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(jìn)行燒結(jié)優(yōu)化配料 的方法，將優(yōu)化方案應(yīng)用到實(shí)際生產(chǎn)中取得明顯的經(jīng)濟(jì)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(xiàn)標(biāo)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

將量子計(jì)算理論引入到蟻群優(yōu)化算法中,形成量子蟻群優(yōu)化算法(qacoa),用于梯級水電系統(tǒng)經(jīng)濟(jì)調(diào)度研究中,以系統(tǒng)在調(diào)度期內(nèi)實(shí)發(fā)電能和儲蓄電能最大為準(zhǔn)則構(gòu)造優(yōu)化目標(biāo)函數(shù)。qacoa融入了量子計(jì)算理論的疊加態(tài)和概率表達(dá)特性,以量子態(tài)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(zhuǎn)門實(shí)現(xiàn)蟻群位置的更新,達(dá)到了比常規(guī)蟻群優(yōu)化算法更好的優(yōu)化效果。運(yùn)用qacoa對梯級水電系統(tǒng)經(jīng)濟(jì)調(diào)度進(jìn)行仿真,結(jié)果表明qacoa使調(diào)度期內(nèi)實(shí)發(fā)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(chǔ),設(shè)計(jì)了一種梯級水電廠自動發(fā)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(fā)電計(jì)劃,又可用于梯級水電廠的實(shí)時(shí)發(fā)電控制。算法中,出力限制條件在負(fù)荷分配方案的編碼中自動滿足,其它約束條件如負(fù)荷平衡、水量平衡(考慮梯級水庫間的水流流達(dá)時(shí)間)等則在計(jì)算個(gè)體適應(yīng)值時(shí)予以考慮。算法程序設(shè)計(jì)簡單,收斂速度快。仿真計(jì)算驗(yàn)證了該算法的有效性

借鑒信息素對昆蟲群體協(xié)調(diào)行為的作用,建立信息素釋放模型、信息素?cái)U(kuò)散模型、信息誘導(dǎo)模型和信息定向模型,提出信息誘導(dǎo)算子(pheromoneinductionoperator,pio),并與改進(jìn)遺傳算法(improvedgeneticalgorithmi,ga)相結(jié)合,形成信息誘導(dǎo)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(fā)能力的仿生學(xué)原理。針對電力市場條件下梯級水電站自調(diào)度優(yōu)化模型的復(fù)雜性,將piga應(yīng)用于該模型的求解,通過算例分析,對比了pso、sgai、ga和piga的優(yōu)化性能,表明了piga的有效性;同時(shí)通過分析pio參數(shù)對優(yōu)化性能的影響,給出了pio參數(shù)的選擇原則。

電網(wǎng)負(fù)荷需求量隨著氣候、環(huán)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(fā)電計(jì)劃都是根據(jù)以往的經(jīng)驗(yàn)進(jìn)行制定的,給出的計(jì)劃出力與實(shí)際負(fù)荷水平存在較大的偏差。由于存在偏離發(fā)電計(jì)劃的偏差,如果單純地按照發(fā)電計(jì)劃發(fā)電,會導(dǎo)致電能的不平衡,從而影響電網(wǎng)的正常運(yùn)行。為了描述這種偏差,采用模糊集理論來描述負(fù)荷的不確定性,構(gòu)建了一個(gè)基于模糊負(fù)荷的梯級水電站發(fā)電耗水量最小的短期優(yōu)化調(diào)度數(shù)學(xué)模型,利用模糊區(qū)間的概念來研究不同模糊置信水平下梯級水電站的優(yōu)化調(diào)度問題。同時(shí)研究入庫徑流量、發(fā)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(fā)電流量、發(fā)電水頭之間的關(guān)系及其對水電站正常運(yùn)行的影響,以及各級水電站間的相互影響,用二次曲線表達(dá)式描述水電站水頭特性關(guān)系,既能準(zhǔn)確描述水電站水庫特性,又能減少優(yōu)化問題的決策變量個(gè)數(shù),提高求解效率。最后以一個(gè)三級水電站為例,通過遺傳算法求解所建模型,利用置信區(qū)間的概念分析負(fù)荷在不同置信水平下的優(yōu)化情況,結(jié)果表明了所建優(yōu)化調(diào)度數(shù)學(xué)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(lián)小水電群優(yōu)化調(diào)度的數(shù)學(xué)模型,采用了改進(jìn)遺傳算法對該模型進(jìn)行優(yōu)化計(jì)算。算法設(shè)計(jì)編程簡單、計(jì)算工作量小、收斂速度快。利用兩個(gè)水庫的入庫徑流實(shí)測值進(jìn)行了仿真實(shí)驗(yàn),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(jì)效益,同時(shí)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。

