基于免疫算法的火电厂机组负荷优化分配研究

提出应用进化算法—免疫算法解决负荷优化分配的问题,在分析负荷分配的数学模型和免疫算法的基础上,详细研究了基于免疫算法的负荷优化分配方法。文中提出了抗体基因编码采用混合编码及抗体组的概念,更有利于算法的进行。该算法通过10台机组系统进行了验证,计算结果表明该算法与其他优化算法相比,能更有效的达到或接近全局最优。     

经济负荷分配问题的闭环文化粒子群算法

结合文化算法的双层进化结构和粒子群算法的局部搜索性能,提出了求解经济负荷分配问题的闭环文化粒子群算法。算法设置了上层的信念空间和下层的群体空间,并利用同步传输方式通过接受操作和影响操作来完成两层空间的交互;各群体空间采用反馈控制的原理对粒子的演化速度进行控制以保持群体的多样性。通过对文献中的3机组6母线和IEEE30BUS经济负荷分配问题的仿真结果表明,闭环文化粒子群算法有更好的收敛性能和更快的收敛速度。     

基于NS2的RPR带宽分配算法参数确定方法

RPR(resiliencepacketring)是一种MAC层的环网络协议,具有全双工,空间可重用,自我护的特点,IEEE正在致力于RPR标准化。带宽分配算法是整个协议(RPRDraft1.0)讨论的重点之一,在分析了RPRDraft1.0中定义的参数Lpcoef和Rampcoef对带宽分配算法效率的影响之后,分别用25种不同的关键参数配置NS2RPR模拟器,模拟经典的两种背景压力情景,综合考虑收敛时间和振荡波形可以选出最优的关键参数组合。实验结果发现Lpcoef=32且Rampcoef=64在收敛时间与振荡方面都优于草案中建议的Lpcoef=64且Rampcoef=64。     

基于信道分配的多跳认知无线电网络路由算法

现有认知无线电网络中路由算法没有综合考虑主用户的到达率和认知用户竞争使用信道对网络性能的影响。针对上述问题,结合认知无线电网络频谱动态变化的特性,提出一种基于信道分配的多跳认知无线电网络路由算法（multi-hop cognitive routing basedan channel allocation, MCRC）。MCRC算法先得到最大化总吞吐量的全局信道分配,然后考虑主用户使用授权信道的概率和认知用户竞争使用信道的概率,得到认知用户使用某个信道的概率,最后以信道的有效传输时延作为选路标准,根据Dijkstra算法选择最小时延的路径。性能评估结果表明,MCRC明显地减小了平均端到端时延,极大地提高了平均端到端吞吐量。     

基于Hopfield网络单元机组负荷多变量模型算法控制

电厂负荷系统是一个有耦合和约束的多变量对象。模型算法控制(MAC)是预测控制的一种，在惯性迟延对象的控制中有很好的应用。该文提出用Hopfield网络来求解具有约束的多变量负荷系统的控制输入。仿真表明，该方法算法简单、鲁棒性强、控制效果理想。     

基于混合遗传算法的目标优化分配

根据防空作战目标分配的特点 ,在分析启发式方法和遗传算法基础上 ,将二者结合起来得到了求解目标优化分配问题的混合遗传算法 ,该算法具有全局收敛性.     

系统可靠性分配的神经网络模型

对系统可靠性的代数分配法的复杂性因子的计算方法提出修正因子,建立修正后的代数分配法的多层前向神经网络模型。利用误差反向传播的改进算法对样本数据进行训练,并用另外的一些样本数据验证模型的应用效果。同时提出综合因素分配的神经网络模型。     

基于改进PSO-BP算法的冷负荷预测模型

针对PSO-BP(Particle Swarm Optimization-Back Propagation)神经网络预测模型在冰蓄冷空调冷负荷预测中存在输入输出数据关联度低和预测模型存在误差的情况,提出了一种基于JMP数据处理软件、PSO-BP神经网络和马尔可夫链的组合预测方法.利用JMP处理输入数据,剔除耦合度低的样...     

