基于求和的多目标进化算法的随机风能经济排放调度问题

基于改进差分进化的高精度粒子滤波算法

针对油田区域配电网负荷大、无功严重不足、电力损耗大的特点,提出了一种适用于油田区域电网的无功优化方法。该方法建立了综合考虑系统的经济性和安全性并使其互为约束的无功优化数学模型,并采用在电力系统无功优化领域应用较少的差分进化算法对模型进行求解。该方法具有优化结果与初始值的选取无关、需要控制量少和容易找到全局最优解的优点,实例分析和不同优化算法对比结果表明了所提出的区域配电网无功优化方法的可行性和有效性。

#运用python实现差分进化算法计算函数最大值 import random import math import numpy as np import random cr = 0.6 Population = np.random.rand(100,2) cycle = 500 hig , low = math.pi , 0 def eval(x): y = 2*math.sin(x[0])+math.cos(x[1]) return y def main(): for t in range(cycle):#确定迭代次数 for i in range(len(Population)):#遍历种群中每一个个体 loc = np.random.randint(0,100,3)#生成三个随机整数，用于公式中随机选取三个点 new = Population[loc[0]] + 0.3*(Population[loc[1]]-Population[loc[2]])#老师给的公式 if random.random() eval(Population[i]):#优胜劣汰 Population[i] = new for j in range(len(Population[i])):#设置函数取值范围 if Population[i][j] hig: Population[i][j] = hig def result(): main() y_best = [] for i in range(len(Population)): y_best.append(eval(Population[i])) print("函数在x为",Population[y_best.index(max(y_best))],"时取得最大值") print("此时函数结果为：",max(y_best)) result()

针对多用户正交频分复用系统自适应资源分配问题,提出一种改进的子载波和基于差分进化算法的功率自适应分配算法。该算法首先在均等功率下进行子载波分配,然后通过添加约束条件检测改进步骤,改进差分进化算法,并采用该算法根据设置的兼顾用户公平性与系统容量的目标函数,全局寻优实现用户间的功率分配。仿真结果表明,算法在低算法复杂度及兼顾用户公平性的情况下实现了较高的系统容量提升,证明其有效性。

求解SAT问题的多智能体社会进化算法

利用进化算法估计图像中物体的真实位置

一种新的基于人工雨滴分解和模拟二元交叉分解的多目标进化算法

sponge_evol_dynamics 分析海绵和后生动物中基因家族的进化动力学

matlab开发-多目标优化差分进化算法。为多目标优化运行基本差分进化（DE）算法。