基于支持向量回归机和粒子群算法的改进协同优化方法

研究基于支持向量回归机和粒子群算法的改进协同优化方法.阐述了协同优化方法和支持向量回归机方法基本原理,为有效解决系统级优化协调困难问题,改善收敛性能,提高收敛速度,采用支持向量回归机构造系统级约束条件的近似模型,引入粒子群算法求解系统级和学科级优化问题.仿真计算结果表明,设计的协同优化方法可有效求解多学科设计优化问题,...     

基于多智能体的交通干线动态智能协调控制

为减少干线上车辆的平均延误时间,提出了一种基于多智能体技术的动态双向绿波带智能控制算法。采用两层递阶结构和模糊逻辑对城市交通干线进行实时协调控制。上层是协调控制器智能体,根据一段时间内交通流数据计算干线上优化的公共周期时间和上下行相位差,下层是路口控制器智能体,确定每个周期内各交叉口的绿信比。周期依照关键路口饱和度的大小由模糊控制算法进行优化,而相位差根据上下行速度进行计算,绿信比基于历史和实时的交通数据确定。实例分析表明该双向绿波带控制算法能够有效减少车辆在干线上的平均停车次数。     

基于CAS-FQL算法的区域交通控制

针对Q-学习算法收敛慢、易陷入局部最优的缺陷,提出了一种基于灾变模糊Q-学习（CAS-FQL）算法的区域交通协调控制方法,即将灾变策略引入到模糊Q-学习算法的学习过程中,以提高和改进Q-学习的寻优能力和学习效率.具体是,利用CAS-FQL算法分别优化路网中各交叉口的周期和相位差,绿信比则采用常规方法优化.TSIS软件交通仿真的结果表明,相比基于Q-学习的控制方法,CAS-FQL算法能显著加快算法的收敛速度、提高交通效率.     

工业大系统递阶多目标优化的分解协调方法

研究了工业大系统递阶多目标优化问题,将其归纳为三种基本形式,并提出了三种相应的新算法。这些方法的基本思想是利用分解协调原理和多目标优化技术,将原问题化为一个二级优化问题。第一级求解一系列低维数的多目标子问题,第二级进行协调。这样大大节省了所需的计算机内存容量,加快了算法的收敛速度。这些算法还具有简单、实用等优点。数值例子证明了以上的结论。     

基于Barzilai-Borwein梯度法的多微电网系统递阶优化调度算法

针对由多个相互关联的微电网组成的多微电网系统,本文提出基于Barzilai-Borwein梯度法的多微电网系统递阶优化调度算法。该算法通过协调各子网多余或缺少的能量,并优化各子网发电设备以实现各微电网能量供需平衡,最小化多微电网系统整体运行成本。首先建立多微电网能量流动模型及其能量管理优化问题,进而综合预测控制的滚动优化思想和关联平衡原理,设计了多微电网系统的递阶优化调度算法。该算法将整体优化的复杂的高维整体优化问题分解为若干个相互独立的低维子问题,将原来集中的大规模计算分散到每个子系统中进行,降低对单个控制器的计算性能要求,并引入Barzilai-Borwein梯度法对子微电网之间协调,提升协调级迭代计算寻优过程的收敛速度,驱动各子网的独立优化解快速收敛至多微电网的整体优化解,以较低的计算量取得了良好的多微电网能量管理效果。最后通过数值仿真验证了本文所设计算法的有效性。     

基于增广Lagrangian算法的供应链生产计划协调优化

为解决具有分布特点的多厂供应链生产计划的协调问题,提出了一种基于增广L agrang ian松弛算法的内部价格协调优化策略。利用增广L agrang ian松弛算法将工厂之间的耦合约束松弛,从而把整个供应链计划问题分解为多个可利用本地信息求解的单厂计划子问题。为获取问题可行解与加快算法的收敛速度,又分别提出了一种前溯式可行化算法与一种模糊次梯度算法。通过协调中心对产品内部价格的迭代更新,实现了整个供应链生产计划的协调优化。仿真结果表明,该策略能够较好地协调多厂供应链计划,效果明显优于已有的协调方法。     

