基于遺傳算法的燒結配料優化方法 摘要：配料是燒結的基礎，燒結配料效果的好壞直接影響到企 業的生產效益。傳統的燒結配料試算模型存在配料成分不穩定，配 料成本高等諸多弊端，本文介紹了利用遺傳算法進行燒結優化配料 的方法，將優化方案應用到實際生產中取得明顯的經濟效益。 關鍵詞：燒結優化配料遺傳算法 中圖分類號：tf04文獻標識碼：a文章編號：1007-9416（2013） 01-0118-02 1前言 配料是燒結的基礎，燒結配料效果的好壞直接影響到燒結礦的 化學成分及穩定性，并影響到原料的使用成本。傳統的試算模型存 在配料成分不穩定，配料成本高，配料能力不足，資源利用不合理 等諸多弊端。而傳統的求解最優化方法又大多要求搜索空間具有連 續可導性，且通常只能給出局部最優解，不易獲得全面最優解。 近幾年來發展起來的遺傳算法則較好地解決了這些問題，遺傳 算法（geneticalgori

將量子計算理論引入到蟻群優化算法中,形成量子蟻群優化算法(qacoa),用于梯級水電系統經濟調度研究中,以系統在調度期內實發電能和儲蓄電能最大為準則構造優化目標函數。qacoa融入了量子計算理論的疊加態和概率表達特性,以量子態為基本信息單元,將量子比特的概率幅用于螞蟻位置的編碼,利用量子旋轉門實現蟻群位置的更新,達到了比常規蟻群優化算法更好的優化效果。運用qacoa對梯級水電系統經濟調度進行仿真,結果表明qacoa使調度期內實發電能和儲蓄電能得到了明顯提高。

以二倍體遺傳算法為基礎,設計了一種梯級水電廠自動發電控制(agc)算法。該算法既可用于離線制定梯級水電廠的日發電計劃,又可用于梯級水電廠的實時發電控制。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

借鑒信息素對昆蟲群體協調行為的作用,建立信息素釋放模型、信息素擴散模型、信息誘導模型和信息定向模型,提出信息誘導算子(pheromoneinductionoperator,pio),并與改進遺傳算法(improvedgeneticalgorithmi,ga)相結合,形成信息誘導遺傳算法(pheromoneinductiongeneticalgorithm,piga)。分析了piga具有較好平衡全局搜索能力和局部開發能力的仿生學原理。針對電力市場條件下梯級水電站自調度優化模型的復雜性,將piga應用于該模型的求解,通過算例分析,對比了pso、sgai、ga和piga的優化性能,表明了piga的有效性;同時通過分析pio參數對優化性能的影響,給出了pio參數的選擇原則。

電網負荷需求量隨著氣候、環境的變化而變化,在很大程度上存在著不確定性,而目前制定的發電計劃都是根據以往的經驗進行制定的,給出的計劃出力與實際負荷水平存在較大的偏差。由于存在偏離發電計劃的偏差,如果單純地按照發電計劃發電,會導致電能的不平衡,從而影響電網的正常運行。為了描述這種偏差,采用模糊集理論來描述負荷的不確定性,構建了一個基于模糊負荷的梯級水電站發電耗水量最小的短期優化調度數學模型,利用模糊區間的概念來研究不同模糊置信水平下梯級水電站的優化調度問題。同時研究入庫徑流量、發電耗水量、棄水量、水頭變化等因素,全面考慮蓄水量、棄水量、發電流量、發電水頭之間的關系及其對水電站正常運行的影響,以及各級水電站間的相互影響,用二次曲線表達式描述水電站水頭特性關系,既能準確描述水電站水庫特性,又能減少優化問題的決策變量個數,提高求解效率。最后以一個三級水電站為例,通過遺傳算法求解所建模型,利用置信區間的概念分析負荷在不同置信水平下的優化情況,結果表明了所建優化調度數學模型的正確性和可行性。

建立了由沙畈水庫和金蘭水庫組成的串聯小水電群優化調度的數學模型,采用了改進遺傳算法對該模型進行優化計算。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,結果說明優化調度能比常規調度取得更大的經濟效益,同時也說明了遺傳算法是求解小水電群優化調度的可行而有效的方法。