基于起讫点的均衡交通分配改进算法

AnthonyChen (2002)提出的基于起讫点的Frank-Wolfe (ODBFW)算法, 对同一起点的所有OD对搜索最短路树, 采用one-OD-at-a-time流量更新策略, 是一种收敛性能较好的均衡交通分配算法. 主要对ODBFW算法的初始化、线性搜索及最短路搜索算法进行改进, 提出ODBFW改进算法. 将ODBFW改进算法应用于国际上同类研究常用的SiouxFalls网络及我国山东省诸城市实际道路网, 比较标准FW算法、ODBFW算法及ODBFW改进算法的可行性、效率及稳定性. 结果显示, 改进算法效率较标准FW算法有显著提高, 稳定性较好. 在小型测试路网上改进算法较ODBFW算法达到收敛的时间减少近15%, 在大型测试路网上减少近5%.     

基于离散人工蜂群算法的认知无线电频谱分配

针对二进制粒子群优化算法在认知无线电频谱分配中容易陷入局部最优等问题,将人工蜂群算法引入到认知无线电频谱分配中,提出了基于离散人工蜂群算法的认知无线电频谱分配方法。针对一种认知无线电网络模型,将离散人工蜂群算法中的蜜源位置离散化,与模型中的可用频谱矩阵相结合产生分配矩阵,对目标函数进行优化,并且使用了一种新的比例公平性目标函数评价该算法的性能;通过仿真比较了本文算法与二进制粒子群优化算法的频谱分配方法的性能,同时在使用电视频段的认知无线电系统进行了验证,结果表明本文算法的高效性和优越性。     

基于关键链和混合优化算法的舰船多项目并行建造进度管理方法

针对舰船多资源约束、多项目并行建造条件下进度优化与管理能力的不足,提出了一套进度管理方法。首先,基于关键链理论给出了多资源约束下舰船多项目并行建造进度管理步骤。其次,构建了舰船多项目并行建造进度优化模型,可实现在优化并行项目总工期的过程中通过合理分配各种资源获取最佳项目实施组合。最后,设计了适合于舰船建造等大型复杂工程项目求解的混合优化算法,并通过算例验证了方法的实用性。     

一种新的基于平行因子分析的近场源定位算法

提出了一种新的多个近场窄带信源距离、频率及到达角三维参数的联合估计算法。该算法将通常在数据和子空间域应用的平行因子分析模型扩展至高阶累积量域,利用阵元输出计算的高阶累积量矩阵构造三面阵,分析了该三面阵低秩分解的唯一性,并从分解得到的多个矩阵中联合估计信源距离、频率及到达角。该算法仅需使用3个高阶累积量矩阵,而且无须谱峰搜索和参数配对,计算简单。仿真结果表明该算法是有效的。     

基于佳点萤火虫算法与BP神经网络并行集成学习的旱情预测模型

针对传统BP神经网络在旱情预测的实际应用中随机初始权值和阈值导致网络学习速度慢、易陷入局部解以及计算精度低等缺陷,提出一种基于数论佳点集萤火虫(good point set glowworm swarm optimization,GPSGSO)算法与BP神经网络(back propagation neural network,BPNN)并行集成学习算法(GPSGSO-BPNN)的旱情预测模型.首先,借鉴数论中佳点集理论构造初始均匀分布的萤火虫种群,并引入惯性权重函数动态修正移动步长,生成基于数论佳点集理论萤火虫算法,并从理论上分析算法的有效性;其次,将GPSGSO算法与BPNN相结合构建并行集成学习算法,实现两种算法的并行交互集成.最后,将并行集成学习算法应用于农业干旱灾害预测中,构建基于GPSGSO-BPNN并行集成学习算法的旱情预测模型.通过8个Benchmark函数验证了GPSGSO算法在收敛速度、计算精度及稳定性等方面的有效性.同时,以皖北农业干旱气象数据作为仿真数据,实验结果表明GPSGSO-BPNN算法在计算速度、精度及稳定性方面较传统BPNN、GSO-BPNN及GA-BPNN等算法有较明显的优势,提高了旱情等级预测的准确性.     

