【优化求解】基于matlab改进的遗传算法求解考虑环境效益DG优化问题【含Matlab源码 1483期】

本文主要是介绍【优化求解】基于matlab改进的遗传算法求解考虑环境效益DG优化问题【含Matlab源码 1483期】,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

✅博主简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,Matlab项目合作可私信。
🍎个人主页:海神之光
🏆代码获取方式:
海神之光Matlab王者学习之路—代码获取方式
⛳️座右铭:行百里者,半于九十。

更多Matlab仿真内容点击👇
Matlab图像处理(进阶版)
路径规划(Matlab)
神经网络预测与分类(Matlab)
优化求解(Matlab)
语音处理(Matlab)
信号处理(Matlab)
车间调度(Matlab)

⛄一、遗传算法简介

1 引言
在这里插入图片描述
在这里插入图片描述
2 遗传算法理论
2.1 遗传算法的生物学基础
在这里插入图片描述
在这里插入图片描述
2.2 遗传算法的理论基础
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
2.3 遗传算法的基本概念
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
2.4 标准的遗传算法
在这里插入图片描述
在这里插入图片描述
2.5 遗传算法的特点
在这里插入图片描述
在这里插入图片描述
2.6 遗传算法的改进方向
在这里插入图片描述
3 遗传算法流程
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
4 关键参数说明
在这里插入图片描述

⛄二、部分源代码

function[]=main(N_gen,pcro,pmut)
clear;clc;
%遗传算法主函数
%用以实现求给定函数fun在给定区间[low,up]上的极大值
%pcro交叉概率,pmut变异概率,N_gen迭代次数
%改进地方:交叉率和变异率采用自适应,最优点采用最小值,判断是否越限改在交叉变异后,原来是在变异程序里
pcro1=0.9;
pcro2=0.6;
pmut1=0.1;
pmut2=0.05;
N_gen=150;
n=100; %种群个数
line=[1 1 2 0.0922 0.047 ;
2 2 3 0.0493 0.2511 ;
3 3 4 0.366 0.1864 ;
4 4 5 0.3811 0.1941 ;
5 5 6 0.8190 0.707 ;
6 6 7 0.1872 0.6188;
7 7 8 0.7114 0.2351 ;
8 8 9 1.03 0.74 ;
9 9 10 1.044 0.74;
10 10 11 0.1966 0.065 ;
11 11 12 0.3744 0.1238;
12 12 13 1.468 1.155 ;
13 13 14 0.5416 0.7129;
14 14 15 0.5910 0.526 ;
15 15 16 0.7463 0.5450 ;
16 16 17 1.289 1.7210 ;
17 17 18 0.7320 0.574;
18 2 19 0.164 0.1565 ;
19 19 20 1.5042 1.3554;
20 20 21 0.4095 0.4784;
21 21 22 0.7089 0.9373 ;
22 3 23 0.4512 0.3083 ;
23 23 24 0.8980 0.7091 ;
24 24 25 0.8960 0.7011 ;
25 6 26 0.2030 0.1034 ;
26 26 27 0.2842 0.1447 ;
27 27 28 1.059 0.9337;
28 28 29 0.8042 0.7006;
29 29 30 0.5075 0.2585 ;
30 30 31 0.9744 0.9630;
31 31 32 0.3105 0.3619 ;
32 32 33 0.3410 0.5362 ];
%line1为支路负荷
line1=[1 0 0;
2 100 60;
3 90 40;
4 120 80;
5 60 30;
6 60 20;
7 200 100;
8 200 100;
9 60 20;
10 60 20;
11 45 30;
12 60 35;
13 60 35;
14 120 80;
15 60 10;
16 60 20;
17 60 20;
18 90 40;
19 90 40;
20 90 40;
21 90 40;
22 90 40;
23 90 50;
24 420 200;
25 420 200;
26 60 25;
27 60 25;
28 60 20;
29 120 70;
30 200 600;
31 150 70;
32 210 100;
33 60 40];