將改進型螞蟻算法用于梯級水電站短期優化調度問題,并通過引入遺傳算法的交叉和變異思想以及自適應搜索半徑方法提高了螞蟻算法的搜索能力．以最小耗水率模型為例,給出了梯級水電站短期優化調度問題改進型螞蟻算法的數學描述和求解的算法步驟,并通過龍羊峽-李家峽梯級水電站實例驗證了改進型螞蟻算法的優越性．結果表明,與遺傳算法相比,改進型螞蟻算法獲得了更優的調度方案．優化結果在取得更低耗水率的同時,減少了機組的啟停次數,并且使所有機組連續高效運行,從而降低了機組的維護費用,并增加了梯級的經濟效益．

將遺傳算法用于解決水電系統短期發電優化調度問題,利用改進的遺傳算法初始編碼方式,結合最優日調度權重系數,構造了水電站短期優化調度的改進遺傳算法模型,由于原始基因已經具有了一定的規律性,所以模型具有計算速度快,結果準確、合理,便于實際調度需求等特點。實例證明,該方法能夠求解復雜約束條件下的非線性優化問題,算法編程簡潔,易于實現,從而為分時電價應用環境下的水電站短期發電優化調度問題提供了一種有效的解決方法

針對標準遺傳算法容易"早熟"的缺陷,提出聚類遺傳算法;改進了選擇算子和交叉算子,并利用shubert多峰測試函數驗證了聚類遺傳算法的優勢.引入水輪機組運行效率梯度變化因素提出改進變異算子,彌補了變異搜索過隨機的缺陷.最后,將改進方式應用于三峽-葛洲壩梯級水利樞紐短期電力調度優化研究中,提出和構建了相應的優化模型以及機組組合啟停和運行效率同步實現策略.實例優化結果表明:聚類遺傳算法和改進變異算子能有效彌補"早熟"的缺陷,并能顯著提高優化搜索效率,適用于梯級電站電力調度優化問題.優化得出的梯級電力調度方案可以滿足設定目標和約束,并提高了梯級的發電效率.

為提高水庫群聯合調度時的水資源利用率,重新審核水庫群系統中原有單庫調度圖的有效性,本文提出了一種解決庫群聯合調度多目標、多變量的智能優化新方法—混合模擬退火遺傳算法。該方法將遺傳算法的全局搜索能力和模擬退火算法的局部搜索能力相結合,提高了計算效率和精度,避免了手工修正調度圖的隨意性。在以實際生產項目為依托的應用與檢驗中,在滿足各類邊界條件及保證率要求的前提下,該方法對梯級水電站水庫調度圖的優化可行、有效,為優化梯級水庫調度圖提供了一種新的有效算法。

針對人工魚群算法的不足,提出了人工魚群遺傳算法(afsa-ga),采用人工魚群算法模擬梯級水庫優化調度,再用遺傳算法進行局部細化搜索。實例結果表明,人工魚群遺傳算法應用于梯級水庫優化調度行之有效。

針對以發電為主的小水電站單庫和串聯小水電站群,以水電站的發電引用流量為決策變量,以水電站在調度周期內發電量最大為目標,分別建立了優化調度的數學模型。基于浮點數編碼的改進遺傳算法用于對模型的優化計算,從而提高了算法的搜索效率。基于vc++編程設計了小水電站運行調度智能算法系統軟件,用類cbestga封裝了求解一般水庫調度問題的遺傳算法,并應用于一個實際的小水電站調度,實驗結果說明了遺傳算法用于水庫優化調度的可行性和有效性

為了克服量子遺傳算法(quantumgeneticalgorithm——qga)存在的\"早熟\"問題,本文將傳統遺傳算法中的變異算子引入量子遺傳算法,同時使用已搜索到的最優個體更新量子門,以改善qga算法的全局收斂性,并將其成功地應用于解決水電站廠內經濟運行問題。文中結合某電站實例進行計算,結果表明,改進后的量子遺傳算法收斂速度更快,能夠滿足工程應用的實際需求。

