针对传统遗传算法在函数优化过程中容易陷入局部最优解、收敛慢等缺点，提出了一种新的自适应遗传算法NAGA。该算法考虑了种群适应度的多种集中分散程度，并且非线性地自适应调节遗传算法的交叉概率与变异概率；为了加快寻优效率，在选择算子方面将引进的选择算子与最优保存策略相结合；为了使遗传操作过程中种群数量恒定，又提出了保留亲本的策略。通过仿真实验发现，与经典遗传算法GA和IAGA相比，改进的自适应遗传算法在收敛速度与精准度等方面都有较大的进步。
2021-07-29 18:12:06
1.31MB
1
针对传统遗传算法在复杂函数优化的寻优搜索中容易陷入局部极值、搜索效率低、不稳定等缺点，提出一种改进的自适应遗传算法。该算法的思想是根据进化中种群适应度的集中分散的程度非线性地自适应调节遗传进化的运算流程和交叉概率Pc、变异概率Pm的值，从而能更好地产生新的个体摆脱局部极值搜索到全局最优解，并采取最优保存策略来保证改进的自适应遗传算法的收敛性。仿真实验结果表明，与现存其他算法相比，改进的自适应遗传算法在全局寻优的收敛速度、最优解、求解精度和稳定性等方面都有了较大的改进和提高。
2021-07-13 17:51:35
1.41MB
1
蚁群算法在水电站调度函数优化中的应用
调度函数作为一种能够明确指导水电站水库运行的技术,较常规的水库调度图能更有效地发挥水电站的运行效益。针对调度函数的编制特点及其存在的优化空间,将蚁群算法应用于水电站调度函数的优化模型中。以金沙江中游梯级水电站群为实例,针对其初始调度函数进行优化,并模拟其长系列径流的发电调度过程。计算结果表明,经过优化后的调度函数能显著提高水电站水库的运行效益,有效指导水电站水库的实际调度运行,体现了模型的实用性。
2021-06-27 16:34:15
320KB
1