LOAD=3715;%总有功负荷/KW
pmax=0.2*LOAD/0.9; % #功率因数0.9, 分布式电源接入总容量不超过系统总负荷20%# 825.5556KW
%%%ieee33 #功率基准值=10MVA,线电压基准值=12.66KV,总有功负荷=3715KW,总无功负荷=2300Kvar,根节点电压标幺值=1#
n_point=size(line1,1) ; %节点数
pop=encode(n_point,n,pmax); %用编码函数求得初始种群
gen=0;%代数初始化
j=1;
while(gen<=N_gen)
time(j)=j;
fval=zeros(1,n);%初始化函数值
fit=zeros(1,n);%初始化适应度
for i=1:n
fval(i)=fun(pop(i,:),line,line1,LOAD); %求个体的函数值,目标函数
end
fval_avg(time(j))=mean(fval);%记录每代个体函数值平均值
%fval=fval-min(fval);%保证适应度为正值
fsum=sum(fval);%总适应度
fit_avg=fsum/n;%计算种群适应度平均值
fit=fval/fsum;%求个体的适应度(归一化)
[fit1,index]=sort(fit); %将fit数组从小到大排序,并存在数组fit1中;同时,将对应的数组下标值存在数组index中
best=pop(index(1)😅;%记录每代的最优值,保留在变量best中 #因为从小到大排列完,n=100时是最优个体#
% best_fit(1,gen+1)=fit1(index(n));
% best_fit(1,gen+1)=fval(index(1));
best_fit(1,gen+1)= fun(pop(index(1)😅,line,line1,LOAD);
% avg_fit(1,gen+1)=fit_avg;
fval_best(time(j))=fun(best,line,line1,LOAD); %求出每代最优个体的函数值,保存在数组 fval_best中
q(1)=fit(1);
for i=2:n
q(i)=q(i-1)+fit(i);%累加个体适应度形成赌轮
end
function popnew=crossover(pop,pcro1,pcro2,n,length,pmax,fit1,fit_avg)
%pcro为交叉概率

% %单切点交叉
% k=1; %k个体编号
% i=0;
% while(k<=n)
% rk=rand(); %选取进行交叉的两个亲本
% if rk<pcro
% b(i+1)=k;
% i=i+1;
% end
% k=k+1;
% if i==2
% pos=fix(rand()2length)+1;%随机产生交叉点
% for i=pos:2*length
% c=pop(b(1),i);
% pop(b(1),i)=pop(b(2),i);%对交叉点之后的编码进行交换
% pop(b(2),i)=c;
% end
% i=0;
% end
% end

%双切点交叉函数(改进)
k1=1;
for k=1:2:n
%自适应
if fit1(k+1)>=fit_avg
pcro=proc1
(1/(proc1-proc2+exp((fit1(k+1)-fit_avg)/(fit1(n)-fit_avg))));
else
pcro=k1pcro1;
end
%
**********************************
rk=rand();
if rk<pcro
pos1=ceil(lengthrand); %随机产生交叉点1
if pos1==1 %出口断路器位置不允许变化
pos1=pos1+1;
end
pos2=ceil(length
rand); %随机产生交叉点2
if pos2==1 %出口断路器位置不允许变化
pos2=pos2+1;
end
if pos1>pos2 %两个交叉点按从小到大排序
temp=pos1;
pos1=pos2;
pos2=temp;
end
for i=pos1:pos2 %对交叉点pos1到pos2的编码进行交换
c=pop(k,i);
pop(k,i)=pop(k+1,i);
pop(k+1,i)=c;
end
for i=(pos2+1):length %对交叉点pos2之后的编码进行交换
c=pop(k,i);
pop(k,i)=pop(k+1,i);
pop(k+1,i)=c;
end
end
end

popnew=floor(pop);

⛄三、运行结果

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

⛄四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
《智能优化算法及其MATLAB实例(第2版)》包子阳 余继周 杨杉著 电子工业出版社

3 备注
简介此部分摘自互联网,仅供参考,若侵权,联系删除

🍅 仿真咨询
1 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化

2 机器学习和深度学习方面
卷积神经网络(CNN)、LSTM、支持向量机(SVM)、最小二乘支持向量机(LSSVM)、极限学习机(ELM)、核极限学习机(KELM)、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

3 图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

4 路径规划方面
旅行商问题(TSP)、车辆路径问题(VRP、MVRP、CVRP、VRPTW等)、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化

5 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配

6 无线传感器定位及布局方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

7 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置

9 元胞自动机方面
交通流 人群疏散 病毒扩散 晶体生长

10 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合

这篇关于【优化求解】基于matlab改进的遗传算法求解考虑环境效益DG优化问题【含Matlab源码 1483期】的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/893216

