协同进化算法论文协同进化算法 遗传算法 演化博弈论 电源规划

1、协同进化算法论文：基于演化博弈论的协同进化算法的研究和应用【中文摘要】本文提出一种改进的协同进化遗传算法(Improved Co-evolution Genetic Algorithm, ICGA),新的协同进化遗传算法重新设计了协同进化算法的结构,每个子种群按照遗传算法进行进化,在ICGA当中加入了信息传递模式,从而提供了更多的和更大的决策空间。通过无约束优化问题、有约束优化问题和大规模欺骗问题对新算法的性能的测试以及对电源规划问题的求解,仿真结果表明了算法的优越性。【英文摘要】This paper presents an improved co-evolution genetic algo

2、rithm (ICGA). The structure of the algorithm is redesigned in the new algorithm to get better performance. The genetic algorithm applied to the subgroups. Information transfer mode is added to ICGA to provide greater decision-making space. ICGA is used to solve unconstrained optimization problems, c

3、onstrained optimization problems, large-scale deceptive problems and the problem of large scale, long-term generation expansion planning of power systems.R.【关键词】协同进化算法 遗传算法 演化博弈论 电源规划【英文关键词】co-evolution algorithm genetic algorithm evolutionary game theory generation expansion planning【索购全文】联系Q1：1381

4、13721 Q2：139938848【目录】基于演化博弈论的协同进化算法的研究和应用摘要5-6Abstract6第1章 引言9-141.1 选题背景与意义9-101.2 国内外相关内容的研究现状10-13 演化博弈论的研究现状10 协同进化算法的研究现状10-12 电源规划的研究现状12-131.3 本文的研究内容13-14第2章 协同进化算法14-202.1 种群多样性与协同进化论142.2 协同进化算法的特点142.3 协同进化算法与博弈理论14-152.4 协同进化算法与遗传算法15-17 协同进化算法的框架15-16 遗传算法的参数确定16-17 遗传算法的流程172.5 协同进化算法

5、的实现17-192.6 小结19-20第3章 协同进化算法的改进20-383.1 协同进化算法的改进20-24 ICGA的实现20-23 ICGA的流程23-243.2 协同进化算法的仿真实验24-36 无约束优化问题的仿真24-29.1 测试函数24-26.2 用于比较的算法26.3 仿真结果26-29 有约束优化问题的仿真29-32.1 测试函数30-31.2 仿真结果31-32 欺骗问题的仿真实验32-36.1 欺骗问题的概述32-33.2 用于比较的算法33-34.3 强联结欺骗函数的仿真34-35.4 弱联结欺骗函数的仿真35-363.3 小结36-38第4章 改进的协同进化遗传算法在电源规划中的应用38-464.1 电源规划的概述384.2 电源规划问题的数学模型38-42 电源规划问题的目标函数39-41 电源规划问题的约束条件41-424.3 约束条件的处理42-434.4 ICGA求解电源规划的编码434.5 电源规划问题