梯级水电站不仅要满足电力系统运行要求,还要考虑发电和用水之间的协调,才能使综合效益最大化。提出一种兼顾年发电量和运行成本的梯级水电站长期多目标优化调度新模型。通过分别求解各个单目标优化问题和定义各单项目标的隶属度函数,把多目标问题模糊化;采用对各单项目标优化的目标值在一定范围内伸缩的方法来体现决策者的主观意愿;利用模糊最大满意度方法把多目标优化问题转化为单目标非线性规划问题;并构建了一种动态调整惯性因子的自适应粒子群算法。仿真计算验证了模型的正确性和求解方法的可行性,多目标模型比单目标模型获得了更佳的综合效益,模糊优化处理方法避免了目标权重选取的人为任意性,同时自适应粒子群算法计算速度快、收敛精度高。

341 5.1 线性最小二乘问题的解法

基于ADAMS/Vibration模块振动筛隔振弹簧优化设计，李增彬，程珩，本文采用多自由度隔振系统的动力学分析方法, 讨论了隔振弹簧的性能参数对系统隔振性能的影响；在多体动力学软件上建立了振动筛隔�

回溯方法matlab代码应用数值方法进行优化的 Matlab 代码集， 黄金分割搜索、BFGS 变化、回溯等应用于搜索给定函数的局部/全局极值。 包括情节世代。 最后更新于 2015 年

基于遗传算法的电力系统无功优化可用于简单的算法

自适应粒子群优化是一种优化算法，它是粒子群优化（Particle Swarm Optimization，PSO）的一种变体。与传统的PSO不同，APSO使用自适应策略来调整算法的参数，以提高算法的性能和收敛速度。 APSO的主要思想是根据群体的收敛情况动态调整算法的参数。APSO的核心算法与PSO类似，由粒子的速度和位置更新规则组成。每个粒子通过与局部最优解和全局最优解比较来更新自己的位置和速度。 APSO的另一个关键之处是学习因子的自适应调整。在每个迭代中，APSO会计算每个粒子的适应度值。如果适应度值的方差较小，则学习因子的值会变小，以便更加收敛到最优解。相反，如果适应度值的方差较大，则学习因子的值会变大，以便更好地探索解空间。

matlab程序源码，可直接运行，并非完全复现《分布式光伏储能系统的优化配置方法》仅供学习交流。考虑分布式光伏储能系统的优化配置方法，采用双层模型求解 上层决策储能系统配置容量用遗传/粒子群算法求解

为了能将液态CO2相变致裂技术高效地应用到低透气煤层强化增透领域,基于COMSL软件对液态CO2相变致裂技术布孔参数进行数值模拟优化,并在平煤十三矿进行了穿层强化预抽煤层瓦斯试验,对优化结果进行了验证。不同布孔方式、孔排间距参数下模拟试验和现场试验研究结果表明:同孔距下"隔二爆一"布孔方式其致裂后抽采效果优于"隔一爆一"布孔方式,最终确定平煤十三矿最佳布孔方式为孔距为6 m的"隔二爆一"式。

基于matlab遗传算法求解峰谷分时电价电动汽车充电负荷优化问题

面对电信业内外部竞争的不断加剧，城域网的改造与优化逐渐成为运营商关注的重心。长久以来，为了实现更好的宽带体验和通信质量，