遺傳算法(Genetic Algorithm,簡(jiǎn)稱GA)是由美國(guó)學(xué)者John Holland于1975年提出的一種基于達(dá)爾文生物進(jìn)化論的概率性迭代搜索算法,對(duì)于用傳統(tǒng)方法難以求解的復(fù)雜問題,如組合優(yōu)化、模式識(shí)別、圖像處理等復(fù)雜問題,使用該算法求解能得到令人較為滿意的解。近年來,遺傳算法在解決連續(xù)變量的函數(shù)最優(yōu)化問題和離散變量的組合最優(yōu)化問題時(shí)表現(xiàn)出的魯棒性、全局性、隱并行性和自適應(yīng)性使其成為目前應(yīng)用廣泛的一種智能優(yōu)化算法。 近年來隨著國(guó)家經(jīng)濟(jì)的快速發(fā)展,能源的消耗量逐漸增大,節(jié)能降耗成為一項(xiàng)基本的國(guó)策。火力發(fā)電企業(yè)在難以提高上網(wǎng)電價(jià)或增加上網(wǎng)電量的情況下,提高經(jīng)濟(jì)效益的可行途徑就是提高管理水平、降低發(fā)電成本�；鹆Πl(fā)電企業(yè)的生產(chǎn)過程是一個(gè)化學(xué)變化和物理變化綜合的過程,在相同的產(chǎn)出下,每臺(tái)鍋爐或機(jī)組設(shè)備因工況的不同而需要不同的生產(chǎn)成本,這樣就加大了成本計(jì)算的復(fù)雜度,尋優(yōu)過程用常規(guī)的搜索方法無法有效地進(jìn)行求解。但如今正迅速發(fā)展的按自然法則計(jì)算的思想在求解大規(guī)模組合優(yōu)化問題時(shí)表現(xiàn)出非凡的潛力,其中遺傳算法就是其中的一個(gè)分支。使用遺傳算法解決火力發(fā)電企業(yè)的各個(gè)生產(chǎn)環(huán)節(jié)的組合優(yōu)化問題,提高企業(yè)管理...

【文章頁數(shù)】：66 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景與意義
        1.1.1 遺傳算法及其應(yīng)用
        1.1.2 火力發(fā)電廠的成本計(jì)算及應(yīng)用
    1.2 國(guó)內(nèi)外研究現(xiàn)狀分析
    1.3 本文的主要?jiǎng)?chuàng)新點(diǎn)與內(nèi)容安排
2 遺傳算法簡(jiǎn)介
    2.1 遺傳算法的產(chǎn)生與發(fā)展
    2.2 遺傳算法的基本概念及理論
    2.3 標(biāo)準(zhǔn)遺傳算法的基本操作及實(shí)現(xiàn)步驟
        2.3.1 標(biāo)準(zhǔn)遺傳算法的基本操作
        2.3.2 標(biāo)準(zhǔn)遺傳算法的實(shí)現(xiàn)步驟
    2.4 標(biāo)準(zhǔn)遺傳算法的分析
    2.5 遺傳算法的改進(jìn)
        2.5.1 自適應(yīng)遺傳算法
        2.5.2 精英保留策略
        2.5.3 移民法
        2.5.4 混合遺傳算法
3 發(fā)電企業(yè)的成本核算
    3.1 研究的背景
    3.2 作業(yè)成本法介紹
    3.3 火力發(fā)電廠實(shí)施作業(yè)成本法的分析
    3.4 作業(yè)成本模型設(shè)計(jì)基本框架
        3.4.1 基本框架的建立
        3.4.2 資源庫(kù)的建立
        3.4.3 作業(yè)庫(kù)模型設(shè)計(jì)
        3.4.4 成本對(duì)象模型設(shè)計(jì)
        3.4.5 成本動(dòng)因模型設(shè)計(jì)
    3.5 將資源分配給各個(gè)作業(yè)（成本動(dòng)因率計(jì)算）
        3.5.1 利用資源動(dòng)因?qū)①Y源分配到各項(xiàng)作業(yè)
        3.5.2 把總費(fèi)用分配到各項(xiàng)作業(yè)
        3.5.3 計(jì)算每個(gè)作業(yè)的總成本
    3.6 發(fā)電廠基于作業(yè)成本管理的成本模型
        3.6.1 傳統(tǒng)的成本計(jì)算模型
        3.6.2 基于作業(yè)成本法的成本計(jì)算模型
        3.6.3 發(fā)電廠的成本優(yōu)化模型
4 改進(jìn)遺傳算法及其在火力發(fā)電企業(yè)作業(yè)成本法中的應(yīng)用求解
    4.1 多種群多級(jí)別遺傳算法
        4.1.1 生成初始群體
        4.1.2 適度函數(shù)的定義
        4.1.3 問題的分級(jí)
        4.1.4 啟發(fā)式交叉算子
        4.1.5 加速算子
        4.1.6 自然選擇與淘汰
        4.1.7 結(jié)束條件
    4.2 算法框架及主要過程描述
        4.2.1 算法的總體框架
        4.2.2 個(gè)體適應(yīng)值的計(jì)算
        4.2.3 個(gè)體分級(jí)計(jì)算
        4.2.4 個(gè)體尋優(yōu)計(jì)算
        4.2.5 生成下一代群體
5 改進(jìn)遺傳算法在火力發(fā)電企業(yè)作業(yè)成本法中的應(yīng)用實(shí)踐
    5.1 企業(yè)簡(jiǎn)介
    5.2 作業(yè)相關(guān)的成本動(dòng)因分析
    5.3 成本計(jì)算中部分動(dòng)因分析
    5.4 優(yōu)化結(jié)果分析
        5.4.1 機(jī)組的效率優(yōu)化曲線
        5.4.2 綜合成本計(jì)算
        5.4.3 企業(yè)的效益分析
    5.5 與傳統(tǒng)遺傳算法比較分析
    5.6 實(shí)驗(yàn)結(jié)論
6 結(jié)論與展望
參考文獻(xiàn)
攻讀學(xué)位期間公開發(fā)表的論文和參與的項(xiàng)目
致謝



本文編號(hào)：3743823