基于改进布谷鸟算法的分布式电源优化配置

针对布谷鸟搜索算法在处理多目标优化问题上的不足,基于混沌映射、非支配排序等多目标优化策略,提出一种改进的多目标布谷鸟搜索(improved muti-objective cuckoo search,IMOCS)算法,对分布式电源多目标优化配置问题进行求解。为增加初始种群的多样性,利用logistic混沌映射产生初始解;自适应改变搜索步长,以提高算法的寻优能力和收敛速度。仿真结果表明:IMOCS算法寻优能力强,收敛速度快,能够有效求解分布式电源的多目标优化配置问题。     

基于混沌优化神经网络的砂土液化预测模型

针对砂土液化预测的非线性难题,在分析BP神经网络和混沌优化的各自优缺点的基础上,将混沌优化与梯度下降法相结合,构成了神经网络权值和阈值的一种新的组合优化算法(COBP),并将该组合优化算法用于砂土液化的预测建模.工程实例应用表明,该组合优化模型不仅搜索速度快,全局稳定性好,而且预测精度高,结果可靠,能达到工程应用的精度要求,为砂土液化的非线性预测提供了一种有效方法.     

基于混沌多目标遗传算法的分布式电源规划

针对多目标遗传算法(multi-objective genetic algorithm,MGA)在解决分布式电源(dis-tributed generation,DG)优化问题上存在的不足,加入混沌变量、虛拟适应度、精英保留策略等方法进行多目标改进,提出一种改进混沌多目标遗传算法(improved chaotic optimization multi-ob-jective genetic algorithm,ICMGA),并依据种群进化状态自适应调整搜索精度,提高了算法搜索效率和收敛速度。结果表明:与NSGA_II算法相比,ICMGA算法不但寻优能力更强,收敛速度快,还具有良好的经济性。能够为分布式电源优化问题提供优良的解决方案。     

基于人工蜂群算法的边坡最危险滑动面搜索

将用于连续数值优化问题的人工蜂群算法引入边坡稳定分析临界滑动面搜索领域.该方法模拟了蜂群的群体协作采蜜过程,具有自适应收敛的特点,克服了传统方法容易陷入局部最优的缺点,是一种全局优化算法.为进一步改善其在复杂边坡搜索中的效果,将Hooke-Jeeves模式搜索操作引入人工蜂群算法,提出一种用于边坡临界滑动面搜索的模式搜...     

基于改进的PSO‑BP神经网络的边坡稳定性研究∗

边坡稳定性研究对于重大地质灾害防治极其重要，但由于影响边坡稳定性的因素具有非线性、多样性以及模糊性等特征，边坡稳定性分析一直是地质灾害防治领域的热难点问题。已有研究表明神经网络预测模型可有效应用边坡稳定性分析，但同时存在预测精度低、鲁棒性差、收敛速度慢等缺点。为改善上述问题，在粒子群算法优化的 BP 神经网络（简称 PSO?BP 神经网络）算法基础上提出一种改进的边坡稳定性预测模型。该模型以容重、内聚力、内摩擦角、边坡角、高度、孔隙压力比作为输入参数，以安全系数作为输出参数。通过借鉴遗传算法中的变异思想来提升模型全局寻优的能力，利用能量函数负梯度下降原理提高模型的收敛速度。将所收集到百余条边坡数据进行数据清洗，最终得到 80 条高质量边坡数据，随机选取其中的 50 条边坡数据作为模型的试验数据。最后采用十折交叉验证的方法对模型的准确性进行验证，并在多维度与其余边坡稳定性神经网络预测模型进行对比分析。结果表明：①该模型相比于其余模型收敛速度、准确率、鲁棒性均有明显提高；②将 K 折交叉验证应用在小样本数据下的边坡稳定性神经网络预测模型，可有效避免结果的偶然性。③该模型的预测误差仅为 4.31%，满足工程精度需求，可在实际工程中为边坡稳定性分析与灾害防治提供参考。     

