简化的自适应粒子群优化算法

胡旺等人在2007年提出了一种简化粒子群优化算法,基于他的思想,我们给出一个简化自适应粒子群优化算法,在该算法中权重采用标准粒子群算法的自适应权重公式,但是权重的最大值根据解的进化情况不断更新,解改进的成功率的越大权重最大值增大,反之,解改进的成功率的越小权重最大值减小.最后,通过几个典型例子对给出的算法进行检验并与其...     

简化的自适应粒子群优化算法

对基本粒子群优化算法作了一些改进:通过去掉速度因子简化算法结构,引入指数下降形式的惯性权重,对全局极值进行自适应的变异操作,进而提出一种简化的带变异算子的自适应粒子群优化算法。通过与其他改进的粒子群算法的数值实验对比分析,表明提出的新算法能够有效地避免早熟收敛问题,并能较大幅度地提高收敛速度和收敛精度。     

多惯性权重的自适应粒子群优化算法

惯性权重是粒子群优化算法重要参数之一,它能够平衡算法的全局搜索能力和局部搜索能力.为了利用已知惯性权重解决某些问题的优点,提出一种多惯性权重的自适应粒子群优化算法.首先定义了K步进化度的概念,然后基于进化度,从惯性权重集中随机选择惯性权重,使得适合解决某一问题的惯性权重在迭代过程中能够多次被使用,从而提高算法性能,把该...     

风电场微观选址工作的探讨

结合工程实例,对实际微观选址中存在的问题进行了汇总与分析,提出了在开展微观选址前需要注意的事项,为今后微观选址工作的顺利进行提供参考。     

基于自适应粒子群优化算法的神经网络的优化研究

针对传统的神经网络训练算法收敛速度慢和泛化性能低的缺陷,提出一种新的自适应粒子群优化算法用于神经网络的训练.该算法通过改进自适应搜索策略以提高网络泛化性能,并结合Ionosphere雷达信号分类数据集进行仿真测试.研究结果表明:基于自适应粒子群优化算法训练的神经网络在分类准确率和分类误差上明显优于传统的BP算法,且很好地提高了网络泛化能力和优化效果.     

改进粒子群算法的风电场多目标无功优化

采用基于场景的思想确定了风电机组功率输出,通过在潮流计算中增加对风电场节点电压的迭代解决了含风电场的潮流计算问题。建立了有功网损最小、电压偏差最小、静态电压稳定裕度最大的多目标无功优化模型,提出了多目标归一化处理方法,通过改变各分量权重系数解决了多目标无功优化问题。分析了基于遗传交叉因子的粒子群优化算法,通过父代的遗传交叉产生代表解的新粒子,有效避免了粒子解陷入局部最优。算例表明,该模型和算法可有效解决含风电场的多目标无功优化问题。     

基于扰动的自适应粒子群优化算法

【目的】针对标准粒子群优化算法在应用中暴露出的缺点,如在迭代后期收敛速度慢、搜索精度不高、容易陷入局部最优等,提出一种基于扰动的自适应粒子群优化算法。【方法】该算法将扰动因子加入速度更新公式中,使种群搜索范围扩大;采用自适应的惯性权重,以起到平衡全局和局部寻优能力的作用;对最优粒子进行自适应的柯西变异,拓展最优粒子的搜索空间,降低粒子陷入局部最优的可能性;最后对算法进行仿真实验。【结果】新算法能够增强全局搜索能力,有效避免局部最优,具有更快的收敛速度。【结论】新算法克服了标准粒子群优化算法的缺点,为进一步研究粒子群优化算法的改进和应用提供科学依据。     

基于混沌优化的动态自适应粒子群优化算法

针对粒子群算法(PSO)存在早熟收敛、易陷入局部极值的问题,提出了基于混沌优化的动态自适应惯性权重粒子群优化算法(DAWCPSO).首先使用新的动态自适应惯性权重方法平衡粒子的全局和局部搜索能力;当粒子陷入局部极值状态时,使用混沌优化策略扩大粒子的搜索范围,当前粒子获得一个新的随机且不重复的位置,使粒子能够继续在可行域...     

