改进量子遗传算法的梯级水电联合优化方法

基于遗传算法的烧结配料优化方法 摘要：配料是烧结的基础，烧结配料效果的好坏直接影响到企 业的生产效益。传统的烧结配料试算模型存在配料成分不稳定，配 料成本高等诸多弊端，本文介绍了利用遗传算法进行烧结优化配料 的方法，将优化方案应用到实际生产中取得明显的经济效益。 关键词：烧结优化配料遗传算法 中图分类号：tf04文献标识码：a文章编号：1007-9416（2013） 01-0118-02 1前言 配料是烧结的基础，烧结配料效果的好坏直接影响到烧结矿的 化学成分及稳定性，并影响到原料的使用成本。传统的试算模型存 在配料成分不稳定，配料成本高，配料能力不足，资源利用不合理 等诸多弊端。而传统的求解最优化方法又大多要求搜索空间具有连 续可导性，且通常只能给出局部最优解，不易获得全面最优解。 近几年来发展起来的遗传算法则较好地解决了这些问题，遗传 算法（geneticalgori

将量子计算理论引入到蚁群优化算法中,形成量子蚁群优化算法(qacoa),用于梯级水电系统经济调度研究中,以系统在调度期内实发电能和储蓄电能最大为准则构造优化目标函数。qacoa融入了量子计算理论的叠加态和概率表达特性,以量子态为基本信息单元,将量子比特的概率幅用于蚂蚁位置的编码,利用量子旋转门实现蚁群位置的更新,达到了比常规蚁群优化算法更好的优化效果。运用qacoa对梯级水电系统经济调度进行仿真,结果表明qacoa使调度期内实发电能和储蓄电能得到了明显提高。

以二倍体遗传算法为基础,设计了一种梯级水电厂自动发电控制(agc)算法。该算法既可用于离线制定梯级水电厂的日发电计划,又可用于梯级水电厂的实时发电控制。算法中,出力限制条件在负荷分配方案的编码中自动满足,其它约束条件如负荷平衡、水量平衡(考虑梯级水库间的水流流达时间)等则在计算个体适应值时予以考虑。算法程序设计简单,收敛速度快。仿真计算验证了该算法的有效性

借鉴信息素对昆虫群体协调行为的作用,建立信息素释放模型、信息素扩散模型、信息诱导模型和信息定向模型,提出信息诱导算子(pheromoneinductionoperator,pio),并与改进遗传算法(improvedgeneticalgorithmi,ga)相结合,形成信息诱导遗传算法(pheromoneinductiongeneticalgorithm,piga)。分析了piga具有较好平衡全局搜索能力和局部开发能力的仿生学原理。针对电力市场条件下梯级水电站自调度优化模型的复杂性,将piga应用于该模型的求解,通过算例分析,对比了pso、sgai、ga和piga的优化性能,表明了piga的有效性;同时通过分析pio参数对优化性能的影响,给出了pio参数的选择原则。

电网负荷需求量随着气候、环境的变化而变化,在很大程度上存在着不确定性,而目前制定的发电计划都是根据以往的经验进行制定的,给出的计划出力与实际负荷水平存在较大的偏差。由于存在偏离发电计划的偏差,如果单纯地按照发电计划发电,会导致电能的不平衡,从而影响电网的正常运行。为了描述这种偏差,采用模糊集理论来描述负荷的不确定性,构建了一个基于模糊负荷的梯级水电站发电耗水量最小的短期优化调度数学模型,利用模糊区间的概念来研究不同模糊置信水平下梯级水电站的优化调度问题。同时研究入库径流量、发电耗水量、弃水量、水头变化等因素,全面考虑蓄水量、弃水量、发电流量、发电水头之间的关系及其对水电站正常运行的影响,以及各级水电站间的相互影响,用二次曲线表达式描述水电站水头特性关系,既能准确描述水电站水库特性,又能减少优化问题的决策变量个数,提高求解效率。最后以一个三级水电站为例,通过遗传算法求解所建模型,利用置信区间的概念分析负荷在不同置信水平下的优化情况,结果表明了所建优化调度数学模型的正确性和可行性。

建立了由沙畈水库和金兰水库组成的串联小水电群优化调度的数学模型,采用了改进遗传算法对该模型进行优化计算。算法设计编程简单、计算工作量小、收敛速度快。利用两个水库的入库径流实测值进行了仿真实验,结果说明优化调度能比常规调度取得更大的经济效益,同时也说明了遗传算法是求解小水电群优化调度的可行而有效的方法。

