基于改進型免疫遺傳算法的母管制機組負荷優(yōu)化分配
格式:pdf
大?。?span id="ioefbum" class="single-tag-height" data-v-09d85783>364KB
頁數(shù):5P
人氣 :72
4.7
改進型免疫遺傳算法在遺傳算法中引入了免疫系統(tǒng)的抗原識別、抗體多樣性、免疫記憶、濃度調(diào)節(jié)等機制,且將遺傳競爭分為子種群間和子種群內(nèi)部個體間的兩級競爭,從而能夠快速、穩(wěn)定地收斂到全局最優(yōu)點。為此,提出了一種基于免疫遺傳算法的母管制機組負荷優(yōu)化分配方法,以提高機組運行的經(jīng)濟性。實際計算結(jié)果證明,該方法對機組的負荷優(yōu)化分配具有良好的優(yōu)越性。
基于粒子群算法的火電廠機組負荷優(yōu)化分配研究
格式:pdf
大小:709KB
頁數(shù):5P
負荷優(yōu)化分配是火電廠運行優(yōu)化的一個重要研究領(lǐng)域,在機組之間合理地優(yōu)化分配負荷能夠提高整個火電廠運行的經(jīng)濟性。針對火電廠實際的運行情況,考慮多個實際約束條件,建立了并行火電機組間連續(xù)多時段動態(tài)負荷優(yōu)化分配的數(shù)學(xué)模型;提出運用新近發(fā)展起來的智能算法-粒子群算法來解決動態(tài)負荷優(yōu)化分配問題,詳細介紹和研究了該算法的基本原理以及在負荷優(yōu)化分配問題上的實現(xiàn)過程,并針對原算法的不足,對算法進行了改進;根據(jù)負荷分配和算法的特性,對初始種群的生成方法進行了改進,同時對約束條件進行了有效處理。仿真實例表明,該方法收斂性好,收斂速度快,能夠有效地達到或接近全局最優(yōu),從而為火電廠機組負荷優(yōu)化分配的求解提供了新的有效算法。
基于粒子群算法的火電廠機組負荷優(yōu)化分配
格式:pdf
大?。?span id="a1olxxs" class="single-tag-height" data-v-09d85783>298KB
頁數(shù):4P
通過研究粒子群(pso)優(yōu)化算法的基本原理,分析了該算法中各個參數(shù)的不同取值對算法搜索能力和收斂速度的影響,并將pso優(yōu)化算法應(yīng)用于電廠機組負荷優(yōu)化分配問題的研究。通過在3臺機組系統(tǒng)的應(yīng)用,驗證表明較之遺傳算法等傳統(tǒng)優(yōu)化算法,pso優(yōu)化算法在優(yōu)化結(jié)果、搜索區(qū)間控制以及收斂速度等方面具有較好的特性,能更好地達到或接近全局最優(yōu)解。
基于遺傳算法的電廠負荷優(yōu)化模型研究
格式:pdf
大?。?span id="dkacrap" class="single-tag-height" data-v-09d85783>1.3MB
頁數(shù):2P
4.5
本文針對電廠在給定時效以及約束條件下,如何求解機組間有功負荷的最優(yōu)分配問題。從而達到合理安排水電站的運行方式,改善電廠及整個電力系統(tǒng)的供電質(zhì)量、提高運行可靠性。文章對遺傳算法進行了深入研究,將這一理論應(yīng)用到了上述問題,構(gòu)建了基于遺傳算法的優(yōu)化模型。
基于分析的聯(lián)合運行熱泵機組負荷優(yōu)化分配研究
格式:pdf
大?。?span id="mxevd0c" class="single-tag-height" data-v-09d85783>200KB
頁數(shù):未知
4.3
以上海某辦公建筑的地源熱泵空調(diào)系統(tǒng)為研究對象,采用分析的方法建立了熱泵機組的損失模型,以3臺熱泵機組總損最小為優(yōu)化目標,采用遺傳算法對3臺熱泵機組的逐時負荷分配率進行優(yōu)化。結(jié)果表明:與熱泵機組原有的負荷分配方式相比,采用遺傳算法優(yōu)化后的負荷分配方式可以有效減小熱泵機組的總損和總能耗,典型日16:00時熱泵機組總損減少了2.29kw·h,總能耗減少了2.34kw·h,節(jié)能率為8.87%;典型日全天熱泵機組總損減少了27.75kw·h,總能耗減少了28.17kw·h,節(jié)能率高達10.53%,空調(diào)系統(tǒng)的運行效率明顯提高。
