混合SQP的基于完全学习的粒子群优化算法在电力系统中经济分配问题的应用

电力系统经济负荷分配(ELD)问题是电力系统运行中一个重要的优化问题.此前,多种经典数学逼近方法和启发式搜索算法被用于对该问题进行了求解.但是,这些方法仍然存在两个很重要而未引起足够重视的问题:1)算法的稳定性得不到有效保证;2)算法在大规模ELD问题上的性能仍然不能令人满意.CLPSO是一种新的高效全局优化算法.针对其存在的多样性保持能力强但收敛性不足的问题,文中引入序列二次规划SQP,提出了一种新的混合SQP的CLPSO算法SQP-CLPSO.用其求解多个典型ELD问题,并与多种知名算法进行了对比.实验结果表明,SQP-CLPSO具有优秀的收敛性、多样性和可拓展性,是求解复杂ELD问题的有效算法.     

基于捕食逃逸鸽群优化的无人机紧密编队协同控制

提出一种基于捕食逃逸鸽群优化(pigeon-inspired optimization,PIO)的无人机(unmanned aerial vehicle,UAV)紧密编队协同控制方法.基于人工势场法设计了外环控制器,将无人机紧密编队转化成一种抽象的人造势场中的运动;基于鸽群优化算法设计了内环控制器,进行控制量的优化求解.在遵循鸽群优化基本思想的基础上,对其结构进行调整,并针对基本鸽群优化易陷入局部最优的问题,引入了捕食逃逸机制来改善鸽群优化总体性能.最后,将本文所提出的改进鸽群优化算法与基本鸽群优化算法、粒子群优化(particle swarm optimization,PSO)算法进行了系列对比实验,实验结果验证了文中所提方法的可行性、有效性和优越性.     

认知无线电系统中的多中继分布式波束成形方法

本文考虑认知无线电系统中一对认知源目的节点在一组认知中继节点协助下与一对授权发射机和接收机共存的场景,研究了多个单天线认知中继节点在授权接收机处平均干扰功率门限约束及自身独立的平均发射功率约束下,最大化认知目的节点处信干噪比(SINR)的分布式波束成形,从而开发"空谱空洞"的问题.提出了两种波束成形方案:1)最大化SINR的最优策略;2)基于迫零准则的次优策略.最优策略将分布式的波束成形系数求解问题通过半定松弛转化为准凸的优化问题,从而利用二分法及内点法求解;并证明了求得的最优半定松弛解即为原优化问题的最优解.次优策略直接迫零对授权接收机造成干扰,并将来自授权发射机的干扰信号抑制为零.该方法对应的优化问题没有迭代运算,且约束函数简单,算法复杂度低.最后通过数值仿真分析了中继数、认知节点最大的发射功率和授权接收机的干扰功率门限等因素对两类算法平均传输速率的影响,并且通过对比实验验证了考虑授权发射机干扰信号影响带来的性能增益.     

基于(火积)理论的船用锅炉构形优化

基于(火积)理论和构形理论,在三个主要换热部件(蒸发器、过热器和经济器)总换热面积一定的约束条件下,以第Ⅲ对流蒸发管束外径、过热器管外径和经济器管外径为优化变量,对船用锅炉进行性能优化,得到整体锅炉的最优性能和最优构形.首先,以(火积)耗散率和耗功率线性加权组成的复合函数为目标进行优化,并分析保热系数、加权系数和换热率等初始设计参数对整体锅炉构形优化结果的影响.结果表明:第Ⅲ对流蒸发管束无量纲管外径、过热器无量纲管外径和经济器无量纲管外径分别存在最佳值1.2, 1.3和1.1,使得复合函数取得三次最小值0.737.相比于初始设计点,优化后整体锅炉的复合函数最高降低26.3%,锅炉综合性能得到显著提升.其次,采用NSGA-Ⅱ算法对整体锅炉进行两目标优化得到相应的Pareto前沿和锅炉最优构形,为整体锅炉的性能优化和结构设计提供一个更为广泛的选择空间.本文研究结果可为各种锅炉的性能优化设计提供理论指导.     

