基于自适应PSO算法的机组优化组合研究

提出了解决电力系统机组优化组合问题的一种新的方法——自适应粒子群优化算法(APSO)．PSO算法能解决许多遗传算法能解决的优化问题，但却只需要一些简单的参数就可稳定收敛得到高质量的解．将该算法应用到IEEE10机系统中，结果表明该算法用于求解机组优化组合是有效可行的。     

基于离散粒子群算法的近似最大连通分量抽取

无向图中的最大连通分量抽取(Maximum Clique Problem,MCP)是一种具有重要应用价值的组合优化问题,已被证明属于NP问题．传统的深度优先、分枝限定等算法可以处理规模较小的MCP问题,所以提出处理大规模MCP问题的算法是非常必要的．粒子群优化算法是一种基于群智能的演化计算技术,离散粒子群算法(DiscretePSO)是其中解决离散编码的算法．提出了一种基于离散粒子群算法的近似连通图的抽取算法,通过定义连通图编码、合法随机初始化过程,编码校正算法使得DPSO能够解决最大连通图的抽取问题．为验证其效果及效率,将该算法与RAClique进行了比较．实验结果表明,该算法在解决此类问题时,执行的速度受节点规模变化不大,效率略优于RAClique其他算法．     

基于改进粒子群算法优化电梯群控系统

给出的粒子群优化算法是一种群智能优化技术，利用群体和个体的智能行为来求解组合优化问题，并将多目标问题分别在粒子的各子种群中以内在并行的方式搜索多个非劣解，同时对各子种群粒子的适应度采用积分排序，较好地解决了电梯群控系统的多目标问题。充分弥补了传统方法解决多目标问题出现的不足。针对不同客流强度进行分析，分别得到不同平均的候梯时间和乘梯时间，结果表明采用此种改进的粒子群算法充分保证了算法的收敛速度和精度。     

PSO算法在电力系统中的应用现状和前景探析

粒子群优化（PSO）算法是一种新兴的群体智能优化技术,在简要介绍PSO算法工作原理的基础上,描述了粒子群优化方法在电网规划、检修计划、短期发电计划、机组组合、负荷频率控制、最优潮流、无功优化、谐波分析与电容器配置、参数辨识、状态估计、优化设计等方面的应用,并对今后可能的应用指出了研究方向．     

背包问题的混合粒子群优化算法

经典的粒子群是一个有效的寻找连续函数极值的方法，结合遗传算法的思想提出的混合粒子群算法来解决背包问题，经过比较测试，6种混合粒子群算法的效果都比较好，特别交叉策略A和变异策略C的混合粒子群算法是最好的且简单有效的算法，并成功地运用在投资问题中。对于目前还没有好的解法的组合优化问题，很容易地修改此算法就可解决     

带时间窗车辆路径问题的混合粒子群算法

将粒子群优化算法与模拟退火算法结合,提出了一种求解车辆路径问题的混合粒子群算法.实例计算及与遗传算法比较的结果表明:应用混合粒子群算法可以快速地求得带时间窗车辆路径问题的优化解;该算法是一种求解离散组合优化问题的有效方法.     

基于QPSO和MATLAB优化资金投资组合

量子粒子群优化算法(QPSO)是一种基于粒子群优化算法(PSO)的进化算法,它收敛速度快、规则简单、易于编程实现;Matlab是国际控制界公认的标准计算软件。采用QPSO对资金组合投资的多目标问题进行优化,使用Matlab编程,解决了传统方法难以解决的问题,仿真实验表明采用本方法能对资金投资组合问题提出较好的优化决策。     

基于量子粒子群优化算法的Web服务组合问题

使用量子粒子群优化算法（QPSO）,将可能的web服务工作流执行路径看作粒子,按照QPSO算法进行进化,从而解决了基于服务质量（QualityofService,qos）~束的Web服务组合问题,此为解决Web服务组合问题提出了一种新的思路．实验表明,使用QPSO算法求解复杂web服务组合问题在组合时间上具有一定的优越性．     

粒子群优化算法及其在电力系统中的应用

粒子群优化(PSO)算法是一种新兴的基于群体智能的进化算法.介绍了PSO算法的基本原理及各种改进方法,总结了近年来PSO在电力系统中的应用研究成果,主要涉及负荷经济分配、机组组合问题、输电网规划、最优潮流计算、无功优化等领域,指出了PSO算法的广阔应用前景。     

PSO算法在多元线性回归分析问题中的应用

粒子群优化算法（PSO）是一类实用有效的随机全局优化技术．本文简要地介绍了PSO算法的基本原理，具体地描述了使用PSO算法解决多元线性回归分析问题的步骤和结果．通过计算机仿真测试，表明PSO算法在解决多元线性回归分析问题上是一种简单、高效的算法．     

基于演化算法的实因式分解

针对线性定常闭环系统特征方程的求根问题，提出了一种基于演化算法的实因式分解法。该法先将实因式分解问题转化为数值优化问题，再用基于混合杂交与间歇变异的演化算法求解该优化问题。数值实验结果表明了所提方法的有效性。     

进化算法时间复杂度估算的一般流程

进化算法的时间复杂度分析是当前进化计算领域研究的热点难题。通过总结最新进化算法理论研究,介绍了进化算法时间复杂度分析方法,并讨论了分析关键之处:距离函数的确定方法。最后,给出了进化算法时间复杂度分析的一般流程,且以分析范例演示了方法的执行过程。     

动态无功优化的混合智能算法

针对存在离散控制设备动作次数约束的动态无功优化问题,提出免疫遗传算法和非线性内点法的混合算法.首先忽略控制设备的离散性和动作次数约束,采用非线性内点法求解初始优化解;然后按照控制变量的性质将原问题分解为连续优化与离散优化2个子问题迭代求解.在离散优化问题中,保持连续变量不变,采用免疫遗传算法优化离散变量,通过特别的编码方式使抗体自动满足动作次数约束;在连续优化问题中,保持离散变量不变,采用非线性内点法优化连续变量.混合算法充分结合了免疫遗传算法和非线性内点法的优点,能较快求解动态无功优化的近似最优解.IEEE14节点系统的仿真结果验证了混合算法的有效性.     

