基于遺傳算法的燒結配料優(yōu)化方法 摘要：配料是燒結的基礎，燒結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優(yōu)化配料 的方法，將優(yōu)化方案應用到實際生產(chǎn)中取得明顯的經(jīng)濟效益。 關鍵詞：燒結優(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 配料是燒結的基礎，燒結配料效果的好壞直接影響到燒結礦的 化學成分及穩(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)濟調度研究中,以系統(tǒng)在調度期內(nèi)實發(fā)電能和儲蓄電能最大為準則構造優(yōu)化目標函數(shù)。qacoa融入了量子計算理論的疊加態(tài)和概率表達特性,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,利用量子旋轉門實現(xiàn)蟻群位置的更新,達到了比常規(guī)蟻群優(yōu)化算法更好的優(yōu)化效果。運用qacoa對梯級水電系統(tǒng)經(jīng)濟調度進行仿真,結果表明qacoa使調度期內(nèi)實發(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,設計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)電計劃,又可用于梯級水電廠的實時發(fā)電控制。算法中,出力限制條件在負荷分配方案的編碼中自動滿足,其它約束條件如負荷平衡、水量平衡(考慮梯級水庫間的水流流達時間)等則在計算個體適應值時予以考慮。算法程序設計簡單,收斂速度快。仿真計算驗證了該算法的有效性

借鑒信息素對昆蟲群體協(xié)調行為的作用,建立信息素釋放模型、信息素擴散模型、信息誘導模型和信息定向模型,提出信息誘導算子(pheromoneinductionoperator,pio),并與改進遺傳算法(improvedgeneticalgorithmi,ga)相結合,形成信息誘導遺傳算法(pheromoneinductiongeneticalgorithm,piga)。分析了piga具有較好平衡全局搜索能力和局部開發(fā)能力的仿生學原理。針對電力市場條件下梯級水電站自調度優(yōu)化模型的復雜性,將piga應用于該模型的求解,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)電計劃都是根據(jù)以往的經(jīng)驗進行制定的,給出的計劃出力與實際負荷水平存在較大的偏差。由于存在偏離發(fā)電計劃的偏差,如果單純地按照發(fā)電計劃發(fā)電,會導致電能的不平衡,從而影響電網(wǎng)的正常運行。為了描述這種偏差,采用模糊集理論來描述負荷的不確定性,構建了一個基于模糊負荷的梯級水電站發(fā)電耗水量最小的短期優(yōu)化調度數(shù)學模型,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)化調度問題。同時研究入庫徑流量、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)電水頭之間的關系及其對水電站正常運行的影響,以及各級水電站間的相互影響,用二次曲線表達式描述水電站水頭特性關系,既能準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數(shù),提高求解效率。最后以一個三級水電站為例,通過遺傳算法求解所建模型,利用置信區(qū)間的概念分析負荷在不同置信水平下的優(yōu)化情況,結果表明了所建優(yōu)化調度數(shù)學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)化調度的數(shù)學模型,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,結果說明優(yōu)化調度能比常規(guī)調度取得更大的經(jīng)濟效益,同時也說明了遺傳算法是求解小水電群優(yōu)化調度的可行而有效的方法。

將改進型螞蟻算法用于梯級水電站短期優(yōu)化調度問題,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)化調度問題改進型螞蟻算法的數(shù)學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例驗證了改進型螞蟻算法的優(yōu)越性．結果表明,與遺傳算法相比,改進型螞蟻算法獲得了更優(yōu)的調度方案．優(yōu)化結果在取得更低耗水率的同時,減少了機組的啟停次數(shù),并且使所有機組連續(xù)高效運行,從而降低了機組的維護費用,并增加了梯級的經(jīng)濟效益．

將遺傳算法用于解決水電系統(tǒng)短期發(fā)電優(yōu)化調度問題,利用改進的遺傳算法初始編碼方式,結合最優(yōu)日調度權重系數(shù),構造了水電站短期優(yōu)化調度的改進遺傳算法模型,由于原始基因已經(jīng)具有了一定的規(guī)律性,所以模型具有計算速度快,結果準確、合理,便于實際調度需求等特點。實例證明,該方法能夠求解復雜約束條件下的非線性優(yōu)化問題,算法編程簡潔,易于實現(xiàn),從而為分時電價應用環(huán)境下的水電站短期發(fā)電優(yōu)化調度問題提供了一種有效的解決方法

針對標準遺傳算法容易"早熟"的缺陷,提出聚類遺傳算法;改進了選擇算子和交叉算子,并利用shubert多峰測試函數(shù)驗證了聚類遺傳算法的優(yōu)勢.引入水輪機組運行效率梯度變化因素提出改進變異算子,彌補了變異搜索過隨機的缺陷.最后,將改進方式應用于三峽-葛洲壩梯級水利樞紐短期電力調度優(yōu)化研究中,提出和構建了相應的優(yōu)化模型以及機組組合啟停和運行效率同步實現(xiàn)策略.實例優(yōu)化結果表明:聚類遺傳算法和改進變異算子能有效彌補"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度優(yōu)化問題.優(yōu)化得出的梯級電力調度方案可以滿足設定目標和約束,并提高了梯級的發(fā)電效率.