将改进型蚂蚁算法用于梯级水电站短期优化调度问题,并通过引入遗传算法的交叉和变异思想以及自适应搜索半径方法提高了蚂蚁算法的搜索能力．以最小耗水率模型为例,给出了梯级水电站短期优化调度问题改进型蚂蚁算法的数学描述和求解的算法步骤,并通过龙羊峡-李家峡梯级水电站实例验证了改进型蚂蚁算法的优越性．结果表明,与遗传算法相比,改进型蚂蚁算法获得了更优的调度方案．优化结果在取得更低耗水率的同时,减少了机组的启停次数,并且使所有机组连续高效运行,从而降低了机组的维护费用,并增加了梯级的经济效益．

将遗传算法用于解决水电系统短期发电优化调度问题,利用改进的遗传算法初始编码方式,结合最优日调度权重系数,构造了水电站短期优化调度的改进遗传算法模型,由于原始基因已经具有了一定的规律性,所以模型具有计算速度快,结果准确、合理,便于实际调度需求等特点。实例证明,该方法能够求解复杂约束条件下的非线性优化问题,算法编程简洁,易于实现,从而为分时电价应用环境下的水电站短期发电优化调度问题提供了一种有效的解决方法

针对标准遗传算法容易"早熟"的缺陷,提出聚类遗传算法;改进了选择算子和交叉算子,并利用shubert多峰测试函数验证了聚类遗传算法的优势.引入水轮机组运行效率梯度变化因素提出改进变异算子,弥补了变异搜索过随机的缺陷.最后,将改进方式应用于三峡-葛洲坝梯级水利枢纽短期电力调度优化研究中,提出和构建了相应的优化模型以及机组组合启停和运行效率同步实现策略.实例优化结果表明:聚类遗传算法和改进变异算子能有效弥补"早熟"的缺陷,并能显著提高优化搜索效率,适用于梯级电站电力调度优化问题.优化得出的梯级电力调度方案可以满足设定目标和约束,并提高了梯级的发电效率.

为提高水库群联合调度时的水资源利用率,重新审核水库群系统中原有单库调度图的有效性,本文提出了一种解决库群联合调度多目标、多变量的智能优化新方法—混合模拟退火遗传算法。该方法将遗传算法的全局搜索能力和模拟退火算法的局部搜索能力相结合,提高了计算效率和精度,避免了手工修正调度图的随意性。在以实际生产项目为依托的应用与检验中,在满足各类边界条件及保证率要求的前提下,该方法对梯级水电站水库调度图的优化可行、有效,为优化梯级水库调度图提供了一种新的有效算法。

针对人工鱼群算法的不足,提出了人工鱼群遗传算法(afsa-ga),采用人工鱼群算法模拟梯级水库优化调度,再用遗传算法进行局部细化搜索。实例结果表明,人工鱼群遗传算法应用于梯级水库优化调度行之有效。

针对以发电为主的小水电站单库和串联小水电站群,以水电站的发电引用流量为决策变量,以水电站在调度周期内发电量最大为目标,分别建立了优化调度的数学模型。基于浮点数编码的改进遗传算法用于对模型的优化计算,从而提高了算法的搜索效率。基于vc++编程设计了小水电站运行调度智能算法系统软件,用类cbestga封装了求解一般水库调度问题的遗传算法,并应用于一个实际的小水电站调度,实验结果说明了遗传算法用于水库优化调度的可行性和有效性

为了克服量子遗传算法(quantumgeneticalgorithm——qga)存在的\"早熟\"问题,本文将传统遗传算法中的变异算子引入量子遗传算法,同时使用已搜索到的最优个体更新量子门,以改善qga算法的全局收敛性,并将其成功地应用于解决水电站厂内经济运行问题。文中结合某电站实例进行计算,结果表明,改进后的量子遗传算法收敛速度更快,能够满足工程应用的实际需求。

为了解决热定型中影响成品织物门幅的工艺参数难以定量设计的关键技术难题。提出了将量子遗传算法用于成品门幅模型工艺参数优化设计中。建立优化模型,基于该模型采用量子遗传算法,实现了影响成品门幅的工艺参数精确定量设计。用该方法得到的工艺参数加工弹力布,生产成品的门幅与用户要求指标的偏差小于0.1%,完全满足实际生产要求。同时将量子遗传算法与遗传算法在工艺参数的优化设计中进行比较,得出当迭代种群逐渐增大时,量子遗传算法在工艺参数的优化设计中的优势更加明显。

应用二倍体遗传算法（ｄｇａ）对梯级水电站日优化调度问题求解，其算法采用了两条等长度的二进制码表示个体，借助于基因显性机制，将个体基因码链与梯级系统日调度计划联系起来．基因显性机制采用一种简便的布尔函数关系实现．杂交算子采用个体基因链交换与重组方式实现，具有一致杂交算子的效果．仿真计算结果验证了算法的有效性