自适应搜索云逃逸的果蝇优化算法

针对果蝇优化算法解决高维复杂问题时存在的早熟收敛问题,提出一种自适应搜索云逃逸的果蝇优化算法.分析了果蝇优化算法恒定步长会影响算法的寻优精度,以算法的迭代步值为引导因子设计自适应的搜索方式,协调算法全局搜索与局部搜索的能力.在算法搜索后期,为避免种群多样性过早丧失而导致求解问题陷于局部最优解,以云模型为基础设计云逃逸机制协助算法跳出局部限制进行深度搜索.对10个不同优化问题的实验表明:所提算法从求解精度、收敛速度以及稳定性方面都具有更良好的性能.     

电力系统经济调度递阶优化的灵敏度协调法

研究非线性大系统采用递阶优化算法时的协调级算法。对偶分解法已被认为是解决水火电力系统优化问题较有效的方法，但用于人协调级的算法是影响收敛速率的关键，为此提出了灵敏度协调法代替常用的次梯度法，并引入了下级子系统的输出功率对协调变量的灵敏度的概念，从而大大加快收敛速率。此法已用于一大型有抽水蓄能电站及机组最优组合的水火电力系统经济调度的软件包中，并被证明是有效的。     

一种新的P码直接捕获算法

对P码捕获算法中的直接平均法进行分析,对平均起始码相位差造成相关信噪比损失的问题进行研究,提出了一种新的补偿平均法.新的补偿平均法构造了一个本地伪码序列补偿对,通过补偿对叠加的方式实现对相关信噪比的补偿,减小了直接平均法中由于平均起始码相位差带来的影响.分析和仿真结果均表明,补偿平均法具有更高的相关信噪比;新算法的相关信噪比在整个平均起始码相位差空间上保持一致,比直接平均法在整个平均起始码相位差空间上的最低相关信噪比提高约3dB.     

基于随机收敛因子和差分变异的改进灰狼优化算法

针对基本灰狼优化算法在求解高维复杂优化问题时存在解精度低和易陷入局部最优的缺点,提出一种改进的灰狼优化算法。受粒子群优化算法的启发,设计一种收敛因子a随机动态调整策略以协调算法的全局勘探和局部开采能力;为了增强种群多样性和降低算法陷入局部最优的概率,受差分进化算法的启发,构建一种随机差分变异策略产生新个体。选取6个标准测试函数进行仿真实验。结果表明:在相同的适应度函数评价次数条件下,此算法在求解精度和收敛速度上均优于其他算法。     

基于免疫粒子群混合优化算法的混合电梯群控系统新型派梯策略

粒子群算法（Particle Swarm Optimization, PSO）具有模型简单,收敛的快速性和在连续系统中应用的优势,但存在着进化的后期收敛速度变慢,易陷入局部值的缺点。人工免疫 (Artificial Immune, AI) 优化算法利用人工免疫系统抗体多样性的机理和克隆选择算子搜索抗体群,具有很强的全局寻优能力,可以弥补粒子群算法的缺点。结合这两种算法的优缺点,提出了免疫粒子群 (Immune PSO, IPSO) 混合优化算法,并应用于混合电梯群控系统中进行派梯优化,取得了良好的效果。与人工免疫优化算法、粒子群算法分别进行比较,显示出免疫粒子群混合优化算法在优化派梯方案的优越性。文章的结尾展望了今后工作的研究重点和发展趋势。     

Rice信道下LDPC码译码粘滞点研究

LDPC码译码误比特率与迭代次数关系曲线及其粘滞点的研究,对于进一步深入分析译码机理和加快译码收敛的速度有着重要的意义.文章以Rice信道为研究背景,提出了一种采用基于offset BP_based译码算法的DDE分析结合差分进化技术的非正则LDPC码的优化方法,据此得出了Rice信道下最大比特节点次数为10、码率为1/2和1/3的优化次数分布对以及相应的码门限值;通过仿真得到了在Rice信道下LDPC码译码粘滞点分析的相关曲线,并从译码粘滞点角度研究了LDPC码的门限现象.通过对各阶节点的译码粘滞点分析结果表明,高阶节点相对于低阶节点而言,对于译码有较大贡献,据此提出了改进译码算法的两种思路.     

