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.     

基于多孔非稳定抽水试验的缓倾层状含水层各向异性渗透参数计算

探讨通过多孔抽水试验的降深(s)-时间(t)关系获取水文地质参数中的各向异性参数。利用重庆市渝北区某场地砂岩含水层的多孔非稳定流抽水试验数据,结合非轴向各向异性渗透系数张量的理论,通过运用Matlab编程迭代计算了渗透系数张量的比值及其主要方向。结果显示,2组试验结果所获得的数据较为吻合,渗透系数(K)张量的方向θ值范围为[8°,18°],Ky/Kx的取值范围为[7.5,13]。该结果证明了计算方法的适用性和合理性,运用该方法确定含水层各向异性渗透参数所需的核心参数为s-lnt直线在零降深上的截距。     

基于标准粒子群算法的混凝土箱梁水化热过程热工参数反演

针对通过施工现场和实验室试验获取混凝土箱梁水化热仿真分析所需的热工参数缺乏一定的准确性和便捷性,以某混凝土箱梁水化热过程为试验背景,结合文献研究结果确定混凝土箱梁热工参数的取值范围,采用方差分析确定各参数对温度的敏感性,并通过排序筛选敏感性高的参数作为待反演参数,基于标准粒子群算法,对比遗传算法对敏感性高的5个参数进行反演.研究结果表明:混凝土箱梁浇筑过程中,水泥水化热对温度的影响最大,智能算法能有效反演混凝土箱梁热工参数;当迭代次数增大到一定的程度时,标准粒子群算法对应的目标函数小于遗传算法对应的目标函数,遗传算法收敛过程曲线比较平缓,而标准粒子群算法的早期有突变.     

一种改进的RBF神经网络混合学习算法

提出一种基于粒子群优化算法、K-means算法及减聚类算法的径向基函数(RBF)神经网络混合学习算法.该算法使用减聚类方法确定隐层节点数,具有自适应确定隐层节点的能力,避免了调整隐层节点的人为干预.通过K-means算法形成粒子群优化(PSO)算法初始粒子群,避免了初始粒子群的随机性,提高了粒子群优化算法的优选能力;采用PSO算法训练RBF神经网络中的所有参数.数值结果表明,改进的混合算法具有更高的分类准确率。     

基于灰狼粒子群混合算法的相机标定优化方法

针对传统标定方法参数考虑较少、标定精度不高的缺点,将群智能算法思想应用其中,并在现有的粒子群算法和灰狼算法基础上进行优化,取长补短,提出一种混合算法.首先,基于张正友方法获得标定的参数范围,在该范围内随机生成参数作为初始值,然后以最小平均误差为准则,利用灰狼粒子群优化混合算法,建立目标函数,进一步求解相机的内外参数.研究结果表明,该算法求解结果准确、稳定,可重复操作,可以有效地提高标定精度,结果好于其他几种方法.     

粒子群优化算法收敛性分析

对粒子群优化算法的收敛性进行了分析,给出了收敛条件,数值试验计算验证了收敛性分析结果。讨论了粒子群优化算法参数选取的基本原则。     

基于混合优化算法的地震数据匹配追踪分解

以5个参数(幅度、频率、相位移、尺度因子、时移)控制的Morlet小波作为匹配子波原子,在确定控制参数的过程中,提出应用具有全局优化能力的粒子群优化算法与具有局部优化能力的BFGS算法的混合优化算法,能够使得匹配追踪算法不再依赖于复数道分析确定子波原子的振幅、频率和相位的初值.控制子波时间延续长度的尺度因子是一个重要的参数.匹配追踪分解后,消除较小和较大的尺度因子和分解终止时的剩余信号能够有效地压制地震数据噪声.利用局部函数解析表达式和残差信号能量进行有效地控制算法的迭代次数可以提高计算效率.数值试验和实际资料的应用均表明:利用本文方法能够压制地震数据噪声,对地震信号快速地、精确地进行时频谱分析,为烃类检测和储层描述提供有效的手段.     

用于宽带自适应通信的认知无线电决策引擎设计

为改善认知无线电的自适应参数调整功能,提出了基于混合的离散二进制粒子群算法对无线电系统待优化的目标函数进行寻优,针对多载波系统对算法性能进行了仿真分析。结果表明,基于混合的离散二进制粒子群算法的认知决策引擎在收敛速度、收敛精度和算法稳定度方面都有所提高。     

太阳影子定位参数反演模型的混合粒子群算法

针对非线性太阳影子定位参数反演问题,给出一种基于单纯形算法的权重线性递减的粒子群混合算法,此混合算法融合了单纯形算法的精确局部搜索能力和粒子群算法全局搜索能力,且采用权重线性递减的粒子群算法加快了算法的收敛速度。在太阳影子定位参数反演的数值实验中,所提算法不仅成功反演参数,而且拥有较高的计算精度和更快的收敛速度。     

基于粒子群优化算法的寻源导热反问题研究

给出了描述导热问题的数学模型,根据最小二乘法原理建立导热反问题的目标函数,并采用从鸟群捕食行为演化而来的粒子群优化算法对含有热源项的导热反问题进行热源位置的反演求解,同时对粒子群优化算法中惯性系数的取值范围进行了讨论.结果表明:采用粒子群算法反演热源的位置可以取得较好的结果,使用随迭代次数变化的惯性系数可以加快算法的收敛速度.     