為提高水庫群聯(lián)合調度時的水資源利用率,重新審核水庫群系統(tǒng)中原有單庫調度圖的有效性,本文提出了一種解決庫群聯(lián)合調度多目標、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合,提高了計算效率和精度,避免了手工修正調度圖的隨意性。在以實際生產(chǎn)項目為依托的應用與檢驗中,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度圖的優(yōu)化可行、有效,為優(yōu)化梯級水庫調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)化調度,再用遺傳算法進行局部細化搜索。實例結果表明,人工魚群遺傳算法應用于梯級水庫優(yōu)化調度行之有效。

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,以水電站在調度周期內(nèi)發(fā)電量最大為目標,分別建立了優(yōu)化調度的數(shù)學模型?；诟↑c數(shù)編碼的改進遺傳算法用于對模型的優(yōu)化計算,從而提高了算法的搜索效率?；趘c++編程設計了小水電站運行調度智能算法系統(tǒng)軟件,用類cbestga封裝了求解一般水庫調度問題的遺傳算法,并應用于一個實際的小水電站調度,實驗結果說明了遺傳算法用于水庫優(yōu)化調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,同時使用已搜索到的最優(yōu)個體更新量子門,以改善qga算法的全局收斂性,并將其成功地應用于解決水電站廠內(nèi)經(jīng)濟運行問題。文中結合某電站實例進行計算,結果表明,改進后的量子遺傳算法收斂速度更快,能夠滿足工程應用的實際需求。

為了解決熱定型中影響成品織物門幅的工藝參數(shù)難以定量設計的關鍵技術難題。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)化設計中。建立優(yōu)化模型,基于該模型采用量子遺傳算法,實現(xiàn)了影響成品門幅的工藝參數(shù)精確定量設計。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的偏差小于0.1%,完全滿足實際生產(chǎn)要求。同時將量子遺傳算法與遺傳算法在工藝參數(shù)的優(yōu)化設計中進行比較,得出當?shù)N群逐漸增大時,量子遺傳算法在工藝參數(shù)的優(yōu)化設計中的優(yōu)勢更加明顯。

應用二倍體遺傳算法（ｄｇａ）對梯級水電站日優(yōu)化調度問題求解，其算法采用了兩條等長度的二進制碼表示個體，借助于基因顯性機制，將個體基因碼鏈與梯級系統(tǒng)日調度計劃聯(lián)系起來．基因顯性機制采用一種簡便的布爾函數(shù)關系實現(xiàn)．雜交算子采用個體基因鏈交換與重組方式實現(xiàn)，具有一致雜交算子的效果．仿真計算結果驗證了算法的有效性

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上,建立庫式適應度評估函數(shù);在完成最佳保存策略選擇的同時,進行自適應交叉和變異,可較好克服其弊端。模擬仿真運行實驗結果表明了此方案的可行性和優(yōu)越性。

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.

提出求解水電站優(yōu)化調度問題的新方法——遺傳算法，它不同于經(jīng)典優(yōu)化算法的特點是，從多個初值點開始尋優(yōu)，沿多路徑搜索實現(xiàn)全局或準全局最優(yōu)，計算過程中不需要存儲狀態(tài)或決策變量離散點，大大減少計算機內(nèi)存，不必求導運算，編程簡單，是一種有效的自適應隨機搜索算法

梯級水電站中長期經(jīng)濟調度是一個典型非線性優(yōu)化問題，通常要求在滿足復雜的水力、電力約束條件，兼顧求解效率的同時實現(xiàn)梯級發(fā)電量最大。為有效解決這一問題，通過改進標準蝙蝠算法（batalgorithm，ba）更新策略和引入差分進化算法（differentialevolution，de）變異、選擇操作，提出一種改進的蝙蝠算法（improvedbatalgorithm，iba）。對標準蝙蝠算法更新策略進行以下改進：1）蝙蝠個體脈沖頻率不隨種群迭代而更新；2）蝙蝠個體脈沖發(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）改進飛行速度公式，縮小新個體與當前種群最優(yōu)個體的偏離值。同時，針對蝙蝠算法種群多樣性差、易陷入局部最優(yōu)的缺點，引入差分進化算法中的變異、選擇操作，實現(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)濟調度問題實例，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）對同一典型年進行模擬調度。從枯期出力特征、梯級發(fā)電量、算法運行時間3項指標綜合來看，對于復雜的梯級水電站經(jīng)濟調度問題，改進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，同時縮短計算時間，獲得更高精度解。

隨著電力市場化的逐步實施,發(fā)電企業(yè)將會參與市場競爭。水電廠經(jīng)濟運行能提高1%～3%的水力效率,水電廠應盡快實現(xiàn)經(jīng)濟運行。以豐滿水電廠發(fā)電機出力與耗流量函數(shù)為基礎,應用改進遺傳算法對水電廠進行計及開停機的優(yōu)化調度計算。在改進遺傳算法中,采取了自適應和精英保留策略以及移民算子,提出了方向性變異的觀點,改進了變異方法。計算結果與自動發(fā)電控制(agc)方法進行了比較,表明算法具有一定的優(yōu)勢。

針對水電站水庫優(yōu)化調度問題,提出了將改進遺傳算法和混沌優(yōu)化相耦合的改進混沌遺傳算法。該算法將混沌變量映射到優(yōu)化變量的取值范圍中,對混沌變量進行編碼,表示成染色體,然后對其進行選擇、交叉和變異,通過增加混沌擾動,不斷進化收斂得到最優(yōu)解。實例計算并與其他方法比較表明,該算法在求解水電站優(yōu)化調度這樣的復雜非線性優(yōu)化問題時,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實現(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)學模型表示,用遺傳算法作全局搜索工具,將遺傳算法應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,實現(xiàn)了合成、優(yōu)化同步進行。四階量子電路實驗已取得了很好的效果,并進一步分析了此方法在高階量子電路綜合問題上的應用前景。