Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Introduction to Power Systems Kapitel lesen Erstes Kapitel lesen

2011 | OriginalPaper | Buchkapitel

18. Genetic Algorithm

verfasst von : Marko Čepin

Erschienen in: Assessment of Power System Reliability

Verlag: Springer London

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Genetic algorithm is a probabilistic search method founded on the principle of natural selection and genetic recombination. Genetic algorithm represents a powerful method that efficiently uses historical information to evaluate new search points with expected better performance. It is applicable to linear and to nonlinear problems with many local extrema. The advantages and the disadvantages of the genetic algorithm are given. The procedures for performing optimizations are explained. The flowcharts are given together with the genetic algorithm structure descriptions. The steps of the procedures are explained. Further reading of selected references is suggested because it is not possible to present in a short chapter all the features of the method with practical examples.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Dynamic Programming
Nächstes Kapitel Simulated Annealing
Literatur
1.
Cedeno W (1995) The multi-niche crowding genetic algorithm: analysis and application. Doctoral dissertation, University of California
2.
Dasgupta D, Michalewicz Z (1997) Evolutionary algorithms in engineering applications. Springer, New YorkCrossRefMATH
3.
Goldberg DE (1989) Genetic algorithms in search: optimization and machine learning. Addison-Wesley, Reading, MassMATH
4.
5.
Parsopoulos KE, Vrahatis MN (2002) Recent approaches to global optimization problems through Particle Swarm optimization. Nat Comput 1(2):235?306MathSciNetCrossRefMATH
6.
Schwefel H (1995) Evolution and optimum seeking. Wiley, New York
7.
De Jong KA (1975) An analysis of the behavior of a class of genetic adaptive systems. Doctoral dissertation, University of Michigan, Ann Arbor
8.
Haupt RL, Haupt SE (2003) Practical genetic algorithms. Wiley, New YorkCrossRef
9.
Lee KY, El-Sharkawi MA (2008) Modern heuristic optimization techniques: theory and applications to power systems. Wiley, New YorkCrossRef
10.
Rothlauf F (2006) Representations for genetic and evolutionary algorithms. Springer, Berlin
11.
12.
Melanie M (1998) An introduction to genetic algorithms. MIT, CambridgeMATH
13.
Fogel DB (2006) Evolutionary computing: toward a new philosophy of machine intelligence. Wiley, New York
14.
Kumar S, Naresh R (2007) Efficient real code genetic algorithm to solve the non-convex hydrothermal scheduling problem. Electr Power Energy Syst 29:738?747CrossRef
15.
Volkanovski A, Mavko B, Boševski T et al (2008) Genetic algorithm optimization of the maintenance scheduling of generating units in a power system. Rel Eng Syst Saf 93:779?789CrossRef
16.
King TD, El-Hawary ME, El-Hawary F (1995) Optimal environmental dispatching of electric power systems via an improved Hopfield neural network model. IEEE Trans Power Syst 10(3):1559?1565CrossRef
17.
Simopoulos DN, Kavatza SD, Vournas CD (2007) An enhanced peak shaving method for short term hydrothermal scheduling. Energy Convers Manage 48:3018?3024CrossRef
18.
Basu M (2008) Dynamic economic emission dispatch using nondominated sorting genetic algorithm-II. Electr Power Energy Syst 30:140?149CrossRef
19.
Liang RH, Liao JH (2007) A fuzzy-optimization approach for generation scheduling with wind and solar energy systems. IEEE Trans Power Syst 22(4):1665?1674CrossRef
20.
Bharathi R, Kumar MJ, Sunitha D et al (2007) Optimization of combined economic and emission dispatch problem: a comparative study. IEEE Power Eng Conf 134?139
21.
Crossley W, Williams EA (1997) A study of adaptive penalty functions for constrained genetic algorithm. In: AIAA 35th aerospace sciences meeting and exhibit, pp 83?97
22.
Zhang PX, Zhao B, Cao YJ et al (2004) A novel multi-objective genetic algorithm for economic power dispatch. IEEE Universities Power Eng Conf 422?426
23.
Dorigo M, Maria G (1997) Ant colony system: a cooperative learning approach to the traveling salesman problem. IEEE Trans Evol Comput 1(1):53?66CrossRef
24.
Holland JH (1975) Adaptation in natural and artificial systems. University of Michigan Press, Ann Arbor
Metadaten
Titel
Genetic Algorithm
verfasst von
Marko Čepin
Copyright-Jahr
2011
Verlag
Springer London
Buch
Assessment of Power System Reliability

Print ISBN: 978-0-85729-687-0

Electronic ISBN: 978-0-85729-688-7

Copyright-Jahr: 2011

DOI
https://doi.org/10.1007/978-0-85729-688-7_18