將改進(jìn)型螞蟻算法用于梯級水電站短期優(yōu)化調(diào)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(yīng)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(yōu)化調(diào)度問題改進(jìn)型螞蟻算法的數(shù)學(xué)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(shí)例驗(yàn)證了改進(jìn)型螞蟻算法的優(yōu)越性．結(jié)果表明,與遺傳算法相比,改進(jìn)型螞蟻算法獲得了更優(yōu)的調(diào)度方案．優(yōu)化結(jié)果在取得更低耗水率的同時(shí),減少了機(jī)組的啟停次數(shù),并且使所有機(jī)組連續(xù)高效運(yùn)行,從而降低了機(jī)組的維護(hù)費(fèi)用,并增加了梯級的經(jīng)濟(jì)效益．

將遺傳算法用于解決水電系統(tǒng)短期發(fā)電優(yōu)化調(diào)度問題,利用改進(jìn)的遺傳算法初始編碼方式,結(jié)合最優(yōu)日調(diào)度權(quán)重系數(shù),構(gòu)造了水電站短期優(yōu)化調(diào)度的改進(jìn)遺傳算法模型,由于原始基因已經(jīng)具有了一定的規(guī)律性,所以模型具有計(jì)算速度快,結(jié)果準(zhǔn)確、合理,便于實(shí)際調(diào)度需求等特點(diǎn)。實(shí)例證明,該方法能夠求解復(fù)雜約束條件下的非線性優(yōu)化問題,算法編程簡潔,易于實(shí)現(xiàn),從而為分時(shí)電價(jià)應(yīng)用環(huán)境下的水電站短期發(fā)電優(yōu)化調(diào)度問題提供了一種有效的解決方法

針對標(biāo)準(zhǔn)遺傳算法容易"早熟"的缺陷,提出聚類遺傳算法;改進(jìn)了選擇算子和交叉算子,并利用shubert多峰測試函數(shù)驗(yàn)證了聚類遺傳算法的優(yōu)勢.引入水輪機(jī)組運(yùn)行效率梯度變化因素提出改進(jìn)變異算子,彌補(bǔ)了變異搜索過隨機(jī)的缺陷.最后,將改進(jìn)方式應(yīng)用于三峽-葛洲壩梯級水利樞紐短期電力調(diào)度優(yōu)化研究中,提出和構(gòu)建了相應(yīng)的優(yōu)化模型以及機(jī)組組合啟停和運(yùn)行效率同步實(shí)現(xiàn)策略.實(shí)例優(yōu)化結(jié)果表明:聚類遺傳算法和改進(jìn)變異算子能有效彌補(bǔ)"早熟"的缺陷,并能顯著提高優(yōu)化搜索效率,適用于梯級電站電力調(diào)度優(yōu)化問題.優(yōu)化得出的梯級電力調(diào)度方案可以滿足設(shè)定目標(biāo)和約束,并提高了梯級的發(fā)電效率.

為提高水庫群聯(lián)合調(diào)度時(shí)的水資源利用率,重新審核水庫群系統(tǒng)中原有單庫調(diào)度圖的有效性,本文提出了一種解決庫群聯(lián)合調(diào)度多目標(biāo)、多變量的智能優(yōu)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(jié)合,提高了計(jì)算效率和精度,避免了手工修正調(diào)度圖的隨意性。在以實(shí)際生產(chǎn)項(xiàng)目為依托的應(yīng)用與檢驗(yàn)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(diào)度圖的優(yōu)化可行、有效,為優(yōu)化梯級水庫調(diào)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(yōu)化調(diào)度,再用遺傳算法進(jìn)行局部細(xì)化搜索。實(shí)例結(jié)果表明,人工魚群遺傳算法應(yīng)用于梯級水庫優(yōu)化調(diào)度行之有效。