基于深度强化学习与演化计算的风-水-火混合增强智能调度

火电、水电和风电是我国电力工业系统的三大能源主体,根据风-水-火发电互补特性,建立联合优化调度模型对于降低电力系统运行成本以及促进新能源消纳具有重要意义.然而梯级水电站间的时空耦合性、风电的不确定性以及风-水-火多能源相互关联的复杂约束使得联合调度模型求解较为困难.因此,本文提出了一种基于深度强化学习(deep reinforcement learning, DRL)与演化计算的混合增强智能优化框架.该框架首先利用深度强化学习与风-水-火联合调度模型进行交互,并根据交互数据对联合调度模型复杂规律进行持续学习,优化自身控制策略,提高智能体泛化能力.此后,在解决实际调度问题时,为进一步提升算法的个性化能力,利用演化计算算法(particle swarm optimization, PSO)在经过训练的DRL上进一步优化调度方案,实现风-水-火联合调度的快速决策.算例分析表明,所提出的混合增强智能优化框架求解速度快、寻优能力强,提升了DRL优化性能的鲁棒性,提高了风-水-火系统运行的经济性及风电消纳能力.     

主用户状态改变和低信噪比环境下的weight-p能量检测算法

在认知无线电网络中,主用户状态改变和低信噪比都会造成频谱检测的性能下降.本文提出了一种新的加权(weight-p)能量检测算法,用于抵抗主用户状态改变和低信噪比对认知用户检测性能的影响.为减少实现复杂性和节约需要的功耗,我们将weight-p能量检测器的最优权值建模成一个最小采样时间(MST)的优化问题,找出了最优权值和次优权值.仿真表明,在主用户状态改变和低信噪比的场景下,本文提出的weight-p能量检测算法可以提高认知用户的检测性能和降低虚警概率,并且在获得相同检测性能的前提下可以压缩检测时间.     

一种基于自适应种群变异鸽群优化的航天器集群轨道规划方法

航天器集群在复杂条件下的轨道规划问题是当前航天领域的热点以及难点.本文针对分布式集群航天器在队形变换过程中的轨道最优规划问题进行了研究,提出了基于自适应种群变异的鸽群算法(adaptive population variation pigeon-inspired optimization, APVPIO).本文对经典PIO算法中的核心演化算法、演化停滞以及易陷入局部最优解问题进行了研究.同时针对经典PIO算法的适应度函数进行了研究,并且结合轨道规划问题进行了改进.最后基于自适应种群变异的鸽群算法进行了仿真实验,结果表明, APVPIO算法,相比于经典PIO算法、PSO算法在极大减少计算量的同时,有更优规划结果、更深的种群演化深度以及更快的收敛速度,可以满足航天器集群在复杂约束条件下的轨道规划问题.     

基于凸优化理论的无人机编队自主重构算法研究

针对无人机编队自主重构中的最优重构航迹规划问题开展研究,通过综合考虑无人机飞行动力学特性和重构航迹代价,将其转化为多目标组合优化问题进行求解.为提高寻优效率,本文首先提出将多目标组合优化问题转换为非线性单目标优化模型进行求解,并针对两类优化问题等价性进行了理论分析.通过引入松弛算子和规范参数,本文所提出的内点优化算法能够改善经典内点法中的矩阵秩亏损现象,提高了所得解的最优性.通过仿真验证了本文所提出的自主重构算法的可行性和有效性.     

一种求解带有时间调度的四维长方体装填问题的启发式算法

长方体的Packing问题被证明是NP-hard问题。对于低维度Packing问题,国内外学者给出了模拟退火算法、遗传算法、分枝限界算法、拟人算法等求解算法。文中针对带有时间调度的三维长方体的Packing问题,引入封装级别、空间距离和周边生成序数等评判标准,提出了一种基于贪心策略的启发式算法。该算法对每个长方体每一占角位置进行评判,依据空间利用率选择给定格局下的最佳放置长方体及其放置方式,并进行填放。算法的运算复杂度是一个与容器参数A,B,C,T以及长方体数目n有关的多项式O(A~2B~2C~2T~2n~5)。利用该算法对非闸断模式和闸断模式测试样例进行实验,算法求解得到非闸断模式测试样例的平均空间利用率为98.81%,闸断模式测试样例的空间平均利用率为99.87%。并且,对于一半以上样例,该算法能够求出最优解。实验说明该算法对于求解带有时间调度的三维长方体Packing问题十分有效。     

结构包含密集模态时主动振动控制中作动器/传感器的优化配置

分析了已有的作动器/传感器配置方法的不足,针对包含密集模态的挠性结构,分析其可控/可观度的特殊性,提出了针对密频系统的作动器/传感器优化配置准则.通过可控性Gram阵的分块解析形式,避免了求解高阶Lyapunov矩阵方程,并利用了轻阻尼疏频系统自然平衡的条件,降低了求解可控度,即可控性矩阵奇异值的计算量.在此基础上用遗传算法寻优,得到元件的优化配置方式.最后通过算例与另外两种基于可控度的优化配置方法对比,证明依本文方法配置密频系统的作动器/传感器,振动控制效果最优.     