公路養(yǎng)護資源分配中遺傳算法的參數(shù)優(yōu)化
格式:pdf
大?。?span id="si1uauu" class="single-tag-height" data-v-09d85783>209KB
頁數(shù):5P
3
公路養(yǎng)護資源分配中遺傳算法的參數(shù)優(yōu)化——為辨明公路養(yǎng)護資源優(yōu)化分配中遺傳算法參數(shù)對運算效率和精度的影響,提出基于正交試驗的參數(shù)優(yōu)化方法.選取種群規(guī)模與迭代次數(shù)比例、交叉形式和變異概率3個參數(shù),利用正交設(shè)計方法進行3因素3水平試驗,建立主效應(yīng)和交...
基于遺傳算法的燒結(jié)配料優(yōu)化方法
格式:pdf
大小:8KB
頁數(shù):1P
4.4
基于遺傳算法的燒結(jié)配料優(yōu)化方法 摘要:配料是燒結(jié)的基礎(chǔ),燒結(jié)配料效果的好壞直接影響到企 業(yè)的生產(chǎn)效益。傳統(tǒng)的燒結(jié)配料試算模型存在配料成分不穩(wěn)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(jié)優(yōu)化配料 的方法,將優(yōu)化方案應(yīng)用到實際生產(chǎn)中取得明顯的經(jīng)濟效益。 關(guān)鍵詞:燒結(jié)優(yōu)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(jié)的基礎(chǔ),燒結(jié)配料效果的好壞直接影響到燒結(jié)礦的 化學(xué)成分及穩(wěn)定性,并影響到原料的使用成本。傳統(tǒng)的試算模型存 在配料成分不穩(wěn)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(tǒng)的求解最優(yōu)化方法又大多要求搜索空間具有連 續(xù)可導(dǎo)性,且通常只能給出局部最優(yōu)解,不易獲得全面最優(yōu)解。 近幾年來發(fā)展起來的遺傳算法則較好地解決了這些問題,遺傳 算法(geneticalgori
水電站負荷機組間優(yōu)化分配的動態(tài)規(guī)劃迅捷解法
格式:pdf
大小:852KB
頁數(shù):7P
4.4
根據(jù)水電站負荷,運用簡化的方法確定優(yōu)化運行機組臺數(shù)和機組組合,確定機組間負荷優(yōu)化分配適宜的調(diào)整范圍,再以動態(tài)規(guī)劃法確定機組間負荷優(yōu)化分配,可以大幅度節(jié)省計算機時。
改進遺傳算法在工程優(yōu)化中的應(yīng)用
格式:pdf
大?。?span id="zyq8d4y" class="single-tag-height" data-v-09d85783>564KB
頁數(shù):4P
4.7
標準遺傳算法在求解無約束優(yōu)化問題時得到了成功的應(yīng)用,但是多數(shù)的工程實例為約束優(yōu)化問題.目前引入懲罰函數(shù)思想的遺傳算法是解決約束優(yōu)化問題最常用的方法,但是使用此方法時參數(shù)的設(shè)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(fā),構(gòu)造了一種新的算法.首先對非可行個體進行修正,把約束優(yōu)化問題轉(zhuǎn)化為無約束優(yōu)化問題;其次,采用了擴大搜索空間選擇較優(yōu)個體的交叉算子,增強了全局搜索能力;最后,在部分較優(yōu)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(yōu)化實例的求解說明了算法的有效性.
