基于动态多子族群自适应群居蜘蛛优化算法

为了提高群居蜘蛛优化算法(SSO)样本多样性和算法收敛性能,提出了一种基于动态多子族群自适应群居蜘蛛优化算法(DMASSO).根据算法样本多样性和算法进化程度,动态的将蜘蛛种群分成若干个主导子族群和辅助子族群,在不同子族群中分别引入自适应学习因子和高斯扰动因子改进算法个体更新方式,实现提高算法全局寻优能力和保持群体样本多样性.针对具有典型特点的测试函数仿真结果表明,较SSO算法、MSFLA算法等优化算法相比,新算法在收敛速度和收敛精度上均有明显改善.     

皮尔逊-Ⅲ型频率曲线可视化程序开发

皮尔逊-Ⅲ型分布是我国水利水电工程水文计算规范中推荐采用的分布,现行广泛采用的是适线法。本文介绍了适线法的基本原理,利用Microsoft Visual Studio 2008软件平台开发了频率曲线可视化程序,可对一个系列的水文资料进行适线,以多种方式保存结果,计算速度快,可视化程度高,具有良好的精度、较强通用性,有一定的应用价值和教学意义。     

水电站经济运行云自适应量子群居蜘蛛优化

针对水电站经济运行的复杂性和高维性,将云自适应量子群居蜘蛛优化算法与离线稳定最优表负荷分配模型相结合,实现了同时优化水电站机组组合和开机机组间的负荷分配.采取多种有效措施提高模型算法的收敛性能及运行效率:结合量子理论中量子比特和量子旋转门,实现机组开停机状态及其状态空间的搜索;结合传统智能算法更新理论改进群居蜘蛛优化算法的更新过程,降低算法在产生新一代蜘蛛群体时的盲目性;利用云模型理论解决算法运行前期及运行后期关键参数选择的不合理性,针对每个蜘蛛个体的适应度值实现参数的自适应选择.分析了所提算法在三峡水电站三种水头下经济运行实例中的运行结果,验证了其在工程实际中的可行性,以及各项改进措施的有效性.     

皮尔逊Ⅲ型曲线的Excel绘制法

研究利用Excel软件绘制皮尔逊Ⅲ型曲线的方法.应用Excel软件的数据计算、数据处理功能及函数库,建立工作表计算模型,使得绘制皮尔逊Ⅲ型理论频率曲线快捷准确,绘制的曲线精度高.实践证明,这种方法简单,具有较强的实用性和通用性.     

皮尔逊Ⅲ型频率曲线在水源地水质预警中的应用

通过引入预警概率的概念,基于水质污染是小概率事件的前提,参照水文频率计算方法,借助皮尔逊Ⅲ型频率曲线给出了一种水源地水质分级预警阈值的计算方法.结果表明,用预警概率作为预警等级划分的依据,用水质指标小于等于某一概率的浓度值作为预警阈值,充分考虑了特定水源地的水质特点,与传统预警等级划分方法相比,更为科学.     

频率曲线法及皮尔逊Ⅲ型曲线在水质评价中的应用探讨

针对水质评价中对于有关污染历时评价及多因子综合评价的方法较少的情况,探讨了应用频率曲线进行评价的方法,并论证运用皮尔逊Ⅲ型频率分布对水质评价参数的频率点据进行理论频率曲线的适线,从而使得上述评价方法建立在较少受人为因素影响的基础上.在水质评价中运用皮尔逊Ⅲ型频率曲线尚属首次.     