Localization in 3D sensor networks using stochastic particle swarm optimization

Localization is one of the key technologies in wireless sensor networks,and the existing PSO-based localization methods are based on standard PSO,which cannot guarantee the global convergence.For the sensor network deployed in a three-dimensional region,this paper proposes a localization method using stochastic particle swarm optimization.After measuring the distances between sensor nodes,the sensor nodes estimate their locations using stochastic particle swarm optimization,which guarantees the global convergence of the results.The simulation results show that the localization error of the proposed method is almost 40% of that of multilateration,and it uses about 120 iterations to reach the optimizing value,which is 80 less than the standard particle swarm optimization.     

黄金分割法用于PID参数优化整定技术的研究

在原有的用一维黄金分割法进行单变量参数寻优的基础上,结合优化理论中的分形法思想,提出将二维和三维黄金分割法应用于PID控制器多个参数的同步优化整定的新方法.介绍了PID控制参数整定问题和黄金分割法基本思想,重点对二维黄金分割法基本思想和寻优原理进行分析,并给出了二维黄金分割参数寻优算法.通过实例验证,该方法寻优过程完善、收敛速度快,能够快速、准确地找出最佳整定参数.     

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。     

一种新的电力系统无功优化方法

提出了一种应用混沌优化理论求解电力系统无功优化的新方法．该方法以有功网损最小作为目标函数，在控制变量的约束范围内求取相应最小目标函数的最优值．用类似载波的方法将混沌变量引入到优化变量中．利用混沌运动的遍历性和貌似随机性的特点直接对目标函数寻优．并以IEEE14节点、30节点、57节点和118节点系统为例进行计算和分析．计算结果表明，该方法具有较好的全局收敛性，并且结构简单，使用方便，是有效解决电力系统无功优化问题的一种新途径．     

基于改进PSO算法的跨流域水库群联合调度图优化

针对跨流域水库群优化调度具有高维非线性和动态性的特点,提出一种改进粒子群优化算法用于跨流域水库群引(调)水与供水联合调度图的求解.该算法针对基本粒子群优化算法易陷入局部最优且进化后期收敛速度慢的缺陷,引入交叉和变异策略、模拟退火策略和反射边界策略,以增加种群的多样性并提高算法的进化速度和全局搜索能力.数值测试证明了该算法用于求解高维复杂优化问题的有效性,实例研究也表明该算法提高了整个系统的供水与引水效益,是一种优化复杂水库群联合调度高效实用的方法.     

利用优化的遗传算法解决饲料配方设计问题

 利用改进和优化传统遗传算法的选择策略、搜索空间,自适应调整交叉率和变异率提高了计算效率,并在遗传进化过程中用优秀个体群来逐步缩小搜索空间,提出了求解饲料配方设计问题的一种改进方法(GA+).应用该方法对3个经典非线性测试函数进行了仿真,在收敛速度和全局优化方面好于现有的遗传算法.结果表明,GA+较好地保持了种群的多样性,精度高、收敛速度快,对求解饲料配方设计问题非常有效.     

一种改进的类电磁机制算法

分析了类电磁机制算法的优化机理,改造了带电粒子受力的计算公式,引入了移动系数,从而提出了一种改进的类电磁机制算法．实验证明,改进后的算法加快了收敛速度,提高了求解精度．尤其在求解高维函数优化问题中,改进后的算法优势表现得更加明显,从而使类电磁机制算法很好地解决了高维函数优化问题．     

一种优化权初值的综合全局寻优快速BP算法

文章在大量实验的基础上,对BP算法中存在学习收敛速度慢的问题进行了广泛的研究,提出了在优化权初值的基础上,将变步长法与模拟退火法相结合,实现一种快速的综合全局寻优的前馈神经网络学习算法.通过在系统建模中的应用,显示了该算法具有收敛快和精度高的特点.