基于改進遺傳算法優(yōu)化極限學(xué)習(xí)機的短期電力負荷預(yù)測
格式:pdf
大?。?span id="g6tge5b" class="single-tag-height" data-v-09d85783>280KB
頁數(shù):7P
4.8
負荷預(yù)測效果直接影響電網(wǎng)的安全穩(wěn)定和經(jīng)濟效益,是電網(wǎng)調(diào)度的重要組成內(nèi)容。針對極限學(xué)習(xí)機隨機產(chǎn)生輸入層權(quán)值和隱含層閾值導(dǎo)致網(wǎng)絡(luò)模型不穩(wěn)定的問題,提出了一種基于改進遺傳算法優(yōu)化極限學(xué)習(xí)機的負荷預(yù)測方法。利用爬山法改進的遺傳算法對極限學(xué)習(xí)機的權(quán)值和閾值進行優(yōu)化,以獲得穩(wěn)定性強,預(yù)測精度高的優(yōu)化模型。并將此模型與bp網(wǎng)絡(luò)、極限學(xué)習(xí)機的預(yù)測結(jié)果進行對比,仿真實驗結(jié)果表明,改進模型具有較快的訓(xùn)練速度和更為準確的預(yù)測結(jié)果,適應(yīng)于影響因素眾多,數(shù)據(jù)量巨大的現(xiàn)代短期電力負荷預(yù)測。
群控電梯改進型遺傳算法最佳派梯方法
格式:pdf
大?。?span id="7u7eeyk" class="single-tag-height" data-v-09d85783>562KB
頁數(shù):5P
4.7
采用遺傳算法(geneticalgorithms簡稱ga)用于群控電梯的調(diào)度,實用中取得了較好的效果;但在試驗中發(fā)現(xiàn)普通遺傳算法存在收斂速度較慢且容易陷入局部最優(yōu)解等問題。據(jù)此提出一種改進型遺傳算法,在采用實數(shù)編碼和雙初始種群分別進行迭代信息交換的基礎(chǔ)上,建立庫式適應(yīng)度評估函數(shù);在完成最佳保存策略選擇的同時,進行自適應(yīng)交叉和變異,可較好克服其弊端。模擬仿真運行實驗結(jié)果表明了此方案的可行性和優(yōu)越性。
基于混沌粒子群算法的火電廠廠級負荷在線優(yōu)化分配
格式:pdf
大?。?span id="wh32k8h" class="single-tag-height" data-v-09d85783>759KB
頁數(shù):7P
4.6
機組負荷優(yōu)化分配是降低發(fā)電廠能耗水平的重要技術(shù)手段,該文針對廠級負荷在線優(yōu)化分配對算法速率和精度的要求,提出一種新的機組負荷實時分配模型,分別給出了機組自動發(fā)電控制和廠級負荷分配方式下負荷響應(yīng)速率約束方程,并提出一種自適應(yīng)約束邊界,可顯著提高算法計算效率,在滿足電網(wǎng)對機組負荷品質(zhì)要求的前提下實現(xiàn)全廠煤耗量最小的目標。提出采用混沌粒子群算法來求解實時負荷優(yōu)化分配問題,采用自適應(yīng)慣性權(quán)重以加快算法收斂速度,在粒子群算法解的鄰域內(nèi)進行混沌優(yōu)化搜索,避免算法陷入局部極值點。文中給出了廠級負荷在線優(yōu)化分配算法步驟,并進行了算例分析,驗證了所提模型和算法的有效性。
基于遺傳算法的公路養(yǎng)護資源最優(yōu)分配
格式:pdf
大?。?span id="vtyod6y" class="single-tag-height" data-v-09d85783>162KB
頁數(shù):4P
3
基于遺傳算法的公路養(yǎng)護資源最優(yōu)分配—— 為尋找資源最優(yōu)分配時的養(yǎng)護策略,采用遺傳算法進行求解.將多年養(yǎng)護策略表示為染色體,每種養(yǎng)護方式采用二進制編碼形式用兩個基因表示,各年的養(yǎng)護策略由路面和橋面兩部分構(gòu)成,并通過試驗標定遺傳算法的主要參數(shù)...
