基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
蚁群算法可求解传统形式很难解决的非凸、非线性、非持续问题,它是一种具备很多优秀特性的模拟进化算法,不过蚁群算法其实也并不完美,如收敛速度慢、全局搜索能力差、易出现停滞现象等,而遗传算法可以较好的弥补上述缺点。该文针对其特点,联合遗传算法思维的逆转变异和转盘式选取杂交及自适应方式对蚁群算法实行改善,并应运用于电力系统无功优化中,通过IEEE6节点和一个实际配电网算例,验证算法是有效性的。
推荐文章
基于改进免疫遗传算法的电力系统无功优化
遗传算法
免疫算法
免疫遗传算法
无功优化
基于改进遗传算法的含风电场电力系统无功优化
电力系统
无功优化
网损期望
风电机组
场景分析
改进遗传算法
基于改进遗传算法的船舶电力系统无功优化研究
船舶电力系统
无功优化
改进遗传算法
遗传算法的改进及其在电力系统无功优化中的应用
遗传算法
自适应
无功优化
适应度排序
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 遗传算法--自适应蚁群算法与电力系统无功优化
来源期刊 中外企业家 学科 社会科学
关键词 蚁群算法 遗传算法 自适应 无功优化
年,卷(期) 2013,(31) 所属期刊栏目 【管理世界】Management World
研究方向 页码范围 80-81,197
页数 3页 分类号 C931
字数 2926字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 焦圣喜 东北电力大学自动化工程学院 43 196 8.0 12.0
2 陈浩 东北电力大学自动化工程学院 5 75 2.0 5.0
3 高华 东北电力大学自动化工程学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (28)
共引文献  (111)
参考文献  (4)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(2)
  • 参考文献(0)
  • 二级参考文献(2)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(4)
  • 参考文献(0)
  • 二级参考文献(4)
2001(2)
  • 参考文献(2)
  • 二级参考文献(0)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(4)
  • 参考文献(0)
  • 二级参考文献(4)
2005(5)
  • 参考文献(0)
  • 二级参考文献(5)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
蚁群算法
遗传算法
自适应
无功优化
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
中外企业家
旬刊
1000-8772
23-1025/F
大16开
黑龙江省哈尔滨市
2-287
1984
chi
出版文献量(篇)
47547
总下载数(次)
59
总被引数(次)
66867
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导