為了解決熱定型中影響成品織物門幅的工藝參數難以定量設計的關鍵技術難題。提出了將量子遺傳算法用于成品門幅模型工藝參數優化設計中。建立優化模型,基于該模型采用量子遺傳算法,實現了影響成品門幅的工藝參數精確定量設計。用該方法得到的工藝參數加工彈力布,生產成品的門幅與用戶要求指標的偏差小于0.1%,完全滿足實際生產要求。同時將量子遺傳算法與遺傳算法在工藝參數的優化設計中進行比較,得出當迭代種群逐漸增大時,量子遺傳算法在工藝參數的優化設計中的優勢更加明顯。

應用二倍體遺傳算法（ｄｇａ）對梯級水電站日優化調度問題求解，其算法采用了兩條等長度的二進制碼表示個體，借助于基因顯性機制，將個體基因碼鏈與梯級系統日調度計劃聯系起來．基因顯性機制采用一種簡便的布爾函數關系實現．雜交算子采用個體基因鏈交換與重組方式實現，具有一致雜交算子的效果．仿真計算結果驗證了算法的有效性

采用遺傳算法(geneticalgorithms簡稱ga)用于群控電梯的調度,實用中取得了較好的效果;但在試驗中發現普通遺傳算法存在收斂速度較慢且容易陷入局部最優解等問題。據此提出一種改進型遺傳算法,在采用實數編碼和雙初始種群分別進行迭代信息交換的基礎上,建立庫式適應度評估函數;在完成最佳保存策略選擇的同時,進行自適應交叉和變異,可較好克服其弊端。模擬仿真運行實驗結果表明了此方案的可行性和優越性。

標準遺傳算法在求解無約束優化問題時得到了成功的應用,但是多數的工程實例為約束優化問題.目前引入懲罰函數思想的遺傳算法是解決約束優化問題最常用的方法,但是使用此方法時參數的設定較為困難.從避免這個困難和提高算法本身性能的角度出發,構造了一種新的算法.首先對非可行個體進行修正,把約束優化問題轉化為無約束優化問題;其次,采用了擴大搜索空間選擇較優個體的交叉算子,增強了全局搜索能力;最后,在部分較優個體附近采用了局部搜索策略,提高局部搜索能力.通過對2個工程優化實例的求解說明了算法的有效性.

提出求解水電站優化調度問題的新方法——遺傳算法，它不同于經典優化算法的特點是，從多個初值點開始尋優，沿多路徑搜索實現全局或準全局最優，計算過程中不需要存儲狀態或決策變量離散點，大大減少計算機內存，不必求導運算，編程簡單，是一種有效的自適應隨機搜索算法

隨著電力市場化的逐步實施,發電企業將會參與市場競爭。水電廠經濟運行能提高1%～3%的水力效率,水電廠應盡快實現經濟運行。以豐滿水電廠發電機出力與耗流量函數為基礎,應用改進遺傳算法對水電廠進行計及開停機的優化調度計算。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。計算結果與自動發電控制(agc)方法進行了比較,表明算法具有一定的優勢。

文章在遺傳算法的基礎上,從"候梯時間"與"候梯人數"兩個角度對目前已有的電梯調度算法進行優化。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。

就提高水電站水能利用率為目標,建立模型,通過數值方式進行運算,利用matlab采用遺傳算法模擬仿真了漫灣水電站機組優化運行;并比較了電站比較了采用傳統方法、采用優化算法以及采用優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,能夠提高水輪機發電效率的運行參數.

分析了人工魚群算法存在的問題,提出一種改進人工魚群算法,并將其用于梯級水庫群的優化調度.其改進思想是采用動態調整人工魚視野和步長的方法,較好地平衡了人工魚群算法的全局搜索能力和局部搜索能力的矛盾;在此基礎上,針對算法局部更新策略引起的更新操作前后個體空間位置變化較大,降低收斂速度這一問題,在局部更新時采用了閾值選擇的策略.通過實例驗證了該改進算法的有效性,并對改進算法的閾值參數進行了率定.