基于粒子群算法和增广拉格朗日乘子法的混合可靠性分析

本文提出了一种基于粒子群算法和增广拉格朗日乘子法的混合可靠性分析方法.该方法通过引入参数的不确定性和区间变量,得到一种概率-区间混合不确定模型,充分利用增广拉格朗日乘子法将有约束优化问题转化为无约束优化问题,基于此进行求解和结构可靠性分析.数值算例和工程实例验证了该算法在计算结构可靠性问题时对于线性和非线性的功能函数有良好的收敛性和较高的计算效率.     

基于粒子群算法的数控加工切削参数优化

以实际生产加工中的经验公式为基础,考虑加工中机床和刀具的实际约束,建立了以进给量和切削速度为变量,以最大生产率和最低生产成本为优化目标的多目标优化模型,并引入协调系数将其转化成单目标优化模型.应用粒子群算法对数学模型进行寻优求解.实例表明经过优化计算得到的切削参数取值比经验值更能满足优化目标,也说明了粒子群算法适用于解决复杂的非线性优化问题.     

一种基于对数正态分布的图像阈值模型

为了更准确地拟合图像的目标与背景的灰度级分布并分割出图像的目标部分,采用基于参数的阈值估计方法,提出了基于对数正态分布的粒子群EM混合算法,设计了对数正态分布参数的粒子群算法、EM算法和粒子群EM混合算法,给出了对数正态分布参数的计算过程。研究结果表明:对数正态混合分布能够很好地拟合一类图像的目标与背景的灰度级分布,粒子群EM混合算法具有较好的收敛性。该研究成果有助于解决一类图像的目标与背景的分割问题。     

基于多目标粒子群算法的矩形微通道结构优化

为提升矩形微通道的综合性能,通过多目标粒子群算法对矩形微通道进行数值优化,由响应曲面法拟合热阻函数,再以热阻与压降为目标函数,建立以矩形微通道结构参数为变量的多 目标粒子群算法的数学模型.由多 目标粒子群算法计算得到热阻与压降的pareto优化解集,用K-mean聚类法对优化解集进行聚类得到4个代表解,与未优化解进行对...     

基于混沌粒子群算法的伺服阀动态参数寻优

以双喷嘴挡板伺服阀为研究对象,确定6个动态参数为待寻优参数,根据快速性和稳定性的优化目标,建立伺服阀动态参数优化模型。优化模型运用混沌粒子群优化算法对伺服阀的动态参数进行寻优,得出一组最优解。通过对寻优前后数据的MATLAB仿真对比分析,验证了优化模型和优化方法的有效性。     

粒子群优化算法改进方法的研究

粒子群优化(PSO)算法是一种基于群智能方法的演化计算技术。但是PSO算法后期存在着搜索精度较低,易发散等缺点。对传统的PSO算法加以改进,讨论了PSO和AFSA的混合算法,最后通过与传统PSO算法及几种常用的改进PSO算法相比较,得出这种PSO和AFSA的混合算法能够有效地提高PSO算法的寻优能力。     

基于自适应粒子群优化算法的光伏电池参数辨识

利用双二极管等效电路模型进行光伏电池输出特性仿真,基于光伏电池的U-I数据建立了目标寻优函数,采用自适应粒子群优化算法对光伏电池参数进行了反演计算.结果表明:U-I反演曲线与实际曲线基本吻合,自适应粒子群算法与单纯形方法的参数辨识结果均与理论值相符,权重因子策略和种群规模对自适应粒子群优化算法寻优结果具有显著影响,基于自适粒子群优化算法的光伏电池参数辨识方法具有更高的求解精度和寻优效率.     

求解作业车间调度问题的粒子群优化算法

讨论了作业车间调度问题的数学表达模型,考虑将粒子群优化算法与差异演化算法的优点结合起来,提出求解作业车间调度问题的新的混合粒子群优化算法,对7个标准算例的仿真结果表明了算法的有效性和优越性.     

混合学习法前向网络多属性储层参数预测

应用前向网络描述地震属性和储层参数间的非线性映射关系时,经典的误差反向传播算法存在收敛速度慢,易陷入局部极值等诸多不足。研究了融合粒子群优化算法和误差反向传播算法的混合学习法前向网络多属性储层参数预测技术。粒子群优化算法是一种群体随机搜索演化计算技术,具有较快的收敛速度和较强的全局搜寻能力;误差反向传播算法本质上是梯度下降算法,注重局部搜索。混合学习法为两种学习算法交替执行,首先以粒子群优化算法训练网络,当误差能量在规定的迭代次数内不再发生变化时,采用误差反向传播算法实现局部寻优。理论函数逼近测试和实际储层参数预测实验说明了混合学习法具有学习时间短、求解效率高、可靠性强的优点,具有良好的应用前景。     

风-光-抽水蓄能联合发电系统的优化运行

针对风-光-抽水蓄能联合发电系统各部分出力不佳导致的收益不高问题,通过改进粒子群万有引力混合算法,将混沌算法、惯性权重和改进步长因子引入传统的粒子群万有引力算法,解决传统算法的寻优能力弱、精度不高的问题.将改进后的粒子群万有引力算法应用于实际工程算例当中,优化联合发电系统各部分的出力,进而得到最大经济效益.与粒子群算法...