带自适应压缩因子粒子群优化算法

针对函数全局优化问题,提出了一种自适应压缩因子粒子群优化算法。研究的结果是对粒子群优化算法定义了一个与迭代步有关的压缩因子,随着迭代步不断增大压缩因子逐渐减小,使得在算法初期,压缩因子较大,提高算法的全局搜索能力,在算法后期,压缩因子较小,提高算法的局部搜索能力,另外,把差分进化算法中的交叉与变异思想引入到该粒子群优化算法中,改善了粒子的多样性。最后把算法应用到两类测试问题中,并与其他粒子群优化算法进行比较分析,数值结果表明,算法是可行的、有效的。该成果对全局优化问题的求解具有一定的参考价值和指导意义。     

基于自适应粒子群算法的电动汽车充电桩布局优化

为了优化城市汽车充电桩布局,本文在主要考虑建设成本和运营成本最小化的基础上,结合居民用电和土地成本等因素构建了社会总成本最小的规划模型,并运用Floyd最短路径算法以进行选址约简。为避免传统粒子群算法（PSO）收敛速度慢、易陷入局部最优的缺点,本文采用了自适应粒子群优化算法（CPSO）对模型进行求解,并结合一个算例分析验证了所提出算法在城市电动汽车充电桩选址布局规划中的可行性。     

风电场尾流干涉效应及布局优化研究

为探寻风电场尾流干涉效应及定量预报不同风电场布局下整体输出效能,从工程中预报单台风电机尾流效应使用最普遍的Jensen模型出发,基于风电场布局中上游风力机对下游风力机的遮蔽效应及遮蔽模式,构建尾流干涉效应数学模型,编制风电场尾流干涉效应预报程序,研究齐位排列方式下风电场整体输出效能随风电场规模、行列间距及风向角的变化规律,以及错位排列方式下风电场整体输出效能随错位间距和风向角的变化规律。结果表明：不同风电场规模下整体输出效能均随着行列间距的增大而增大,不同行列间距下整体输出效能均随着风电场规模的增大而减小;不同错位间距和风向角下风电场整体输出效能差异明显,需根据风电场所在地风向来合理安排风力机行列间距,以最大化整体输出效能。研究可为工程中预报任意风电场布局下风电机组尾流干涉效应及合理化设计风电场布局提供技术支撑。     

一种有效的多峰优化鸟群算法

针对鸟群算法(BSA) 在处理多峰优化问题时容易出现陷入局部极值的问题,提出了一种有效的多峰优化鸟群算法(MOBSA) ,通过对仿生过程即鸟类身份的分类策略进行调整, 并将应用于初始位置生成和飞行位置更新的莱维飞行引入到鸟群算法中,从而有效地提高了鸟群算法的仿生智能性．以标准鸟群算法和粒子群算法作为对比,在 6 个优化函数的 30 维上进行了仿真对比实验．实验结果表明: 多峰优化鸟群算法在单峰函数上能有效地提高优化精度,在多峰函数上也能跳出部分极值,得到比鸟群算法更好的优化结果,是一种有效的改进鸟群算法．     

基于期望生存率的动态自适应粒子群算法

针对惯性权重线性递减粒子群算法(LDPSO)不能适应复杂的非线性优化搜索过程的问题,提出了一种动态改变惯性权重的自适应粒子群算法(DAPSO).在该算法中引入期望生存率的概念,并根据它对粒子群算法搜索能力的影响,将惯性因子表示为期望生存率的函数.每次迭代时算法可根据当前粒子群平均期望生存率的大小动态地改变惯性权重,从而使算法具有动态自适应性.对6个典型函数的测试结果表明,DAPSO算法的收敛速度明显优于LDPSO算法,收敛精度也有所提高.     