基于面積再分配和遺傳算法的換熱網(wǎng)絡(luò)改造
格式:pdf
大?。?span id="9oozoyy" class="single-tag-height" data-v-09d85783>1.5MB
頁數(shù):8P
4.7
在過程工業(yè)中,現(xiàn)存的許多換熱網(wǎng)絡(luò)由于結(jié)構(gòu)和工藝的不合理,存在較大的能量回收潛力,使得許多換熱網(wǎng)絡(luò)有改造的需要.本文結(jié)合了分級超結(jié)構(gòu)模型和換熱器再分配策略,并對現(xiàn)有換熱器再分配策略做了進一步改進,充分利用現(xiàn)有換熱器,而當再利用現(xiàn)有換熱器時,對比新增面積費用和新增換熱器費用的大小,選擇較小的方案,使相同的改造效果下的投資費用最小化.基于分級超結(jié)構(gòu)模型,建立了換熱網(wǎng)絡(luò)優(yōu)化改造的minlp數(shù)學(xué)模型,充分考慮改造后節(jié)省的公用工程、原有換熱器增加面積的投資費用、新增換熱器的投資費用;基于遺傳算法求解得到優(yōu)化改造的換熱網(wǎng)絡(luò).案例研究表明,改造所得到的換熱網(wǎng)絡(luò)與原換熱網(wǎng)絡(luò)相比,公用工程費用的降幅超過60%,改造收益為1.49×107$/a;年度總費用為1.290×107$/a,比相關(guān)文獻低31.2%和9.2%,公用工程費用也比文獻節(jié)省了42.4%和17.0%,實現(xiàn)了更優(yōu)的改造效果.
基于最優(yōu)COP的樓宇空調(diào)冷水機組間的負荷優(yōu)化分配
格式:pdf
大?。?span id="z2eykz5" class="single-tag-height" data-v-09d85783>192KB
頁數(shù):4P
3
基于最優(yōu)cop的樓宇空調(diào)冷水機組間的負荷優(yōu)化分配——多臺冷水機組聯(lián)合運行系統(tǒng)中,各冷水機組系統(tǒng)大部分時間處于部分負荷運行狀態(tài)。根據(jù)冷水機組cop與其負荷率(plr)之間關(guān)系特性,提出一種自適應(yīng)的負荷優(yōu)化分配方法,分別根據(jù)具有相同和不同額定制冷量冷水機組...
基于最優(yōu)COP的樓宇空調(diào)冷水機組間的負荷優(yōu)化分配
格式:pdf
大?。?span id="u83iqac" class="single-tag-height" data-v-09d85783>399KB
頁數(shù):4P
4.4
多臺冷水機組聯(lián)合運行系統(tǒng)中,各冷水機組系統(tǒng)大部分時間處于部分負荷運行狀態(tài)。根據(jù)冷水機組cop與其負荷率(plr)之間關(guān)系特性,提出一種自適應(yīng)的負荷優(yōu)化分配方法,分別根據(jù)具有相同和不同額定制冷量冷水機組的系統(tǒng),對此方法進行了介紹,并與使用回歸方法獲取plr與cop關(guān)系的策略進行了比較,發(fā)現(xiàn)節(jié)能效果更明顯。
基于遺傳算法的空調(diào)機組風(fēng)量水量最優(yōu)組合優(yōu)化研究
格式:pdf
大?。?span id="pi3sitl" class="single-tag-height" data-v-09d85783>597KB
頁數(shù):12P
4.5
針對中央空調(diào)系統(tǒng)末端空調(diào)機組變風(fēng)量運行方式下,送風(fēng)風(fēng)量、冷凍水流量難以根據(jù)工況變化進行動態(tài)優(yōu)化的問題,提出了基于遺傳算法的空調(diào)機組風(fēng)量水量最優(yōu)組合優(yōu)化計算方法,該方法在制冷量和送風(fēng)溫度滿足的前提條件下以風(fēng)機能耗和冷凍水泵能耗總和最小為目標,并采用罰函數(shù)法將受表冷器供冷量約束的參數(shù)優(yōu)化問題轉(zhuǎn)化為無約束問題進行求解,簡化了優(yōu)化過程.本文還搭建了小型中央空調(diào)系統(tǒng)實驗平臺,對該優(yōu)化方法進行了驗證.結(jié)果表明,測試日內(nèi)基于參數(shù)優(yōu)化的風(fēng)機能耗和冷凍水泵能耗總和比定風(fēng)量運行方式下降了13.38%,比常規(guī)變風(fēng)量運行方式下降了5.02%,具有良好的節(jié)能效果,該方法可為中央空調(diào)系統(tǒng)空調(diào)機組變風(fēng)量變水量節(jié)能運行優(yōu)化提供有效參考.
