导读:本文包含了链式智能体论文开题报告文献综述及选题提纲参考文献，主要关键词:微电网,分布式电源,有功网损,选址和定容
链式智能体论文文献综述
杨宏超,程若发,贺志华,吕彩艳[1]（2017）在《链式多智能体遗传算法在分布式电源全时序上优化配置》一文中研究指出分布式电源的选址与定容是微电网研究所面临的重要问题,提出一种考虑规划地区的24-h负荷时序特性和气候特点的24-h负荷变换情况下的DG优化配置;为了解决上述问题,采用链式多智能体遗传算法对其进行优化处理;首先通过算法对IEEE33节点系统进行测试,验证算法在分布式电源优化配置中的优越性,并对PG&E69节点配电网进行24-h时序的全过程模拟仿真优化,结果验证了多智能体遗传算法能在分布式电源配置上的有效性,同时提高微电网接入的预测精度,加快收敛速度,改进陷入局部最优的可能性等问题,对微电网在规划选址与定容选择上提供工程参考的实用性。(本文来源于《计算机测量与控制》期刊2017年11期）
贺志华[2]（2017）在《基于链式多智能体遗传算法的分布式电源优化配置研究》一文中研究指出发电技术凭借其灵活、高效、清洁等特点近年来得到了大力提倡与发展。分布式电源(Distribution Generation,简称DG)与配电网联合供电将是未来电力行业的主流趋势。介绍了多智能体和多智能体系统,针对基本遗传算法易早熟收敛的现象和多智能体能加强个体之间信息协调合作的优点,提出了网格式多智能体算法,通过二维空间的测试发现了此方法的不足。另外针对网格式多智能体算法在进行智能体更新的时候易加大计算量,不利于应用在实时性强的实际应用中。通过采用链式多智能体算法与遗传算法相结合,提出了链式多智能体遗传算法。通过综合分析标准函数的测试结果可知,链式多智能体遗传算法在收敛精度、收敛速度和稳定性等方面都有显着提高。介绍了各种分布式电源并网的工作原理以及并网接口的节点类型,给出了在含分布式电源的配电网潮流计算中各类节点类型的处理方式;结合配电网节点分层方法,并通过前推回带法求配电网潮流,同时建立了以系统有功损耗最小为目标函数的含分布式电源的配电网优化配置数学模型,通过在IEEE33节点系统进行多个方案的仿真测试,实验表明在解决分布式电源并网上用此潮流计算方法具有一定的优越性。提出了以有功网损耗为单目标函数的DG并网优化配置的数学模型和以系统有功损耗和电压稳点性综合为目标函数的DG并网优化配置数学模型。通过考虑在孤立场景情况下对DG选址和定容的测试以及考虑规划地区的24-h负荷时序特性和气候特点的24-h负荷变换的情况下的DG优化配置。针对以上两种情况,分别在IEEE33节点系统以及PG&E69节点系统的多种算例进行测试,研究分析了DG的接入位置、容量、功率因素的不同等对配电网有功损耗以及电压分布的影响。实验表明合理加入DG能有效的提高配电网系统的电压稳定性以及降低系统的有功损耗。同时也证明了链式多智能体遗传算法在处理含DG的配电网优化配置上具有一定的正确性和实用性。(本文来源于《南昌航空大学》期刊2017-06-01）
周頔[3]（2014）在《基于链式智能体遗传算法的动态能耗优化算法》一文中研究指出能耗优化是一个动态优化问题,在能耗规模较大的情况下,能耗设备间与总能耗间存在一定的非线性关系,即并非每个能耗最优化能使得总的能耗最优化,因此能耗优化是一个动态非线性优化问题。对于能耗优化问题,传统的节能方法难以奏效。基于此,本文在分析目前节能方法的特点后,设计一种高效的全局优化算法——链式智能体遗传算法,可解决上述的动态非线性优化问题。为了验证本文提出的算法的优越性,将该算法用于某钢厂的电能节耗中,节耗效果明显且较稳定。实践表明,该算法具有较好的灵活性,当能耗环境和节能要求发生变化时,该算法能在不变动当前设备的前提下,动态获得较优的节能效率。(本文来源于《计算机与现代化》期刊2014年06期）
