学位论文 > 优秀研究生学位论文题录展示

量子遗传算法的改进及其在火电机组负荷优化分配上的应用

作　者: 方超
导　师: 罗毅
学　校: 华北电力大学（北京）
专　业: 系统工程
关键词: 量子遗传算法 火电机组负荷优化分配 量子旋转门 约束优化 检测旋转门
分类号: TM714
类　型: 硕士论文
年　份: 2011年
下　载: 81次
引　用: 3次
阅　读: 论文下载
 

内容摘要


量子遗传算法是将量子计算的概念和理论与遗传算法的迭代进化思想相结合的一种概率搜索算法。针对量子遗传算法(QGA)中量子旋转门更新操作复杂而且耗时长的缺点,本文提出一种改进型量子遗传算法,采用单实数编码取代原算法的实数对编码,减少内存存储,将染色体的更新由矩阵与向量相乘简化为步长加减,减小计算量。这些改进极大的提高了算法的运行速度,还使算法更为简洁而易于实现。在解决带约束优化问题上,本文设计一种基于量子遗传算法的量子不确定性理论的检测旋转门法。此方法通过对非可行域的染色体进行重复测量直至满足约束条件,使得每个个体都处于可行域,并对这些染色体进行检测旋转门操作,同时对算法的变异部分进行了改进。经测试证明此方法在解决带约束的优化问题上有着良好的优化性能。最后,通过对火电机组负荷优化分配问题的研究,建立问题的数学模型,确定问题的约束条件。再使用改进型量子遗传算法和检测旋转门法对其进行优化求解,确定优化方案以及算法的细节部分,并通过实例仿真证明了改进型量子遗传算法和检测旋转门法在火电机组负荷优化分配问题上的有效性。

全文目录


摘要  5-6
Abstract  6-9
第1章 绪论  9-15
  1.1 选题的背景和意义  9-11
    1.1.1 火电机组负荷优化分配的目的和意义  9-10
    1.1.2 量子遗传算法解决火电机组负荷优化分配问题的优势  10-11
  1.2 国内外研究概况  11-14
    1.2.1 量子遗传算法的发展历史及研究现状  11-12
    1.2.2 火电机组负荷优化分配研究现状  12-13
    1.2.3 火电机组负荷优化分配算法简介  13-14
  1.3 本文的主要研究内容  14-15
第2章 火电机组负荷优化分配  15-23
  2.1 火电机组煤耗特性  15-20
    2.1.1 各经济性指标的分析  15
    2.1.2 获取机组煤耗特性的方法  15-16
    2.1.3 机组煤耗特性曲线的计算  16-19
    2.1.4 机组煤耗特性曲线的拟合  19-20
  2.2 负荷优化分配数学模型  20-22
    2.2.1 负荷优化分配数学模型的目标函数  20
    2.2.2 负荷优化分配数学模型的约束条件  20-22
  2.3 本章小结  22-23
第3章 量子遗传算法  23-29
  3.1 量子计算和遗传算法的原理  23-25
    3.1.1 量子计算的原理  23-24
    3.1.2 遗传算法的原理  24-25
  3.2 量子遗传算法的实现  25-28
    3.2.1 QGA的量子编码  25-26
    3.2.2 QGA的量子门更新  26-27
    3.2.3 QGA的算法流程  27-28
  3.3 本章小结  28-29
第4章 改进型量子遗传算法  29-34
  4.1 QGA的不足及改进思路  29
  4.2 IQGA的实现  29-32
    4.2.1 IQGA的量子编码  29-30
    4.2.2 IQGA的量子门更新  30-31
    4.2.3 IQGA的算法流程  31
    4.2.4 IQGA的性能优势  31-32
  4.3 算法性能测试及分析  32-33
    4.3.1 典型测试函数  32
    4.3.2 参数选取  32-33
    4.3.3 测试结果及分析  33
  4.4 本章小结  33-34
第5章 改进型量子遗传算法解决带约束优化问题  34-40
  5.1 常用的求解带约束优化问题的方法  34
  5.2 IQGA求解带约束优化问题  34-37
    5.2.1 检测旋转门操作  34-35
    5.2.2 量子初始化门操作及三段变异  35-36
    5.2.3 IQGA求解带约束优化问题的流程  36-37
  5.3 IQGA求解带约束优化问题的性能测试及分析  37-39
    5.3.1 典型测试函数  37
    5.3.2 测试结果及分析  37-39
  5.4 本章小结  39-40
第6章 改进型量子遗传算法在火电机组负荷优化分配上的应用  40-46
  6.1 火电机组负荷优化分配问题难点分析  40
  6.2 优化方案及算法细节的设计  40-43
    6.2.1 优化方案的设计  40-42
    6.2.2 算法细节的设计  42-43
  6.3 实例及优化结果  43-45
  6.4 本章小结  45-46
第7章 结论与展望  46-48
  7.1 结论  46
  7.2 展望  46-48
参考文献  48-51
攻读硕士学位期间发表的论文及其它成果  51-52
致谢  52

相似论文

  1. 多层卫星网络稳定性设计研究,TN927.23
  2. 文化智能优化算法及其在约束优化问题中的应用研究,O224
  3. 基于量子计算的DNA编码方法研究,Q75
  4. 云计算环境下的软件动态部署,TP311.52
  5. 粒子群算法改进及应用,TP18
  6. 多目标人工萤火虫群优化算法及其应用,TP301.6
  7. 锥模型信赖域算法的改进研究,O224
  8. 约束优化QP子问题与线性方程组相结合的一个新的超线性收敛算法,O241.6
  9. 燃醇基燃料锅炉燃烧系统优化建模与智能控制研究,TK223.2
  10. 量子遗传算法在机械优化问题中的应用研究,TP18
  11. 智能优化算法及在通信中的应用研究,TN92
  12. 非线性全局优化问题的填充函数算法研究,O224
  13. 粒子群优化算法及其在非线性回归模型中的应用研究,O212.1
  14. 新锥模型二维子空间信赖域算法,O221.2
  15. 不等式约束优化两个新的强次可行和拟强次可行算法,O221.2
  16. 最优化若干问题的研究,O224
  17. 一类新拟牛顿算法及其收敛性,O224
  18. 卫星联合观测的资源配合模型及决策算法,V448.2
  19. 融合粒子群的全局优化混合智能算法研究,TP18
  20. 基于量子遗传算法优化BP网络的入侵检测研究,TP393.08
  21. IDS检测算法和技术研究,TP393.08

中图分类: > 工业技术 > 电工技术 > 输配电工程、电力网及电力系统 > 理论与分析 > 负荷分析
© 2012 www.xueweilunwen.com