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。     

基于混沌理论和自适应惯性权重的PSO算法优化

针对粒子群算法固定惯性权重和早熟收敛的缺陷,提出一种动态自适应惯性权重调整策略,有效增强了算法的全局和局部寻优能力;并针对早熟问题,采用混沌映射方法增加种群多样性,同时利用负梯度方向调整群体极值,极大降低了算法陷入局部极值的概率.通过在多个常用测试函数上与其他算法比较,证明了所提改进粒子群算法的正确性和有效性.     

一种基于双子群的改进粒子群优化算法

针对粒子群优化算法易于陷入局部最优解并存在早熟收敛的问题,提出了一种基于双子群的改进粒子群优化算法(TS-IPSO),通过2组搜索方向相反的主、辅子群之间的相互协同,扩大搜索范围,借鉴遗传算法的杂交机制,并采用惯性权值的非线性递减策略,加快算法的收敛速度和提高粒子的搜索能力,降低了算法陷入局部极值的风险.实验结果表明该...     

基于粒子群算法的认知水声通信多信道联合频谱感知技术研究

水声信道可用通信带宽极其有限,如何实现对水下频谱资源的有效共享成为亟需解决的问题,认知水声通信的提出为其指明了新的方向。考虑到水声信道严重的频率选择性衰落和多径效应等特殊性,将多信道联合频谱感知技术应用于认知水声通信中,研究了适用于水下的多信道联合感知的数学模型,并将此模型转换为以认知水声通信系统总吞吐率最大化为目标的带约束优化问题,进而提出了基于粒子群优化方法的多信道联合感知算法。仿真实验表明在相同的干扰条件下,新算法比传统未使用优化而取一致判决门限的水下频谱感知方法能取得更高的系统总吞吐率。     

基于PSO-BP的钻井机械钻速预测模型

机械钻速预测是优化钻进过程、提高钻井效率的关键技术,现有的计算模型主要建立在物理实验和理论分析的基础上,缺少对钻井工程实测数据的应用,导致计算精度难以满足复杂的现场需求.基于此,提出一种人工智能算法与BP(back propagation)神经网络相结合的钻井机械钻速预测模型.首先,利用小波滤波方法对实测数据进行降噪处...     

基于4VA信息素的蝗虫优化算法

针对标准蝗虫优化算法(Grasshopper Optimization Algorithm, GOA)存在的不足,基于对蝗虫活动习性和行为特征的模拟,结合GOA模型,提出一种基于4-乙烯基苯甲醚(4-vinylanisole, 4VA)信息素的蝗虫优化算法(Grasshopper Optimization Algorithm Based on 4-vinylanisole Pheromone, VAGOA)。首先,基于4VA是蝗虫的聚集信息素,设计4VA信息素表达式;其次,对不同蝗虫群体(群居型蝗虫和散居型蝗虫)中的个体分别采用不同的搜索策略,在探索和开发之间取得平衡,使算法全局探索能力和局部开发能力均得到有效提升,增强算法的全局寻优能力和规避陷入局部最优的能力。通过12个基准函数的仿真实验,并与GOA、PSO、HCUGOA、SA＿CAGOA算法相比较,结果表明VAGOA的全局搜索能力有明显提高,在函数优化中明显具有更快的全局收敛速度及更好的稳定性。     

基于变权计算的公路路线方案优选

针对传统的常权评价容易导致\"状态失衡\",提出一种公路路线方案变权重优选模型。首先,根据方案优选影响因素构建指标体系,运用AHP和变权重理论计算评价指标的变权重系数;然后,基于以上各影响因素及其权重,构建变权重-TOPSIS公路路线方案综合评判模型,再对各方案优越度进行计算,得出最优方案。采用该模型对湖南省某二级公路A点至B点的四个方案进行评价,所得结果比传统的评判方法更贴近工程实际,表明该优选模型工程可行性和有效性较高。