采用遗传算法(geneticalgorithms简称ga)用于群控电梯的调度,实用中取得了较好的效果;但在试验中发现普通遗传算法存在收敛速度较慢且容易陷入局部最优解等问题。据此提出一种改进型遗传算法,在采用实数编码和双初始种群分别进行迭代信息交换的基础上,建立库式适应度评估函数;在完成最佳保存策略选择的同时,进行自适应交叉和变异,可较好克服其弊端。模拟仿真运行实验结果表明了此方案的可行性和优越性。

标准遗传算法在求解无约束优化问题时得到了成功的应用,但是多数的工程实例为约束优化问题.目前引入惩罚函数思想的遗传算法是解决约束优化问题最常用的方法,但是使用此方法时参数的设定较为困难.从避免这个困难和提高算法本身性能的角度出发,构造了一种新的算法.首先对非可行个体进行修正,把约束优化问题转化为无约束优化问题;其次,采用了扩大搜索空间选择较优个体的交叉算子,增强了全局搜索能力;最后,在部分较优个体附近采用了局部搜索策略,提高局部搜索能力.通过对2个工程优化实例的求解说明了算法的有效性.

随着电力市场化的逐步实施,发电企业将会参与市场竞争。水电厂经济运行能提高1%～3%的水力效率,水电厂应尽快实现经济运行。以丰满水电厂发电机出力与耗流量函数为基础,应用改进遗传算法对水电厂进行计及开停机的优化调度计算。在改进遗传算法中,采取了自适应和精英保留策略以及移民算子,提出了方向性变异的观点,改进了变异方法。计算结果与自动发电控制(agc)方法进行了比较,表明算法具有一定的优势。

梯级水电站中长期经济调度是一个典型非线性优化问题，通常要求在满足复杂的水力、电力约束条件，兼顾求解效率的同时实现梯级发电量最大。为有效解决这一问题，通过改进标准蝙蝠算法（batalgorithm，ba）更新策略和引入差分进化算法（differentialevolution，de）变异、选择操作，提出一种改进的蝙蝠算法（improvedbatalgorithm，iba）。对标准蝙蝠算法更新策略进行以下改进：1）蝙蝠个体脉冲频率不随种群迭代而更新；2）蝙蝠个体脉冲发射率和脉冲音量随种群迭代而更新；3）无条件接受全局搜索产生的新解，有条件接受局部搜索产生的新解；4）改进飞行速度公式，缩小新个体与当前种群最优个体的偏离值。同时，针对蝙蝠算法种群多样性差、易陷入局部最优的缺点，引入差分进化算法中的变异、选择操作，实现动态控制变异概率。建立兼顾梯级最小出力最大化的梯级总发电量最大模型，利用大渡河流域瀑布沟、深溪沟、枕头坝一级梯级水电站经济调度问题实例，从流域长系列径流资料中选取典型年，对iba的主要控制参数（缩放因子、最大迭代次数）进行测试与分析。采用iba、ba、逐步优化算法（poa）对同一典型年进行模拟调度。从枯期出力特征、梯级发电量、算法运行时间3项指标综合来看，对于复杂的梯级水电站经济调度问题，改进的蝙蝠算法能够在枯水期给电网提供尽可能大而稳定的出力，同时缩短计算时间，获得更高精度解。

针对水电站水库优化调度问题,提出了将改进遗传算法和混沌优化相耦合的改进混沌遗传算法。该算法将混沌变量映射到优化变量的取值范围中,对混沌变量进行编码,表示成染色体,然后对其进行选择、交叉和变异,通过增加混沌扰动,不断进化收敛得到最优解。实例计算并与其他方法比较表明,该算法在求解水电站优化调度这样的复杂非线性优化问题时,搜索效率高,收敛性能好,能以较快的速度收敛于全局最优解,为水电站水库优化调度模型求解提供了一种新方法。

提出求解水电站优化调度问题的新方法——遗传算法，它不同于经典优化算法的特点是，从多个初值点开始寻优，沿多路径搜索实现全局或准全局最优，计算过程中不需要存储状态或决策变量离散点，大大减少计算机内存，不必求导运算，编程简单，是一种有效的自适应随机搜索算法

量子可逆逻辑电路综合主要是研究在给定的量子门和量子电路的约束条件及限制下,找到最小或较小的量子代价实现所需量子逻辑功能的电路。把量子逻辑门的功能用矩阵的数学模型表示,用遗传算法作全局搜索工具,将遗传算法应用于量子可逆逻辑电路综合,是一种全新的可逆逻辑电路综合方法,实现了合成、优化同步进行。四阶量子电路实验已取得了很好的效果,并进一步分析了此方法在高阶量子电路综合问题上的应用前景。