建了基于遺傳算法的優(yōu)化模型。

文章綜合考慮了變電站規(guī)劃的經(jīng)濟性和安全性,提出了一種基于粒子群算法(pso)和遺傳算法(ga)相混合的變電站優(yōu)化規(guī)劃算法。該算法運用繁殖因子動態(tài)劃分子種群、最佳保持策略和ps0算子等思想,并通過實例進行編程計算,結果表明該算法比遺傳算法或粒子群算法求得的解更優(yōu)。

以蝸輪的有色金屬齒圈體積最小為目標函數(shù),并從設計經(jīng)驗本身、運動性能、邊界條件等方面建立合理的約束條件,建立了蝸輪齒圈的優(yōu)化設計數(shù)學模型。應用matlab遺傳算法工具箱尋求全局最優(yōu)解。優(yōu)化結果表明,采用遺傳算法能夠快捷有效地對蝸桿齒輪進行優(yōu)化設計,是對蝸桿齒輪優(yōu)化設計的一種有效方法。

文章在遺傳算法的基礎上,從"候梯時間"與"候梯人數(shù)"兩個角度對目前已有的電梯調度算法進行優(yōu)化。本研究在保證調度效率的同時提高電梯乘客的使用滿意率,從而為電梯調度算法的研究提供一種新的方向。

首先介紹了無功優(yōu)化的定義及在配電網(wǎng)中的作用,然后介紹了經(jīng)過改進的遺傳算法在配電網(wǎng)無功補償優(yōu)化方面的應用,并且與傳統(tǒng)遺傳算法相比,改進的遺傳算法解決了傳統(tǒng)遺傳算法過早收斂的問題,同時存在局部最優(yōu)、計算復雜的缺點。

針對電梯群控調度過程中交通流不確定的問題,建立了魯棒優(yōu)化模型,利用遺傳算法對所建模型進行求解.對于不確定線性優(yōu)化問題,研究了不確定集的選擇以及模型魯棒對等式轉化方法.仿真實驗中,利用電梯群控虛擬仿真環(huán)境對魯棒優(yōu)化調度算法在不同交通流下進行了驗證.以300人/15min的混合交通流模式為例,魯棒優(yōu)化算法的平均候梯時間比靜態(tài)分區(qū)算法降低12.77s;平均乘梯時間比最小等待時間算法降低9.7s;電梯啟停次數(shù)比靜態(tài)分區(qū)算法少8次.實驗結果表明,魯棒優(yōu)化調度算法對不同交通模式具有更好的適應性,可以減小交通流不確定性的影響,提高電梯群控調度性能.

以二倍體遺傳算法為基礎,設計了一種梯級水電廠自動發(fā)電控制(agc)算法。該算法既可用于離線制定梯級水電廠的日發(fā)電計劃,又可用于梯級水電廠的實時發(fā)電控制。算法中,出力限制條件在負荷分配方案的編碼中自動滿足,其它約束條件如負荷平衡、水量平衡(考慮梯級水庫間的水流流達時間)等則在計算個體適應值時予以考慮。算法程序設計簡單,收斂速度快。仿真計算驗證了該算法的有效性