待补偿点定位的粒子群优化算法在配电网无功优化中的应用

根据最大降低网损的原则,首先计算出配电网无功补偿点的位置、个数和待补偿容量,并由此筛选出最优无功补偿的待补偿节点集和补偿容量的取值范围,减少粒子群优化算法最优解的搜索空间.建立了以网损最小为目标的粒子群算法无功优化数学模型,进一步提高了无功优化的效率和质量.以福安电网无功优化补偿为例,并与常规粒子群优化算法比较,验证了该方法的有效性.     

一种基于粒子群算法和育种算法的混合算法

目的 求解无约束优化问题.方法 结合粒子群算法收敛速度快而育种算法不易陷入局部最优的特点,设计了一种新的算法.结果 数值试验结果 表明算法对于多峰值函数有很好的优化效果.结论 当群体最优信息停滞时,新算法能够使粒子群算法中的粒子跳出局部最优解,最终求得全局最优解.     

非线性混合整数规划的简化二阶震荡粒子群混合算法

为了求解整数约束和混合整数约束优化问题,提出了简化二阶震荡粒子群优化算法.在二阶震荡粒子群算法的基础上,对更新过程进行简化,使得迭代方程由原来的二阶降成一阶,粒子的搜索过程更为简单高效,便于搜索和寻优;引入了平均个体最优位置,使得所有粒子的有效信息被充分利用;对不满足约束条件的粒子重新生成,从而加快算法的收敛速度;为了防止算法的早熟收敛现象,提出了"优胜劣汰"的更新机制.最后,为了验证算法求解整数和混合整数优化问题的可行性和有效性,将简化二阶震荡粒子群混合算法对16个测试函数进行了测试并与其他三种算法比较.实验结果表明,本文算法在精确度和成功率方面有明显的提高.     

组合优化策略的改进协同优化方法

为克服传统协同优化方法一致性约束造成的收敛困难和局部最优问题,提出将粒子群优化算法和修正可行方向法结合并引入协同优化.应用粒子群算法获得全局最优解近似,在此基础上应用修正可行方向法进行局部精确搜索.分别以一个典型的二次函数优化问题和一个减速器设计优化问题作为测试实例,优化结果表明,所提出组合优化策略是有效的,同时兼顾了优化效率和精度.     

一种求解热电联产经济调度问题的改进粒子群算法

随着热电联产系统在火电厂发电过程中所占比重的不断提高,热电联产经济调度(CHPED)问题的解决迫在眉睫。本文在二阶振荡粒子群算法的基础上,对算法的两个重要参数的惯性权重和学习因子进行改进,并对粒子群算法更新迭代后的个体引入差分变异操作,使得算法在最优解寻找过程中的性能得到提升。为了证实该算法在热电联产经济调度系统中的有效性,该算法被应用到一个24机组热电联产测试案例中。实例证明,相比于其他进化算法,本文提出的融合差分变异操作的改进二阶振荡粒子群算法(DEPSO)在热电联产经济调度问题中可以得到很好的结果。     

粒子群优化算法用于二阶状态变量滤波器的设计

用粒子群优化算法设计了高Q值二阶状态变量滤波器,有效地解决了基本遗传算法设计电路存在的收敛速度慢、易早熟的问题.用Pspice对设计出的滤波器进行仿真,得到了令人满意的结果.结果表明,在平均收敛代数和平均收敛时间两个重要指标上,粒子群优化算法明显优于基本遗传算法.     

时空众包环境下时效均衡改进粒子群优化算法

针对时效均衡改进粒子群优化算法受到求解方法的影响,容易出现收敛效果差、超体积指标出现异常值以及算法运行时间较长的问题,提出时空众包环境下时效均衡改进粒子群优化算法.在时空众包环境下,首先,根据惯性权重参数对学习因子进行动态调整,增强算法的统一性,结合最大速度参数的设置,完成粒子群参数的选择;其次,利用粒子个体之间的支配关系选择个体最优粒子,结合全局最优粒子的选择要求,完成时效均衡最优粒子的提取;最后,通过优化时效均衡改进粒子群优化算法设计,实现时效均衡粒子群的优化.实验结果表明,与其他两种算法相比,时空众包环境下的粒子群优化算法的性能更好,具有更好的收敛效果,超体积指标未出现异常值,且解集质量好,运行时间较短.     