多项目交互组合选择模型的改进粒子群优化研究

为解决多项目之间发生交互作用时的项目选择和组合优化问题,在已有优化模型的基础上,提出改进的粒子群算法,利用种群间跳跃改进的方法增强了粒子的搜索性能,并通过聚类和干涉的方法,防止算法陷入局部最优,有效求解多目标优化模型,最后利用算例分析证明模型和算法的有效性。     

步长选择定理及其应用——平行变步长LMS滤波器组算法

从独立假设出发, 基于均方误差最小准则, 提出并证明LMS(Least Mean Square)算法的步长选择定理, 揭示了较优步长和均方误差的关系. 由此构造一种平行变步长LMS滤波器组算法, 并对算法的理论模型进行了详细分析. 仿真结果表明, 该算法模型的理论曲线和最优变步长LMS (optimal variable step-size LMS, OVS-LMS)模型的学习曲线基本重合, 实验曲线也显示了最优的收敛性和很好的跟踪性能. 因而该算法是最优变步长LMS模型的一种较好的实现形式.     

基于证据推理的故障预报模型

为处理存在定量与定性不确定性信息的非线性复杂系统故障预报问题,建立了基于证据推理(evidential reasoning,ER)的故障预报模型,提出了ER预测模型的参数优化方法.该模型利用ER算法可以处理精确数据、不完整数据、模糊数据的能力,及其非线性融合的特性,对模型的输入信号,通过信息变换技术转化到信度结构框架下,应用解析ER算法对输入信息融合,根据输出数据的类型,构造相应的预测输出,给出了故障识别方法.针对ER预测模型参数难以精确的主观确定的困难,建立了非线性优化模型,对模型参数进行优化学习,获取最优模型参数.通过实验对ER预测模型的性能进行了分析,结果表明,建立的预测模型和参数优化模型可以有效的处理故障预报问题.     

翼型和机翼的多目标优化设计研究

为使已有的单目标优化方法推广用于多目标/多学科优化中去, 构造一个合适的综合目标函数(确定性算法)或适应函数(遗传算法)是十分重要的. 提出了一种适用于具有约束优化问题的目标函数组合法(OFCM), 讨论了采用确定性算法和遗传算法进行高性能翼型和机翼的双目标和双学科优化的问题. 二维(翼型)和三维(机翼)算例表明本文的方法可用于优化不同流体条件下、不同类型的翼型和机翼.     

基于流形鸽群优化的智能合约重入性漏洞检测方法研究

重入性漏洞在智能合约中普遍存在,可能造成巨大的经济损失.现有的基于符号执行的静态分析工具通过预设的规则判断漏洞是否存在,然而预设规则不全面可能会导致重入性漏洞的误报.为了避免误报,本研究尝试从软件测试用例生成的动态分析角度解决这一难题.本文将该应用场景抽象为存在重入性循环路径的路径覆盖测试用例自动生成问题,通过生成并执行覆盖重入性循环路径的测试用例来检测重入性漏洞.以鸽群算法为代表的群体智能算法是求解测试用例生成这类黑盒优化问题的常用方法.鸽群算法在整个决策空间内围绕种群最优解邻域搜索,然而,问题的最优解可能并不在该邻域内,导致路径覆盖率较低.为了提升鸽群算法的路径覆盖率,本文将利用流形启发式算子改进鸽群算法,使其分配更多的算力搜索与优化目标相关的子空间,从而提升鸽群算法求解效率,覆盖重入性循环路径.实验结果显示,改进后的流形鸽群算法能够更加高效地生成覆盖重入性循环路径的测试用例,检测出被测合约的重入性漏洞.与Oyente, Securify和Smartcheck这三个智能合约测试工具相比,本文提出的方法能够有效避免重入性漏洞的误报,在实验的8个被测试智能合约中重入性漏洞识别准确率分别...     

