基于遗传算法的动力配煤优化模型的研究及其软件实现

摘要

本文在前人研究的基础上,对简单遗传算法作了改进.首先利用GA不需要目标函数的可微性这个特点,直接采用f<,j>(x)作为罚函数,替代优化界传统上为保证目标函数F(x)的梯度处处存在而采用f<'2><,j>(x)的罚函数形式,降低了优化结果中不可行解的比例,提高了解的可靠性;其次通过理论的分析,找出了简单遗传算法使用适应度比例选择法的缺陷,并运用Boltzmann选择法替代适应度比例法,进一步提高了动力配煤优化结果的准确性和稳定性;再次,针对罚函数法处理约束优化问题时,罚因子难以确定的情况,以及运算结果偶尔会出现不可行解的缺陷,本文使用了GA独有的直接比较-比例法,DCPM-GA进行动力配煤优化,保证了结果的可靠性;最后,本文采用面向对象软件设计法,在前面的研究成果的基础上,设计了配煤优化模块--动力配煤优化引擎.全文共分四章.第一章为综述,大致介绍了动力配煤的研究现状,并对几种优化算法进行了比较,提出了本文需要研究的内容;第二章为本文的主要部分,这个部分从简单遗传算法入手,详细介绍了遗传算法在动力配煤优化问题中的应用过程,接着通过对算法结构的改造,提出了Boltzmann选择GA和DCPM-GA两种算法结构;第三章是在第二章的基础上,对配煤优化模块进行了软件设计;第四章总结了本文的研究成果,并对今后的研究方向进行了展望.

目录

文摘

英文文摘

第一章综述

1.1引言

1.2动力配煤概述

1.3动力配煤技术的研究状况

1.4优化搜索技术综述

1.5本文研究内容

第二章基于遗传算法的动力配煤优化模型的研究

2.1遗传算法介绍

2.2动力配煤优化问题描述

2.3简单遗传算法在动力配煤优化中的设计和应用

2.4简单遗传算法的改进

2.5遗传算法在大规模配煤优化中的应用

2.6DCPM-GA在动力配煤优化中的应用

2.7本章小结

第三章动力配煤优化引擎软件设计

3.1概述

3.2动力配煤优化引擎底层类库设计

3.3动力配煤优化引擎接口设计

3.4本章小结

附图

第四章总结

参考文献

致谢