吴亚丽,靳笑一,刘格[4]（2013）在《链式多种群多智能体进化算法》一文中研究指出将多种群的进化方式和链式结构的动态邻域引入到多智能体进化算法中,提出了一种链式多种群多智能体进化算法.算法设置了多种群交互的演化结构.各种群中的智能体通过与其动态邻域智能体的竞争、合作及自学习操作来增加自身的能量;动态邻域的链式结构提高了算法的效率、降低了计算复杂度;多个种群之间的信息定期以一定的方式进行交互,增强了种群的多样性,减小了算法陷入局部最优的机率.理论分析和多个测试函数的仿真结果均表明:链式多种群多智能体进化算法在求解高维优化问题上具有很好的性能.(本文来源于《控制理论与应用》期刊2013年01期）
张庆杰,李远,朱华勇,沈林成[5]（2011）在《l阶链式积分器型多智能体实现平均一致的时延相关LMI判据》一文中研究指出针对l阶链式积分器型多智能体平均一致性问题,给出联合连通拓扑条件下LMI表示的时延相关稳定判据。利用状态分解思想,将收敛条件转化为判断不一致系统零平衡点的稳定性;考虑存在多个时变通信时延的情况,采用构造公共的Lyapunov-Krasovskii泛函的方式来分析系统稳定性,为获得较低保守性判据,在主要结论中引入了自由权矩阵思想;最后,经过降阶处理并判断相应的LMIs可行解的存在性,可获得多智能体实现平均一致所允许的最大通信时延。数值实例和仿真实验表明方法的有效性。与已有文献相比,该稳定判据具有保守性低、求解形式简单、适用更广的时变时延范围等特点,对于分析和讨论复杂网络条件下多智能体平均一致性问题具有一定的指导意义。(本文来源于《国防科技大学学报》期刊2011年05期）
吴亚丽,张万良,张立香[6]（2011）在《多阶段多产品调度问题的链式智能体遗传算法》一文中研究指出将遗传算法的编码方式与智能体系统的演化结构相结合,提出一种求解多阶段多产品调度问题的链式智能体遗传算法.算法采用基于订单序列的编码方式,采用一种新的后向指派规则实现编码和可行调度间的一一对应.通过各智能体与其邻域环境的竞争与合作以及自身的自学习操作实现种群的演化过程.对多阶段多产品调度问题的仿真结果表明:链式智能体遗传算法与新的后向指派规则相结合,不仅增加了种群多样性,而且提高了算法的收敛性能,是求解多阶段多产品调度问题的有效算法.(本文来源于《控制理论与应用》期刊2011年02期）
曾孝平,张晓娟,李勇明[7]（2008）在《多子群协同链式智能体遗传算法分析》一文中研究指出针对遗传算法(genetic algorithm,GA)易出现搜索效率不高和早收敛现象,提出了一种多子群协同链式智能体遗传算法(multi-population agent genetic algorithm,MPAGA)。该算法采用多子群并行搜索模式、链式智能体结构,引入动态邻域竞争和正交交叉等策略,有效提高了算法性能。采用3个复杂多峰测试函数对算法进行优化性能测试结果表明,MPAGA比普通智能体遗传算法有较快的收敛速度,能有效防止早收敛现象。(本文来源于《重庆大学学报》期刊2008年07期）
曾孝平,郑雅敏,李勇明,王靖,张晓娟[8]（2008）在《基于多准则的链式智能体遗传算法用于特征选择》一文中研究指出针对简单遗传算法用于特征选择精度不高、过早收敛的问题,提出了一种新的遗传算法——链式智能体遗传算法(LAGA),并与多准则(MC)相结合,从而提出了基于多准则竞争策略的链式智能体遗传算法(LAGA+MC)用于特征选择。LAGA引入了链式智能体结构,智能体相互进行竞争选择和自适应交叉,自身进行自适应变异,从而使得该算法能够获得更精确的搜索结果;MC通过对基于单准则进行选择得到的特征子集进行特征位判断,从而确定出最终特征子集,以达到更全面的评价选择结果,获得识别率更稳定的特征子集。实验结果表明,LAGA搜索精度更高,LAGA+MC获得的特征子集分类准确率更高、更稳定。(本文来源于《计算机应用研究》期刊2008年05期）
伍文平,魏明,王东,王刚[9]（2008）在《双链式智能体遗传算法用于数值优化的研究》一文中研究指出针对传统智能体遗传算法全局优化计算精度不够高、时间较长的不足,提出了一种改进的双链式智能体结构,并基于此设计了一种新的智能体遗传算法——双链式智能体遗传算法。该算法采用了多子群并行搜索的模式,闭合链式智能体结构和循环链式智能体结构,可实现多机并行优化,具有优化时间短、优化精度高的特点。为了验证本文算法的优越性,采用国际标准的测试函数对该算法性能进行测试,并与智能体遗传算法(MAGA)相比较。实验结果表明,该算法在全局优化精度、优化收敛速度方面均优于MAGA。(本文来源于《科学技术与工程》期刊2008年10期）