基于单隐层前馈神经网络的优化算法

前馈神经网络是神经网络中最常用的函数近似技术。根据普适定理,单隐层前馈神经网络(a single-hidden layer feedforward neural network,SFNN)可以任意接近相应的期望输出。一些研究人员使用遗传算法(genetic algorithms,GAs)探索FNN结构的全局最优解。然而,使用GAs来训练SFNN是相当费时。提出了一种新的SFNN优化算法。该方法是基于凸组合算法(convex combination algorithm,CCA)在隐含层上分析信息数据。事实上,该技术是将分类遗传演算法结合交叉策略的GAs算法。改进方法比GAs算法性能更优,但在进行学习和遗传演算前需要大量预处理工作如将数据分解为二进制代码。同时设置一个新的误差函数量化SFNN性能、获得连接权值最优选项以直接解决非线性优化问题。采用几个计算实验验证改进算法,结果表明改进方法更适合寻找单隐含层SFNN的最优权重。     

桁架材料和结构组合多目标优化设计

同时为桁架的每个杆件确定最为合适的材料和结构尺寸属于桁架材料和结构组合优化问题．提出一种桁架材料和结构组合多目标优化的方法．为材料分配唯一的标识编码，把杆件所用材料直接作为设计变量，并且和杆件截面积一起构成设计变量空间．考虑结构重量、成本和节点位移3个目标以及应力约束，建立了桁架材料和结构组合优化问题的数学模型．应用多目标遗传算法进行求解．算例结果表明，采用多目标遗传算法可以为桁架设计参数的确定提供多种选择方案，决策者可以根据目标的重要程度确定最后设计方案．算例分析结果验证了该方法的有效性．     

基于能量原理的等效静态载荷法及其在活塞动态优化中的应用

针对位移等效静态载荷法在求解结构动态优化时遇到的等效关键时间点不合理、等效结果误差大等问题,提出一种基于能量原理的等效静态载荷法.该方法通过将结构动态响应解空间进行谱元离散,识别出结构的关键时间点,并在该时间点构建了基于能量等效的动态载荷静态转化数学模型.应用优化算法搜索得到了等效静态载荷集的最优解,从而将结构动态优化问题转化为静态优化问题求解.最后,通过在某柴油机活塞油腔结构的动态优化设计中的有效应用,验证了能量等效静态载荷法的有效性和工程实用性,拓展了等效静态载荷法的理论范畴,同时为复杂结构动态响应优化设计提供了一种新的思路.     

基于自一致性的磁共振并行成像高效重构算法

磁共振并行成像技术能够显著地减少成像时间,然而高质量的图像重构比较困难.为了提高重构图像的质量,基于自一致性的SPIRiT框架,提出了一种高效的重构算法.该算法针对一个含有数据一致性、校准一致性和联合稀疏性正则项的复杂优化问题,首先将该问题简化成一般性最优化问题;再使用算子分离算法将其分解成一个梯度计算问题和一个可通过软阈值法求解的去噪问题;最后,再使用加速方案对算法进行加速.实验结果表明,当加速因子为8时,采用所提出的新算法的重构图像比采用POCS算法的重构图像的SNR提高约2.4,dB,且重构时间也节约了约30%.对于要求高质量重构图像的场合,所提出的算法能够满足需求.     

时间最短控制问题求解的分级优化策略

针对时间最短控制问题的求解,单纯地使用罚函数策略求解存在诸多不便,为此提出分级优化的策略,并结合罚函数策略实施。首先在某个终端时间的情况下构造终端状态自由的最优控制问题,为一级优化;在一级优化结果的基础上结合罚函数策略构造新的目标函数,并据此调整终端时刻,为二级优化。反复依次执行一级优化、二级优化,最终使得状态约束恰好得到满足。分级优化把复杂问题转化为一系列简单的问题,采用经典的优化算法即可实现。实例研究显示了分级优化策略是可行的,能以足够的精度满足边值约束,计算结果也更加精确。     

量子近似优化算法在约束优化问题中的应用

结合量子近似优化算法求解约束优化问题是当前的研究热点之一,针对约束优化问题,提出了一种在量子 近似优化算法框架中的改进方法;此方法融合了二次无约束二元优化和量子交替拟设这两种方法,同时将在目标 算符中添加惩罚项,将不符合解的期望值降低和通过对问题进行求解得出问题的可行解,将混合操作限定在可行 解空间内融合在一起;优点在于在求解约束优化问题时,能减小迭代次数,快速并准确地得到问题的最优解;以最 小顶点覆盖问题为例,将提出的方法与几种已有的方法做比较,得出方法能减小量子近似优化算法的迭代次数,使 得能够高质量和高效率的求解约束优化问题。     

不确定离散多时滞系统的模糊动态输出反馈保性能控制

针对一类用T-S模糊模型描述的不确定离散多时滞系统,研究了其动态输出反馈保性能鲁棒控制问题.通过构造一个相应的Lyapunov函数,给出了系统模糊输出反馈保性能控制律存在的一个充分条件和性能上界.并证明了该条件等价于一组线形矩阵不等式的可行性问题.进而,通过建立和求解一个凸优化问题,给出了系统设计次优保性能模糊输出反馈控制律的方法.最后通过一个算例来验证所给结果的有效性.