一种基于冗余优化的Web服务工作流构造方法

针对SOA系统中服务动态组合的可靠性问题,提出了Web服务工作流的最优冗余优化.同时,在重定义粒子群算法的基础上,结合遗传算法中的交叉、变异思想,设计了一种基于改进粒子群优化算法的QoS(quality of service)调度策略,最后通过仿真实验证明了算法的有效性.     

粒子群优化算法在群体学习行为设计中的应用研究

作为群智能方法之一,粒子群算法具有重要学术意义和现实价值.群体学习行为的优化设计是教育领域目前比较关注的问题.利用粒子群算法以追求最优教育目标为目的,通过模拟实际教学动态过程,设计最优学习路线,用于求解如何获得最佳学习效果问题.实验表明粒子群优化算法在求解高校群体学习行为优化问题比较有效,优化结果比较理想,大学生的群体学习行为得到了较好的优化.实践证明:粒子群优化算法具有简单容易实现的特点,较好地改善了学习效果,能在花费较少学习时间和精力的情况下获得较好学习效果.     

基于MAPSO优化LSSVM的锅炉燃烧建模研究

针对锅炉燃烧系统智能算法建模,为克服标准粒子群(PSO)优化算法对最小二乘支持向量机(LSSVM)模型参数进行优化时容易陷于局部最优解的缺点,提出一种改进型的蚂蚁?粒子群算法(MAPSO)对LSSVM模型参数进行优化.根据模式搜索的"探测"思想,通过与蚁群算法移动规则的结合改进粒子群算法,增加粒子群算法的小步长局部搜索...     

基坑挡土结构的粒子群优化设计方法

为提高基坑支护结构设计的速度和精度,用模拟自然界鸟群觅食行为的进化算法———粒子群优化算法(PSO)来确定支护结构优化设计方案.研究了基于弹性抗力法的基坑挡土结构的粒子群优化技术:定义在搜索域中的一组可能的基坑设计参数为一个粒子;建立与挡土结构的结构优化设计参数相关联的适应度函数;通过粒子群位置的演变过程来搜索对应最优函数的结构设计参数方法;桩单元长度动态调整的编程技术等.通过工程算例证明了基坑挡土结构粒子群优化设计方法的可行性和适用性.     

一种改进的粒子群优化算法及其在盲信号分离中的应用

首先对粒子群优化算法进行了改进,用粒子群中所有粒子最优位置的加权平均值替代速度更新式中的粒子最优位置,并根据粒子群中粒子的浓度自适应地调整加速系数．这种改进的粒子群优化算法利用了粒子群中所有粒子最优位置的信息,并在进化过程中自适应地调整“认知”部分和“社会”部分对粒子的影响,从而提高了算法的收敛速度和精度．然后,针对盲...     

邻域自适应的微分变异约束分数阶粒子群优化

分数阶粒子群算法（FOPSO）是一种具有路径记忆的改进型粒子群优化算法。在多峰约束优化问题中,针对FOPSO易于早熟和依赖于初始参数的问题,文中提出了一种邻域自适应的约束分数阶粒子群优化方法（NAFPSO）。在算法中,依据进化状态来动态调整邻域拓扑从而更新粒子位置和速度,以提高可行解的全局寻优能力和收敛速度;采用带惩罚因子的罚函数约束处理技术,迫使粒子趋向可行区域;设计了微分变异策略以增加种群多样性,增强粒子逃脱局部最优的能力。用9个约束优化基准函数实验验证了NAFPSO的有效性和收敛性能,并应用于2个约束工程设计问题,结果表明,提出的算法寻优能力强、收敛快、精度高、稳定性好,可用于有效地解决复杂的约束工程设计优化问题。     

悬臂式排桩支护结构的Matlab优化设计

运用Matlab优化算法及其工具箱,针对太原市工商局办公楼基坑工程采用排桩支护这一基坑常用支护形式,进行了以桩距、桩径、桩身配筋、桩长为优化变量,以工程的主要材耗最低为目标函数,以满足支护功能要求的桩身强度、桩顶侧移以及设计变量取值界限为约束条件的优化设计,并给出利用Matlab fgoalattain求解器进行基坑优化设计的步骤.     