蝙蝠优化算法在边坡可靠性分析中的应用

基于可靠度的几何意义,提出基于蝙蝠算法(Bat Algorithm,BA)进行边坡可靠性分析。针对基本蝙蝠算法易早熟、收敛精度低的不足,将细菌觅食算法中的迁徙操作(Elimination Dispersal)引入基本蝙蝠算法,形成迁徙蝙蝠算法(EDBA),提高了算法的全局搜索能力和收敛速度。算例1的计算结果表明:EDBA较基本BA的计算精度高,收敛速度快,稳定性更好,对求解复杂、高度非线性功能函数的可靠性问题具有很好的适应性。对于隐式功能函数的边坡可靠度求解,提出了采用蝙蝠算法和基因表达式编程(Gene Expression Programming,GEP)相结合的计算边坡可靠度的新方法。该方法采用GEP方法拟合边坡极限状态函数,构建响应面,通过蝙蝠算法计算边坡可靠度及相应的验算点;算例2的计算结果证明:EDBA-GEP方法对求解隐式功能函数的边坡可靠性问题具有很好的适应性,是科学可行的,具有很好的应用前景。     

含分布式电源的配电网络重构

配电网络重构是一个复杂、非线性的组合优化问题。在考虑分布式电源的情况下,以网络损耗最小和电压节点偏差最小为优化目标,建立了一个多目标的配电网络重构数学模型。针对二进制粒子群优化(Binary particle swarm optimization,BPSO)算法容易陷入局部极值点、发生早熟等缺点,提出混沌二进制粒子群混合优化算法(CBPSO),引入混沌理论(Choas theory)对二进制粒子群优化算法的惯性权重进行调整。IEEE33 节点测试系统的算例表明,该算法较BPSO 算法具有较强的全局收敛性能,能够有效地解决计及 DG 出力的配网络重构优化问题,提高了电能质量和系统运行的经济性。     

基于IBES-XGBoost的高速铁路沿线风速预测模型

为保证高速铁路沿线风灾预警信息具有较高时效性，需要进行高速铁路沿线超短期风速的提前多步预测。针对众多预测模型在预测中可能存在较大误差的问题，采用Tent混沌映射和BFGS拟牛顿法对秃鹰搜索算法进行改进，并用改进的秃鹰搜索算法(IBES)对XGBoost的初始参数进行优化。在构建IBES-XGBoost模型时，加入风速以外的其他气象特征，以提高预测精度。实验结果表明：(1)改进的秃鹰算法相比其他智能优化算法有更好的寻优能力，与其他模型相比IBES-XGBoost在超短期风速的提前多步预测上有着较高的精度和较好的拟合效果。(2)Tent混沌映射和BFGS拟牛顿法对秃鹰算法有着较好的改进效果。(3)IBES-XGBoost能为高速铁路规范下的大风预警提供可靠的提前多步预测结果。     

多层采空区条件下的高速公路路堑边坡稳定性数值分析

高速公路建设过程中常穿越各种矿山采空区,采空区对路堑边坡的稳定性产生较大的影响。基于有限差分分析的快速拉格朗算法FLAC3D程序,由于具有强大的数值模拟分析功能,可以模拟多种结构形式的地质体,因而广泛应用于各种岩土工程问题。本文结合国家某重点交通项目,采用快速拉格朗算法FLAC3D程序对多层采空区条件下的某路堑边坡稳定性进行了评价,主要包括开挖、注浆和锚固等工况下路堑边坡的应力和位移分析。分析结果表明,采空区经过处理后的路堑边坡是稳定的,FLAC3D应用于多层采空区条件下的路堑边坡稳定性评价是可行的。     

免疫粒子群优化在波阻抗反演中的应用

针对标准粒子群优化(PSO)算法易出现早熟而陷入局部最优以及进化后期收敛速度慢等缺陷,引入免疫系统的免疫记忆和抗体浓度选择机制,构造了基于免疫机制的粒子群优化(IPSO)算法,并将其应用到波阻抗反演问题中。免疫记忆能够保留高适应度个体,抗体浓度选择机制进一步保证了粒子的多样性,从而能较好地避免早熟收敛,提高算法的全局搜索能力。对理论模型试算表明,IPSO算法在进行波阻抗反演时不仅收敛速度快,而且具有较高的精确度和抗噪性能。     

基于遗传算法的生命线工程网络抗震优化设计

进行网络抗震可靠性分析的目的,不仅在于定量评价生命线工程网络系统的抗震性能,更重要的是利用这种分析工具指导网络抗震性能的优化设计。以无向边权网络系统为分析对象,分别以管网造价和系统抗震可靠度作为优化目标和约束条件,建立网络系统拓扑优化模型,利用递推分解算法作为网络系统抗震可靠性分析工具,并引入系统单元的灵敏度分析,采用遗传算法求解网络系统的拓扑优化问题,从而发展了一类工程网络抗震优化设计方法。实例分析结果表明,网络系统拓扑结构与系统可靠度之间有显著的正相关关系。     