相关文章

SpringBoot3实现Gzip压缩优化的技术指南

《SpringBoot3实现Gzip压缩优化的技术指南》随着Web应用的用户量和数据量增加,网络带宽和页面加载速度逐渐成为瓶颈,为了减少数据传输量,提高用户体验,我们可以使用Gzip压缩HTTP响应,... 目录1、简述2、配置2.1 添加依赖2.2 配置 Gzip 压缩3、服务端应用4、前端应用4.1 N

springboot循环依赖问题案例代码及解决办法

《springboot循环依赖问题案例代码及解决办法》在SpringBoot中,如果两个或多个Bean之间存在循环依赖(即BeanA依赖BeanB,而BeanB又依赖BeanA),会导致Spring的... 目录1. 什么是循环依赖?2. 循环依赖的场景案例3. 解决循环依赖的常见方法方法 1:使用 @La

Spring Boot + MyBatis Plus 高效开发实战从入门到进阶优化(推荐)

《SpringBoot+MyBatisPlus高效开发实战从入门到进阶优化(推荐)》本文将详细介绍SpringBoot+MyBatisPlus的完整开发流程,并深入剖析分页查询、批量操作、动... 目录Spring Boot + MyBATis Plus 高效开发实战:从入门到进阶优化1. MyBatis

MyBatis 动态 SQL 优化之标签的实战与技巧(常见用法)

《MyBatis动态SQL优化之标签的实战与技巧(常见用法)》本文通过详细的示例和实际应用场景,介绍了如何有效利用这些标签来优化MyBatis配置,提升开发效率,确保SQL的高效执行和安全性,感... 目录动态SQL详解一、动态SQL的核心概念1.1 什么是动态SQL?1.2 动态SQL的优点1.3 动态S

Python如何使用__slots__实现节省内存和性能优化

《Python如何使用__slots__实现节省内存和性能优化》你有想过,一个小小的__slots__能让你的Python类内存消耗直接减半吗,没错,今天咱们要聊的就是这个让人眼前一亮的技巧,感兴趣的... 目录背景:内存吃得满满的类__slots__:你的内存管理小助手举个大概的例子:看看效果如何?1.

一文详解SpringBoot响应压缩功能的配置与优化

《一文详解SpringBoot响应压缩功能的配置与优化》SpringBoot的响应压缩功能基于智能协商机制,需同时满足很多条件,本文主要为大家详细介绍了SpringBoot响应压缩功能的配置与优化,需... 目录一、核心工作机制1.1 自动协商触发条件1.2 压缩处理流程二、配置方案详解2.1 基础YAML

Python实现无痛修改第三方库源码的方法详解

《Python实现无痛修改第三方库源码的方法详解》很多时候,我们下载的第三方库是不会有需求不满足的情况,但也有极少的情况,第三方库没有兼顾到需求,本文将介绍几个修改源码的操作,大家可以根据需求进行选择... 目录需求不符合模拟示例 1. 修改源文件2. 继承修改3. 猴子补丁4. 追踪局部变量需求不符合很

SpringBoot启动报错的11个高频问题排查与解决终极指南

《SpringBoot启动报错的11个高频问题排查与解决终极指南》这篇文章主要为大家详细介绍了SpringBoot启动报错的11个高频问题的排查与解决,文中的示例代码讲解详细,感兴趣的小伙伴可以了解一... 目录1. 依赖冲突:NoSuchMethodError 的终极解法2. Bean注入失败:No qu

MySQL新增字段后Java实体未更新的潜在问题与解决方案

《MySQL新增字段后Java实体未更新的潜在问题与解决方案》在Java+MySQL的开发中,我们通常使用ORM框架来映射数据库表与Java对象,但有时候,数据库表结构变更(如新增字段)后,开发人员可... 目录引言1. 问题背景:数据库与 Java 实体不同步1.1 常见场景1.2 示例代码2. 不同操作

MySQL中慢SQL优化的不同方式介绍

《MySQL中慢SQL优化的不同方式介绍》慢SQL的优化,主要从两个方面考虑,SQL语句本身的优化,以及数据库设计的优化,下面小编就来给大家介绍一下有哪些方式可以优化慢SQL吧... 目录避免不必要的列分页优化索引优化JOIN 的优化排序优化UNION 优化慢 SQL 的优化,主要从两个方面考虑,SQL 语