基于遺傳算法的項目管理優(yōu)化仿真研究
格式:pdf
大?。?span id="wrmgwrl" class="single-tag-height" data-v-09d85783>255KB
頁數(shù):4P
4.4
傳統(tǒng)的項目進度一維優(yōu)化擴展至有偏好的二維目標(進度、成本)優(yōu)化,同時將成本優(yōu)化目標分解為項目成本大小以及資源均衡度從而構(gòu)成三維目標優(yōu)化,將無資源約束的環(huán)境擴展至資源約束下的復(fù)雜環(huán)境,將局部搜索優(yōu)化領(lǐng)域擴展至全局范圍內(nèi)的優(yōu)化.在內(nèi)容上,先對項目的單目標優(yōu)化管理理論進行詳盡研究并指出其現(xiàn)實的局限性,同時提出了智能啟化式方法-遺傳算法在資源約束下項目管理優(yōu)化方面的優(yōu)勢.在此基礎(chǔ)上本文構(gòu)建了基于三維目標偏好的項目管理優(yōu)化仿真模型,解決了項目管理優(yōu)化理論中最為重要的兩大問題:資源約束下的項目進度優(yōu)化以及資源約束下的三維目標(項目進度、項目成本以及資源均衡度)的優(yōu)化問題.為了驗證此模型對以上問題的有效性,本文應(yīng)用matlab仿真技術(shù)進行仿真模擬并與傳統(tǒng)方法做比較,從結(jié)果可以看出遺傳算法能夠更好的解決此類問題.
基于加速遺傳算法的多孔變徑管優(yōu)化設(shè)計
格式:pdf
大?。?span id="7npgbhj" class="single-tag-height" data-v-09d85783>236KB
頁數(shù):3P
4.3
將基于實數(shù)編碼的加速遺傳算法(raga)應(yīng)用于多孔變徑管優(yōu)化設(shè)計中,解決了設(shè)計中多維參數(shù)尋優(yōu)問題,避免了傳統(tǒng)方法早熟、提前收斂以及易陷入局部最優(yōu)等弊端。在固定管道式噴灌系統(tǒng)優(yōu)化設(shè)計中應(yīng)用,求解出多孔變徑管的最優(yōu)管徑、管長等多維參數(shù),效果較好,為該方面研究提供了一種新的優(yōu)化求解方法
瑞羊水電站機組的效率測試及負荷優(yōu)化分配
格式:pdf
大?。?span id="pop92ps" class="single-tag-height" data-v-09d85783>130KB
頁數(shù):4P
4.7
瑞蟬水電站機組的效率測試及 負荷優(yōu)化分配 水利部、能源部農(nóng)村電氣化研究所宋蠱義 ‘提要】文中耗逆了應(yīng)用超聲波流量計圳試瑞蟬水電站沖擊式機組效率的方法和測試精 度井根據(jù)瑞洋水電站具體情況提出機組負荷優(yōu)化分配方式. ‘關(guān)鍵詞】機組效率·苧垡蘭生.,、{量jk車域 (一)概況 龍泉瑞埠水電站是一座高水頭混臺式水電站。乎 l986年lo月投產(chǎn)發(fā)電電站引水系統(tǒng)包括有洞徑2 ~2.7m,長3o32m發(fā)電的引水隧漏和1.2m.長 576m的壓力鋼管。在鋼管首端裝有i臺1.2m蝴螵 闌.采l{一管兩肌的供水方式.鋼管先與水輪機前的 9650n~m球閩相連,薦經(jīng)目f水管進機組。 }乜站裝有兩膏臥軸雙噴嘴沖擊式水輪機和密閉循 環(huán)通風(fēng)的箱式發(fā)擔(dān)機.機組參數(shù)如下:水輪機:型 號:cja237一w—l40,2×14;
瑞垟水電站機組的效率測試及負荷優(yōu)化分配