基于学习机制的退火并行遗传算法应用研究

本文综合并行遗传算法(PGA)和模拟退火算法(SA)的优点,提出一种新的退火并行混合优化策略(PGASA).该算法克服了并行遗传算法局部搜索能力弱的缺点,在子种群的搜索中引入SA作为GA种群的变异算子,增强和补充了PGA的局部进化能力;同时将机器学习原理引入到混合算法中,增加了种群的平均适值,有效地避免了最优解的丢失,加快了进化速度.针对车间调度中的典型问题进行了仿真,结果证明了新算法的有效性.     

基于模糊内模的自适应控制算法的并行处理

针对非线性系统,在PRAM计算模型上,探讨基于模糊内模自适应控制算法的并行处理。利用TSK建模方法,m个处理机并行地在线辨识出模糊内部模型,并采用内模控制理论并行求出H2最优控制器。仿真实验表明,并行处理方法达到亚线性加速,可以较好地满足实时在线辨识内部模型的应用需求。     

星图识别的剖分算法

为了提高星敏感器的测量速度和精度,在星图识别中首次采用了在地球物理地质建模中有着广泛应用的剖分算法。利用这一算法进行星图的匹配识别,仿真实验结果表明与现有的星图识别算法相比,此算法具有高的识别率,良好的实时性和鲁棒性,且所需导航星库的容量小,检索速度快。     

基于简化模型的卷积混叠盲分离并行算法

电信会议所用的传感器往往相距较近。根据从同一源到两个靠得很近的麦克风的房间冲激响应具有相似性这一特点,把多输入多输出盲卷积问题简化为若干个单输入单输出卷积混叠盲分离问题。提出了一种新的使用时间预测性的多输入-多输出盲解卷算法,该算法通过简化模型和并行算法,能用广义特征值的方法直接求出解卷滤波器,因而算法复杂度小。使用音频信号的计算机仿真结果显示了算法的有效性。     

声纳并行处理系统的设计方法与调度策略

针对声纳系统实时处理的要求,讨论了其并行程序设计方法和程序调度策略。根据声纳处理系统的功能分布、结构分层、数据流脉动的特性,将并行设计与调度映射统一考虑,建立了一种设计模式。先自上而下层层分解,以有向非循环图(directed acyclic graph, DAG)描述系统,采用网络计划技术建立数学约束模型;再从下至上逐层整合;然后按宏观大粒度调度,微观小粒度映射,程序并行流水执行的方法实现系统的运行与调度。据此设计模式对一个实例进行设计,验证其有效性。     

一种改进的粗粒度并行蚁群算法

蚁群算法是一种模拟进化算法,具有很强的全局搜索能力。提出了一种基于粗粒度模型的并行蚁群算法,该算法采用了一个新的信息素更新策略———Ant-proportion,这种新的更新策略是综合考虑全局和局部信息,依据蚂蚁在搜索过程中所得到的路径的优劣程度和路径中各路段对其贡献的大小来分配信息素增量;另一方面,该算法采用的粗粒度模型充分利用了蚁群算法内在的并行性,使得算法具有更快的收敛速度和更好的优化质量。最后,选用了CHN144问题对该算法进行了检验,算法求得的最优路径优于已知的最优结果。     

基于延时相关处理的ESPRIT算法

为了提高旋转不变子空间(estimation of signal parameters via rotational invariance techniques, ESPRIT)算法的分辨力和测角精度,充分利用非零延迟相关函数中信号入射角度的信息,提出了基于延时相关处理的ESPRIT算法。根据所有阵列间延时相关信息,构造新的阵列输出矩阵,并且得到新的协方差矩阵。对新的协方差矩阵进行特征值分解得到特征向量,通过将特征向量划分得到含有入射角度信息的子阵,最终求得信源的入射角度。仿真结果表明,该算法的分辨力和测角精度均优于原ESPRIT算法,并且在小角度间距情况下也有较好的分辨性能。