針對以發(fā)電為主的小水電站單庫和串聯(lián)小水電站群,以水電站的發(fā)電引用流量為決策變量,以水電站在調(diào)度周期內(nèi)發(fā)電量最大為目標(biāo),分別建立了優(yōu)化調(diào)度的數(shù)學(xué)模型?；诟↑c(diǎn)數(shù)編碼的改進(jìn)遺傳算法用于對模型的優(yōu)化計(jì)算,從而提高了算法的搜索效率?；趘c++編程設(shè)計(jì)了小水電站運(yùn)行調(diào)度智能算法系統(tǒng)軟件,用類cbestga封裝了求解一般水庫調(diào)度問題的遺傳算法,并應(yīng)用于一個(gè)實(shí)際的小水電站調(diào)度,實(shí)驗(yàn)結(jié)果說明了遺傳算法用于水庫優(yōu)化調(diào)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(tǒng)遺傳算法中的變異算子引入量子遺傳算法,同時(shí)使用已搜索到的最優(yōu)個(gè)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(yīng)用于解決水電站廠內(nèi)經(jīng)濟(jì)運(yùn)行問題。文中結(jié)合某電站實(shí)例進(jìn)行計(jì)算,結(jié)果表明,改進(jìn)后的量子遺傳算法收斂速度更快,能夠滿足工程應(yīng)用的實(shí)際需求。

為了解決熱定型中影響成品織物門幅的工藝參數(shù)難以定量設(shè)計(jì)的關(guān)鍵技術(shù)難題。提出了將量子遺傳算法用于成品門幅模型工藝參數(shù)優(yōu)化設(shè)計(jì)中。建立優(yōu)化模型,基于該模型采用量子遺傳算法,實(shí)現(xiàn)了影響成品門幅的工藝參數(shù)精確定量設(shè)計(jì)。用該方法得到的工藝參數(shù)加工彈力布,生產(chǎn)成品的門幅與用戶要求指標(biāo)的偏差小于0.1%,完全滿足實(shí)際生產(chǎn)要求。同時(shí)將量子遺傳算法與遺傳算法在工藝參數(shù)的優(yōu)化設(shè)計(jì)中進(jìn)行比較,得出當(dāng)?shù)N群逐漸增大時(shí),量子遺傳算法在工藝參數(shù)的優(yōu)化設(shè)計(jì)中的優(yōu)勢更加明顯。

應(yīng)用二倍體遺傳算法（ｄｇａ）對梯級水電站日優(yōu)化調(diào)度問題求解，其算法采用了兩條等長度的二進(jìn)制碼表示個(gè)體，借助于基因顯性機(jī)制，將個(gè)體基因碼鏈與梯級系統(tǒng)日調(diào)度計(jì)劃聯(lián)系起來．基因顯性機(jī)制采用一種簡便的布爾函數(shù)關(guān)系實(shí)現(xiàn)．雜交算子采用個(gè)體基因鏈交換與重組方式實(shí)現(xiàn)，具有一致雜交算子的效果．仿真計(jì)算結(jié)果驗(yàn)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(diào)度,實(shí)用中取得了較好的效果;但在試驗(yàn)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(jìn)型遺傳算法,在采用實(shí)數(shù)編碼和雙初始種群分別進(jìn)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(shí),進(jìn)行自適應(yīng)交叉和變異,可較好克服其弊端。模擬仿真運(yùn)行實(shí)驗(yàn)結(jié)果表明了此方案的可行性和優(yōu)越性。

標(biāo)準(zhǔn)遺傳算法在求解無約束優(yōu)化問題時(shí)得到了成功的應(yīng)用,但是多數(shù)的工程實(shí)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(shí)參數(shù)的設(shè)定較為困難.從避免這個(gè)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(gè)體進(jìn)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(kuò)大搜索空間選擇較優(yōu)個(gè)體的交叉算子,增強(qiáng)了全局搜索能力;最后,在部分較優(yōu)個(gè)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(gè)工程優(yōu)化實(shí)例的求解說明了算法的有效性.

提出求解水電站優(yōu)化調(diào)度問題的新方法——遺傳算法，它不同于經(jīng)典優(yōu)化算法的特點(diǎn)是，從多個(gè)初值點(diǎn)開始尋優(yōu)，沿多路徑搜索實(shí)現(xiàn)全局或準(zhǔn)全局最優(yōu)，計(jì)算過程中不需要存儲狀態(tài)或決策變量離散點(diǎn)，大大減少計(jì)算機(jī)內(nèi)存，不必求導(dǎo)運(yùn)算，編程簡單，是一種有效的自適應(yīng)隨機(jī)搜索算法