格式:pdf
大?。?span id="uuruloz" class="single-tag-height" data-v-09d85783>320KB
頁數(shù):4P
4.6
文中概述了應(yīng)用超聲波流量計測試瑞垟水電站沖擊式機組效率的方法和測試精度。并根據(jù)瑞垟水電站具體情況提出機組負荷優(yōu)化分配方式。
應(yīng)用免疫遺傳算法優(yōu)化設(shè)計防汛打樁機激振器
格式:pdf
大?。?span id="oe9mrqi" class="single-tag-height" data-v-09d85783>146KB
頁數(shù):3P
4.5
介紹了免疫遺傳算法的原理、模型和算法實現(xiàn)過程,并采用該算法對防汛打樁機激振器數(shù)學(xué)模型進行了優(yōu)化計算,優(yōu)化計算結(jié)果表明,基于免疫遺傳算法的優(yōu)化設(shè)計切實可行,為復(fù)雜的水利機械設(shè)備優(yōu)化設(shè)計提供了新的思路和方法。
基于改進遺傳算法的機械優(yōu)化設(shè)計參數(shù)模型研究
格式:pdf
大?。?span id="cwhgfho" class="single-tag-height" data-v-09d85783>224KB
頁數(shù):3P
4.7
提出了應(yīng)用于機械優(yōu)化設(shè)計的一種改進遺傳算法,通過在遺傳算法中引入修復(fù)過程,將機械設(shè)計中不滿足約束條件的解轉(zhuǎn)化為滿足約束條件,經(jīng)過一代代進化,最后得到問題的最優(yōu)解。并和已有改進遺傳算法進行分析比較和實驗驗證,證實該算法在機械優(yōu)化設(shè)計中使用簡單且高效。
基于改進遺傳算法的串聯(lián)小水電群優(yōu)化調(diào)度
格式:pdf
大?。?span id="lbcvsvg" class="single-tag-height" data-v-09d85783>385KB
頁數(shù):4P
4.3
建立了由沙畈水庫和金蘭水庫組成的串聯(lián)小水電群優(yōu)化調(diào)度的數(shù)學(xué)模型,采用了改進遺傳算法對該模型進行優(yōu)化計算。算法設(shè)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(jié)果說明優(yōu)化調(diào)度能比常規(guī)調(diào)度取得更大的經(jīng)濟效益,同時也說明了遺傳算法是求解小水電群優(yōu)化調(diào)度的可行而有效的方法。
基于改進遺傳算法的套筒滾子鏈傳動優(yōu)化設(shè)計
格式:pdf
大?。?span id="z2swxzr" class="single-tag-height" data-v-09d85783>420KB
頁數(shù):3P
4.6
針對傳統(tǒng)算法在套筒滾子鏈傳動優(yōu)化設(shè)計中全局尋優(yōu)能力差的問題,改進了標準遺傳算法參數(shù),并運用退火罰函數(shù)處理約束,提出了基于改進遺傳算法的套筒滾子鏈傳動優(yōu)化設(shè)計的方法。開發(fā)了混合離散變量優(yōu)化的改進遺傳算法程序,給出了套筒滾子鏈傳動的混合離散變量優(yōu)化設(shè)計的實例,所得優(yōu)化參數(shù)符合實際生產(chǎn)的要求。
文輯推薦
知識推薦
百科推薦
職位:銷售工程師
擅長專業(yè):土建 安裝 裝飾 市政 園林