蚁群算法在生命线网络系统抗震拓扑优化中的应用

近年来,遗传算法和模拟退火算法已经应用于网络系统的抗震拓扑优化,蚁群算法也已经成功应用到多个组合优化问题中。首先论述了生命线网络系统抗震拓扑优化模型,然后介绍了网络抗震可靠度分析的最小路递推分解算法。通过对优化问题解形式的分析,采用二进制编码的蚁群算法对优化模型进行了求解。最后,结合实例分析,并与遗传算法和模拟退火算法的计算结果进行了对比。结果表明,蚁群算法可以作为一种新的工具进行网络系统的优化设计。     

边坡稳定性评价的自适应模拟退火聚类分析法

本文针对常规聚类法对初始聚类中心 的敏感性以及聚类结果与样本输入次序有关等问题,提出了基于模拟退火算法的边坡稳定性评价的自适应聚类分析方法。此方法对三峡库区36个边坡的研究结果表明，它是一个具有全局最优解和有较高计算效率的聚类法,其结果明显优于常规聚类法。     

Comparison of Aerosol Size-Distributions Using Linear-Regression, Genetic Algorithm, and Annealing Genetic Algorithm

Abstract Stability and accuracy of retrieving the aerosol size-distribution by using the linear-regression (LR), genetic algorithm (GA), and annealing genetic algorithm (AGA) were studied in detail. It was found that by using the AGA, retrieval results are quite stable and accurate; using the GA, stability and accuracy of the retrieval results decreased mildly but were still acceptable; and using the LR, retrieval results were too unstable to be acceptable. This conclusion is verified by both of the numeric simulation and the experiment.     

降雨作用下考虑膨胀推力的膨胀土边坡稳定性分析

为研究膨胀力作用下膨胀土边坡的稳定性,通过合理假设,在传统剩余滑坡推力法中引入膨胀力项,得出了适用于膨胀土边坡的滑坡稳定性系数计算公式。基于该公式对某膨胀土坡的离心模型降雨试验进行了模拟和计算,通过计算结果和试验结果的对比验证了该法的可行性;同时分析了膨胀力施加与否、不同裂隙分布位置和深度、不同降雨历时和降雨强度下膨胀土边坡的稳定性,得出了安全系数的变化规律。结果表明,降雨条件下考虑膨胀力时膨胀土边坡的安全系数相对于未考虑膨胀力时大幅下降,符合膨胀土边坡降雨破坏的实际情况;裂隙位于坡中时膨胀土边坡较裂隙位于坡顶时更危险;降雨强度和降雨历时也对膨胀土边坡的稳定性造成了影响,但超过一定程度时这种影响会受到限制。该方法为工程中膨胀土边坡稳定性的计算提供了参考。     

基于遗传算法的洪水灾情评估神经网络模型探讨

洪水灾情评估实际上是一种模式识别问题,而人工神经网络模型具有逼近有界闭子集上任意非线性映射的特性,且模型更新方便。本文邮基于遗传算法的洪水灾情评估神经网络模型,阐述了其基本原理和算法,实例研究表明其实用性、客观性和通用性。     

基于改进纵横交叉算法的多目标无功优化

针对有功网损、电压偏差和静态电压稳定裕度的多目标无功优化问题.提出了一种用于多目标的改进纵横交叉算法。该算法采用纵向和横向两个不同方向的搜索机制,摒弃基础纵横交叉算法的竞争算子。在纵向交叉后采用目标序列排序建立虚拟个体适应度,再对粒子虚拟适应度大小进行比较选择精英粒子,而横向交叉之后不进行粒子比较。与传统的NSGA-II相比,该算法能够使粒子在收敛的过程跳出局部最优,提高粒子多样性,同时提高效率。最后引进非支配选择和拥挤距离计算,产生Pareto前沿。通过和NSGA-II在IEEE 14节点系统、IEEE 57 节点系统多目标无功优化上仿真对比,结果验证了所提方法收敛精度更高,其Pareto前沿分布更加均匀,范围更加广泛,能够很好的解决电力系统多目标无功优化问题。