梯級水電站中長期經(jīng)濟(jì)調(diào)度是一個(gè)典型非線性優(yōu)化問題，通常要求在滿足復(fù)雜的水力、電力約束條件，兼顧求解效率的同時(shí)實(shí)現(xiàn)梯級發(fā)電量最大。為有效解決這一問題，通過改進(jìn)標(biāo)準(zhǔn)蝙蝠算法（batalgorithm，ba）更新策略和引入差分進(jìn)化算法（differentialevolution，de）變異、選擇操作，提出一種改進(jìn)的蝙蝠算法（improvedbatalgorithm，iba）。對標(biāo)準(zhǔn)蝙蝠算法更新策略進(jìn)行以下改進(jìn)：1）蝙蝠個(gè)體脈沖頻率不隨種群迭代而更新；2）蝙蝠個(gè)體脈沖發(fā)射率和脈沖音量隨種群迭代而更新；3）無條件接受全局搜索產(chǎn)生的新解，有條件接受局部搜索產(chǎn)生的新解；4）改進(jìn)飛行速度公式，縮小新個(gè)體與當(dāng)前種群最優(yōu)個(gè)體的偏離值。同時(shí)，針對蝙蝠算法種群多樣性差、易陷入局部最優(yōu)的缺點(diǎn)，引入差分進(jìn)化算法中的變異、選擇操作，實(shí)現(xiàn)動態(tài)控制變異概率。建立兼顧梯級最小出力最大化的梯級總發(fā)電量最大模型，利用大渡河流域瀑布溝、深溪溝、枕頭壩一級梯級水電站經(jīng)濟(jì)調(diào)度問題實(shí)例，從流域長系列徑流資料中選取典型年，對iba的主要控制參數(shù)（縮放因子、最大迭代次數(shù)）進(jìn)行測試與分析。采用iba、ba、逐步優(yōu)化算法（poa）對同一典型年進(jìn)行模擬調(diào)度。從枯期出力特征、梯級發(fā)電量、算法運(yùn)行時(shí)間3項(xiàng)指標(biāo)綜合來看，對于復(fù)雜的梯級水電站經(jīng)濟(jì)調(diào)度問題，改進(jìn)的蝙蝠算法能夠在枯水期給電網(wǎng)提供盡可能大而穩(wěn)定的出力，同時(shí)縮短計(jì)算時(shí)間，獲得更高精度解。

隨著電力市場化的逐步實(shí)施,發(fā)電企業(yè)將會參與市場競爭。水電廠經(jīng)濟(jì)運(yùn)行能提高1%～3%的水力效率,水電廠應(yīng)盡快實(shí)現(xiàn)經(jīng)濟(jì)運(yùn)行。以豐滿水電廠發(fā)電機(jī)出力與耗流量函數(shù)為基礎(chǔ),應(yīng)用改進(jìn)遺傳算法對水電廠進(jìn)行計(jì)及開停機(jī)的優(yōu)化調(diào)度計(jì)算。在改進(jìn)遺傳算法中,采取了自適應(yīng)和精英保留策略以及移民算子,提出了方向性變異的觀點(diǎn),改進(jìn)了變異方法。計(jì)算結(jié)果與自動發(fā)電控制(agc)方法進(jìn)行了比較,表明算法具有一定的優(yōu)勢。

針對水電站水庫優(yōu)化調(diào)度問題,提出了將改進(jìn)遺傳算法和混沌優(yōu)化相耦合的改進(jìn)混沌遺傳算法。該算法將混沌變量映射到優(yōu)化變量的取值范圍中,對混沌變量進(jìn)行編碼,表示成染色體,然后對其進(jìn)行選擇、交叉和變異,通過增加混沌擾動,不斷進(jìn)化收斂得到最優(yōu)解。實(shí)例計(jì)算并與其他方法比較表明,該算法在求解水電站優(yōu)化調(diào)度這樣的復(fù)雜非線性優(yōu)化問題時(shí),搜索效率高,收斂性能好,能以較快的速度收斂于全局最優(yōu)解,為水電站水庫優(yōu)化調(diào)度模型求解提供了一種新方法。

量子可逆邏輯電路綜合主要是研究在給定的量子門和量子電路的約束條件及限制下,找到最小或較小的量子代價(jià)實(shí)現(xiàn)所需量子邏輯功能的電路。把量子邏輯門的功能用矩陣的數(shù)學(xué)模型表示,用遺傳算法作全局搜索工具,將遺傳算法應(yīng)用于量子可逆邏輯電路綜合,是一種全新的可逆邏輯電路綜合方法,實(shí)現(xiàn)了合成、優(yōu)化同步進(jìn)行。四階量子電路實(shí)驗(yàn)已取得了很好的效果,并進(jìn)一步分析了此方法在高階量子電路綜合問題上的應(yīng)用前景。