曾孝平,李勇明,王靖,张晓娟,郑雅敏[10]（2008）在《基于竞争策略的链式智能体遗传算法用于特征选择的研究》一文中研究指出针对特征选择问题,提出了基于竞争策略的链式智能体遗传算法(LAGA)。该LAGA算法包含链式智能体网络结构,邻域竞争,自适应交叉,自适应变异,优良个体替换策略,自适应结束等部分,该算法能较好的保持智能体的多样性,在进化中既较佳的继承了优良个体的基因,又有效地搜索了新的空间。多组实验结果表明,通过该算法选择得到的最优特征子集具有较好的稳定性,较高的识别准确率和较低的网络分类器维数复杂度。(本文来源于《系统仿真学报》期刊2008年08期）
链式智能体论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
发电技术凭借其灵活、高效、清洁等特点近年来得到了大力提倡与发展。分布式电源(Distribution Generation,简称DG)与配电网联合供电将是未来电力行业的主流趋势。介绍了多智能体和多智能体系统,针对基本遗传算法易早熟收敛的现象和多智能体能加强个体之间信息协调合作的优点,提出了网格式多智能体算法,通过二维空间的测试发现了此方法的不足。另外针对网格式多智能体算法在进行智能体更新的时候易加大计算量,不利于应用在实时性强的实际应用中。通过采用链式多智能体算法与遗传算法相结合,提出了链式多智能体遗传算法。通过综合分析标准函数的测试结果可知,链式多智能体遗传算法在收敛精度、收敛速度和稳定性等方面都有显着提高。介绍了各种分布式电源并网的工作原理以及并网接口的节点类型,给出了在含分布式电源的配电网潮流计算中各类节点类型的处理方式;结合配电网节点分层方法,并通过前推回带法求配电网潮流,同时建立了以系统有功损耗最小为目标函数的含分布式电源的配电网优化配置数学模型,通过在IEEE33节点系统进行多个方案的仿真测试,实验表明在解决分布式电源并网上用此潮流计算方法具有一定的优越性。提出了以有功网损耗为单目标函数的DG并网优化配置的数学模型和以系统有功损耗和电压稳点性综合为目标函数的DG并网优化配置数学模型。通过考虑在孤立场景情况下对DG选址和定容的测试以及考虑规划地区的24-h负荷时序特性和气候特点的24-h负荷变换的情况下的DG优化配置。针对以上两种情况,分别在IEEE33节点系统以及PG&E69节点系统的多种算例进行测试,研究分析了DG的接入位置、容量、功率因素的不同等对配电网有功损耗以及电压分布的影响。实验表明合理加入DG能有效的提高配电网系统的电压稳定性以及降低系统的有功损耗。同时也证明了链式多智能体遗传算法在处理含DG的配电网优化配置上具有一定的正确性和实用性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
链式智能体论文参考文献
[1].杨宏超,程若发,贺志华,吕彩艳.链式多智能体遗传算法在分布式电源全时序上优化配置[J].计算机测量与控制.2017
[2].贺志华.基于链式多智能体遗传算法的分布式电源优化配置研究[D].南昌航空大学.2017
[3].周頔.基于链式智能体遗传算法的动态能耗优化算法[J].计算机与现代化.2014
[4].吴亚丽,靳笑一,刘格.链式多种群多智能体进化算法[J].控制理论与应用.2013
[5].张庆杰,李远,朱华勇,沈林成.l阶链式积分器型多智能体实现平均一致的时延相关LMI判据[J].国防科技大学学报.2011
[6].吴亚丽,张万良,张立香.多阶段多产品调度问题的链式智能体遗传算法[J].控制理论与应用.2011
[7].曾孝平,张晓娟,李勇明.多子群协同链式智能体遗传算法分析[J].重庆大学学报.2008
[8].曾孝平,郑雅敏,李勇明,王靖,张晓娟.基于多准则的链式智能体遗传算法用于特征选择[J].计算机应用研究.2008
[9].伍文平,魏明,王东,王刚.双链式智能体遗传算法用于数值优化的研究[J].科学技术与工程.2008
[10].曾孝平,李勇明,王靖,张晓娟,郑雅敏.基于竞争策略的链式智能体遗传算法用于特征选择的研究[J].系统仿真学报.2008