基于改进蜘蛛群居算法的移动机器人路径规划方法研究

路径规划是移动机器人研究的重要领域之一,其优劣直接影响行径过程中机器人与周围环境的交互能力。常用的全局路径规划方法容易产生扩大空间时决策速度下降、死锁等问题,蜘蛛群居算法其收敛速度和搜索能力不佳,通过改进邻域搜索,改进全局搜索和婚配半径,来获得更优的收敛速度和搜索能力,迭代寻优时,通过模拟蜘蛛群体运动规律,即依据雌、雄蜘蛛的协作,相互吸引以及婚配过程进行信息交互,最终得到最优解。实验证明:改进蜘蛛群居算法,可以实现对移动机器人的路径规划,提高其搜索能力,避免在路径规划过程中陷入局部最优,相比于蜘蛛群居算法和粒子群算法,该算法优化后的最短路径和实际路径更优。     

有约束适线法在水文皮尔逊Ⅲ型分布参数估计中的应用

从水文特征值的物理性质出发，用皮尔逊Ⅲ型分布参数的取值范围作为以离差平方和为适线准则的高斯—牛顿迭代法的约束条件．提出改进算法，既保证迭代过程收敛，解又符合水文现象的一般性质，提高了该法在水文统计参数估计中的实用价值．     

确定皮尔逊-Ⅲ型分布统计参数的方法研究及其应用

在编制湖南省长沙市暴雨强度及计算公式中 ,通过利用计算机的辅助计算 ,得出了应用二元插值理论与最小二乘原理联合求解确定皮尔逊 -Ⅲ型分布统计参数。经该市 2 5年 ( 1 974年～ 1 998年 )的各历时实测的暴雨强度资料验证 ,此方法获得的皮尔逊 -Ⅲ型分布统计曲线与实测的城市暴雨强度统计资料拟合最好 ;且计算方法简单、速度快、结果不受人为主观因素影响 图 6 ,表 1 ,参 5     

基于自适应降调频的LFM信号参数估计新算法

为解决现有基于压缩感知理论的线性调频(liner frequency modulation,LFM)信号参数估计中冗余字典规模庞大的问题,提出了一种基于改进谱形熵和降调频的参数估计新算法。该算法首先进行LFM信号的步进降调频处理,通过检测改进谱形熵的极小值获取调频斜率的预估值。其次构建降调频观测矩阵,在压缩采样的同时完成信号的降调频处理。最后通过部分重构算法获得参数估计值。实验结果表明,该算法在SNR≤-3 d B和M≤N/8条件下相比于同类算法具备更好的估计效果,同时运算复杂度得到显著降低。     

基于自适应粒子群算法的重油热解模型参数估计

通过构造一个合适的目标函数,将化工模型参数估计问题转化为一个多维数值优化问题,然后提出一种参数自适应调整和维变异的改进粒子群优化算法来求解该问题。该算法首先利用佳点集方法初始化种群以保证粒子的多样性。惯性权重和学习因子随进化过程自适应调整,从而协调算法的全局和局部搜索能力。为了避免算法陷入局部最优,对收敛度最小的维进行变异。几个标准测试问题的实验结果表明该算法具有较强的全局寻优能力。最后将改进粒子群算法应用到重油热解模型参数估计中,并与基本遗传算法（SGA）和粒子群优化算法（SPS0）进行比较。研究结果表明：本文得到的平均相对误差为5．62％,比SGA和SPSO分别低1．08％和0．50％。     

基于优化成熟度的自适应蚁群优化算法

通过深入分析蚁群算法中信息素更新系数对算法寻优能力与收敛速度的影响,定义了平均路径相似度(ATS)来表征寻优过程的成熟程度,据此自适应调整信息素更新系数,以提高算法收敛速度,并避免陷入局部最优.经过与典型蚁群算法在多个旅行商问题测试用例上进行比较,表明新算法具有更好的效果.     

优化型自适应频谱感知调度算法

针对传统的周期性频谱感知机制对空闲频谱机会的有效利用率不高,且与主用户碰撞概率较大等问题,在多用户协作感知场景下,提出了一种优化型自适应感知调度（OASS）算法.利用部分可观测马尔可夫决策过程理论,将自适应感知调度建模为决策优化控制问题,当每个时隙开始时,从频谱感知、数据传输、休眠等待、信道切换4种可选策略中选择最优策...     