基于表现型共享的多目标粒子群算法研究

在多目标粒子群算法中,粒子的飞行由自身的最优位置和指导粒子决定,如何定义适应度选出合适的指导粒子,指导搜索过程向全局Pareto最优区域飞行,并保持种群在最优前端的多样性是算法的关键问题.针对上述问题,构造了同时考虑粒子的Pareto占优情况和目标空间邻近密集度的表现型共享适应度函数,在此基础上提出一个基于表现型共享的多目标粒子群优化算法(MOPSO).为了验证算法的有效性,采用占优等级指标来分析近似解集的占优情况,并采用EPS、HYP和R2指标来衡量解集的分布情况.实验结果表明,算法具有较强的全局搜索能力,能在较小的计算代价下获得较好的Pareto前端近似.     

基于混沌-量子粒子群的分簇路由算法

针对粒子群分簇路由优化算法存在的收敛速度慢、 易陷入局部最优等问题, 提出一种混沌-量子粒子群 的双子粒子群分簇路由算法。 该算法以簇头的能量、 簇头与汇聚节点的距离以及与簇内成员节点的距离构造 最优簇头的代价函数, 主粒子群利用混沌粒子群寻优, 辅粒子群利用量子粒子群寻优, 加入量子波动理论, 使 算法具有较好的全局收敛性。 双子粒子群采用收敛速度快的凹函数递减策略优化权重。 仿真结果验证了该算 法可使无线传感网络节点能量消耗均衡化, 显著延长网络生命周期, 与 LEACH(Low-Energy Adaptive Clustering Hierarchy)协议、 PSO-C(Cluster setup using Particle Swarm Optimization algorithm)协议相比生命周期分别延长了 80. 1%和 41. 4%。     

采用量子粒子群优化算法的风荷载作用下伞形膜结构形态优化设计

为获取具有最优性能的张拉膜结构的形态,基于量子粒子群优化算法,开展伞形膜结构在风荷载作用下的形态优化设计.以矢跨比和脊索拉力作为优化变量,将应变能、应力波动系数和最大支座反力作为优化目标建立多目标优化模型. 通过分配系数法构造适应度函数,并以适应度函数为评价标准进行优化计算;然后,通过与粒子群优化算法优化结果的比较,证明量子粒子群优化算法的有效性和优越性.结果表明:风荷载作用下的最优伞形膜结构形态的脊索拉力、膜预应力和跨度之间的比值系数约为0.77,最优结构矢跨比为0.33~0.41,最优值主要集中在0.35左右.     

微粒群算法优化信息的分组延迟传播模式

在改进型微粒群算法基础上,考虑对寻优空间充分搜索及算法总体收敛的需要,将信息的分组延迟传播模式应用于微粒群算法.首先对微粒群进行具体分组,然后设计了用于微粒群迭代寻优求解的分层延迟通讯模式,最后针对高维多峰函数优化问题进行了数值仿真实验.     

基于模糊推理的粒子群优化算法

针对无约束优化问题,提出了基于模糊推理的粒子群优化算法,该算法针对粒子群优化算法搜索能力的不足,先引入平均粒子,然后引入模糊推理来改进粒子群的速度更新公式,再利用模糊推理动态地改进算法惯性权重和速度更新公式的权重因子,再结合混沌扰动增加算法后期的局部搜索能力.数值试验采用12个测试函数并有5个算法进行对比,数值试验证明,改进算法的搜索能力有较大的提高.     

双馈风力发电机混合粒子群优化设计

针对双馈风力发电机交流励磁电磁特性和变速恒频运行特点,从转子电压、转子容量、转子铁耗等方面探讨了该电机的电磁设计特点,并结合风力发电应用领域特点及要求,分别选取电机有效材料成本、额定效率及效率曲线平坦性为优化目标,建立了电机优化设计模型,继而提出了一种混合粒子群优化算法,通过引入基于适应度值的个体模糊惯性权重和基于种群多样性的自适应变异,提高算法处理多峰值非线性优化问题的能力,以实现双馈风力发电机优化设计．电机优化设计实例结果表明,与标准粒子群算法相比,提出的混合粒子群算法动态平衡了全局和局部搜索能力,收敛速度较快,寻优精度较高且不易陷入局部最优,同时各种优化目标下的双馈风力发电机设计优化结果较为理想,对于多峰值非线性优化问题不失为一种新的解决方法．