基于改进万有引力搜索算法的无人机航路规划

无人机航路规划是根据任务目标规划出某种性能指标最优的飞行航路的全局优化问题.本文将改进后的万有引力搜索算法用于求解航路规划问题,在万有引力搜索算法的速度更新部分引入粒子群算法中的记忆和群体信息交流功能,改善了最优解的质量;然后提出了基于权值的粒子惯性质量更新公式,以加快全局搜索的收敛速度;后运用优胜劣汰的选择操作规则,对粒子的位置进行更新,使种群始终朝着最优解的方向进化.通过与其他仿生智能计算方法的仿真实验对比,验证了本文所提算法可在复杂作战环境下实时有效规划出无人机的最优航路.     

基于化学反应优化的多无人机地面移动目标协同观测航迹规划

随着无人机技术的飞跃式发展,利用无人机跟踪地面目标在军事和民用领域得到了广泛的应用.鉴于目标所在环境以及运动状态的不确定性,单一无人机已不能胜任日益复杂的应用环境,利用多无人机协同跟踪目标成为改善目标跟踪任务鲁棒性的一种有效手段.本文针对多无人机协同跟踪观测航路难以求解的特点,提出了一种基于进化算法的近似求解方法,以解决多无人机对被跟踪目标观测航路的时空优化问题.本文通过分析与机身以固定安装角连接的传感器在地面有效观测区域模型,提出了包括目标观测时间和航路安全在内的控制方案,并采用了一种基于化学反应优化(chemical reaction optimization,CRO)理论框架的启发式求解策略,规划无人机的最优协同观测航路.仿真的结果表明,本文所提出的方法能够实现多无人机协同跟踪地面移动目标的要求,在满足无人机性能约束和飞行安全的情况下,具有更长的对目标监测时间.     

一类含积分约束的生产制造系统优化调度

“即时消费”类生产制造系统的优化调度具有重要学术和应用价值. 满足此类系统对产量的实时需求, 考虑调度计划的可实现性具有挑战性. 如何得到精确满足累积产量实时需求的最优调度目前尚无系统方法, 迫切需要研究. 本文建立了含积分约束的生产制造系统优化调度新模型. 通过对生产量变化率约束的深入分析, 证明了该类优化问题等价于光滑非线性规划问题. 生产设备在各时段的产量上下界可表述为时段初、末时刻瞬时生产率的二元函数, 且为精确可达的上下界. 本文结合梯度映射的单调性, 证明了上下界函数的凸性(凹性), 在生产成本为凸函数时, 进一步证明了此类优化调度问题等价于凸规划问题. 本文以上述分析为基础, 针对含积分约束的生产制造系统优化调度问题, 提出了两阶段数值求解方法, 在许多情况下可以迅速获得调度问题的全局最优解. 新模型和相应求解方法克服了生产量变化率约束带来的困难, 获得了精确满足累积产量实时需求的最优调度. 本文同时以电力生产优化调度问题为例, 进行数值求解, 并对结果进行了讨论, 验证了新模型和相应方法的有效性.     

基于总空闲时间增量的无等待流水作业计划优化算法

将NP难的最小化最长完工时间无等待流水作业计划问题等价转化为最小化总空闲时间的问题.分析任务之间的独立性,给出算法基本算子的目标增量性质,通过计算目标增量而不是整个目标函数值来判断新作业计划的优劣,可将算法的时间复杂度降低1阶.提出生成初始作业计划算法,实验分析出迭代构造解和再改进解的有效方法;构造出有效的快速迭代启发式算法FCH(fast composite heuristic).FCH和目前求解该问题的有效算法比较,实验结果表明,FCH接近目前的最好性能,需要最少的计算时间.FCH可为大规模无等待作业计划、实时调度和重调度等问题提供有效方法.     

多天线放大转发中继系统基于MMSE的重传预编码设计

针对多天线放大转发中继系统,本文提出了一种基于MMSE的新的重传预编码方案,把重传预编码设计问题分解成两个子问题:离散的信道配对和连续的联合源、中继功率分配问题.最优的信道配对需要遍历所有信道配对方式,对于每一种配对方式,联合源、中继功率分配问题是一个多参数非凸的优化问题,本文提出了一种获得该问题最优解的算法和一种次优迭代功率分配算法,此种通过遍历信道配对获得最优重传预编码的方案计算复杂度较高.本文证明了在一跳信道信噪比趋于无穷时,最优的信道配对是使之前的子信道增益和当前另一跳信道奇异值大小排列顺序相反,进而提出了一种简化的信道配对方法.仿真结果表明,简化的信道配对和迭代功率分配算法性能均接近最优.本文所提出的重传预编码与已有的预编码相比,能获得明显性能提升.