基于自适应遗传-粒子群优化算法的风电场微观选址优化

为了减小尾流效应对风电场发电量的影响,提高风能利用率,提出了一种自适应权重的遗传-粒子群优化算法(genetic-particle swarm optimization algorithm, GA-PSO)。首先,以风电场单位发电成本为目标函数,风机坐标为优化变量,通过在优化变量的速度更新中加入惯性权重,以改变算法的寻优速度;其次,在WASP软件选址的基础上,对风电机组进行布局优化;进而,将计算结果与遗传算法(genetic algorithm, GA)、萤火虫算法(firefly algorithm, FA)和粒子群(particle swarm algorithm, PSO)优化算法进行对比。结果表明：运用PGOA算法优化后的风电场单位发电成本为2 016元/GWh,减少了232元/GWh,年发电量为82.633 GWh,比优化前提高了8.538 GWh,同时尾流损失减小了1.12%。可见研究结论对未来的风电场微观选址具有一定指导意义。     

P-Ⅲ型分布参数估计的改进混合遗传优化适线法

选用多元插值原理对φ-(p,cs)表进行细化和扩展,对传统遗传算法加以改进.在此基础上提出P-Ⅲ型分布参数估计的混合遗传优化适线法.通过研究表明:该法简易通用、适应性强,可精确地对、cv、cs 3个参数进行估计;克服了适线法未能解决、特别是cv的估计精度,以及计算过程与结果受人为因数的影响等不足,为准确估计P-Ⅲ型分布参数提供了一种十分有效的方法.     

基于自适应差分进化算法的优化

差分进化算法已经应用于许多领域,但是不同变种的差分进化算法中其相关的参数影响其最终的解。如何设置最优参数来求解问题需要进一步研究。文章提出一种新的自适应差分进化算法,并选择一些标准多维多峰函数进行测试,并与其他相关的算法并行比较。实验结果表明,特别是对于标准测试函数Generalised Rosenbrock,当pcr=0.2,F=1.5时,本文提出的SinDE算法最优解的均值为32.57,相对于其他算法StdDE、DDE和JDE最优解的均值分别为62.89、219.14和254.42,显著接近最优值。     

曲线模型的自适应跟踪算法

针对机动目标跟踪问题,提出了一种基于曲线模型的自适应跟踪算法.算法中设计了一种角速度估计方法,即通过采用内嵌交互多模型方法针对目标的角度进行实时滤波,获得目标的角速度和角加速度,从而自适应调整与目标转弯相关的法向加速度和切向加速度.算法简化了计算复杂度,扩大了适用范围.仿真试验证明了该算法的有效性.     

基于模糊文化算法的自适应优化

笔者提出一种基于模糊控制器的自适应文化优化算法,利用模糊控制器调整参数β,改变个体在进化中的个数,使文化算法得到了优化.在测试函数的仿真试验对比结果证明,改进算法优于原有算法.     

蝗虫优化算法求解跳-扩散模型参数估计问题

跳-扩散模型在刻画金融资产价格过程方面有着广泛的应用,但该模型参数估计是一个极具挑战性的问题。基于极大似然估计法构建跳-扩散模型参数估计优化模型,并借助于蝗虫优化算法实现模型的求解。实证研究的结果表明蝗虫优化算法求解该问题是可行和有效的。     

基于改进粒子群优化算法的混沌系统参数估计

提出了一种改进的粒子群优化算法用于解决混沌系统的参数估计问题,从粒子种群的初始化、惯性权重调整策略、差分变异进化、粒子位置与飞行速度的越界处理、局部变尺度深度搜索5个方面对标准粒子群算法进行综合改进,合理有效平衡了算法的全局探索能力与局部开发能力.基准函数测试表明了该算法的全局搜索能力、可靠性及搜索速度都有很大改善,有效克服了标准粒子群算法的早熟收敛现象.以Lorenz混沌系统为例进行仿真实验,结果验证了所提方法的有效性.