研究内容：针对标准遗传算法容易出现早熟收敛现象、全局收敛速度慢等问题, 提出了一种改进的遗传算法。该算法使用一个助长算子来对种群中的个体进行一定概率下的助长, 其遗传个体具有雄性和雌性两种不同的性别, 融合了个体间的亲缘关系, 异性个体进行严格的远缘繁殖, 从而避免了后代个体性能的消极退化, 使得算法的全局寻优能力大大增强。将改进的遗传算法应用于配电网故障定位中, 并引入分级处理思想, 利用配电网呈辐射状的特点, 首先把整个配电网划分为主干支路和若干独立区域, 再利用该算法分别对各独立区域进行故障定位, 然后进行全局寻优, 这样能大大减少可行解的维数, 提高定位速度。使用该定位方法对一具有 20个节点的配电网系统进行故障定位的仿真实验, 它使可行解个数由 220 个减少到 144 个。结果表明, 该定位方法不仅定位准确, 而且定位速度快, 对复杂配电网的故障定位尤为有效。

程序仿真：

# matlab
Logo
天工造物局

北京人形旗下天工造物具身智能开源社区，聚焦具身天工与慧思开物两大平台

更多推荐

graphify 视频音视频转写全流程解析：从 detect 结果到知识图谱文档的 Step 2.5

graphify 的核心能力是把任意语料（代码、文档、PDF、图片）转化为可查询的知识图谱，而视频与音频文件无法被直接阅读，必须先把它们转写成文本。本文围绕 `graphify` 运行手册中的转写参考文档 [transcribe.md](https://link.gitcode.com/i/d3285781588e0f1b84886dfdbc4fe7f6)，完整讲解 "Step 2.5 - Tra

avatar 天工造物局

ML-For-Beginners 终章：经典机器学习在金融、医疗、零售等八大行业中的真实落地场景

本篇技术指南基于开源课程仓库 ML-For-Beginners 的收尾课程《Postscript: Machine learning in the real world》（对应仓库目录 [9-Real-World/1-Applications](https://link.gitcode.com/i/6b23002df80861c20abf34d7db63ef41)）编写。该课此前 11 周的教学带

avatar 天工造物局

graphify 知识图谱查询实战：query / path / explain 与可审计的答案闭环

本指南以 graphify 的 Trae 版查询技能参考（[graphify/skills/trae/references/query.md](https://link.gitcode.com/i/72a7875d46ec6d3706d31791f3cdcbe0)）为主体，系统讲解如何针对**已构建好的知识图谱**执行三类查询：语义相关节点遍历（query）、两概念间最短路径（path）、单节点关

avatar 天工造物局