蜉蝣算法在供应链库存优化中的应用

针对蜉蝣算法（Mayfly algorithm）全局搜索能力差,搜索精度不高和自适应能力弱等问题,提出一种多策略融合的蜉蝣算法。首先,提出吸引力增强因子,同时引入自适应动态调节的重力系数,来平衡搜索和开发能力。其次,提出中值位置作为群体位置的一部分,加强种群交流,避免陷入到局部最优;最后,引入正弦余弦策略,增强全局搜索能力,提高收敛精度并增强稳定性。8种典型功能函数的仿真结果证明改进后的算法收敛能力提高、收敛精度加强。将改进后的蜉蝣算法应用于工程中,在供应链库存系统中调节PID参数,与其他算法相比,成本下降9.5%,证明该算法在工程上具有适用性。     

基于IRSO算法的含分布式电源配电网重构

在智能电网的背景下,为了减少含分布式电源(distributed generation, DG)配电网的网络损耗,同时提高电网安全性,提出“单条支路安全系数”“最小安全系数”“平均安全系数”三个安全性评价指标,并建立以网损、“平均安全系数”“最小安全系数”为目标的配电网重构数学模型,采用改进鼠群优化算法进行求解。针对传统鼠群算法随机初始种群的迭代次数较多问题,采用有序环网配合启发式规则在初始化阶段生成一个初始解;针对传统算法在运行过程中产生众多无效变异的问题,提出“映射规则”,最大化调用鼠群变异规则;为了避免最后结果未优化到最优,提出“最优个体微调策略”。采用IEEE33节点电力系统和Taipower84节点电力系统进行对比验证分析,证明了该文方法的通用性和有效性。     

基于VMD-LSTM-IPSO-GRU的电力负荷预测

为了挖掘电力负荷数据中的潜藏信息,提高负荷预测的精度,针对电力负荷强非线性、非平稳性等特点,提出一种基于变分模态分解(variational mode decomposition,VMD)、优化长短期神经网络(long-term and short-term memory network,LSTM)、改进的粒子群算法(improve particle swarm optimization,IPSO)优化门控循环单元(gated recurrent unit neural network,GRU)的混合预测模型。首先,使用相关性分析确定确定输入因素,再将负荷数据运用VMD算法结合样本熵分解为一系列本征模态分量(intrinsic mode fuction,IMF)和残差量,更加合理地确定分解层数和惩罚因子;其次,根据过零率将这些量划分为低频和高频,低频分量使用LSTM网络,高频分量利用IPSO-GRU网络分别进行预测;最后,将预测结果重构得到电力负荷的最终结果。仿真结果表明,相对于其它常规模型,该混合模型可有效的提取模态特征,具有更高的预测精度。     

永磁同步电动机电磁振动特性及抑制措施

电磁振动水平是永磁同步电动机的重要评价指标之一,为了有效抑制永磁同步电动机的电磁振动,文中首先建立了转子永磁体磁动势、定子绕组电流磁动势与定子齿槽相互作用产生的径向电磁力的解析分析模型。然后建立了电机的变参数矢量控制系统的场路耦合联合分析模型,以一台11 kW内置式永磁同步电动机为样机,利用机械阻抗法得到了电机主要低阶电磁力产生的电磁振动噪声频谱,确定了对电机电磁振动起主要作用的低阶电磁力的频率。最后利用遗传-蚁群算法,研究了通过优化电机的定子齿槽参数有效削弱具有上述频率的低阶电磁力,从而有效抑制电机的电磁振动。结果显示,利用文中方法确定的定子齿槽参数能有效抑制电机的电磁振动,并且对电机的运行性能产生的影响较小。     

基于粒子群算法最优化Verhulst模型的开采残余下沉预测

矿区开采引起的残余下沉稳定时间长、潜在危害大,有必要准确地预测矿区地表的残余下沉。鉴于传统的残余下沉Verhulst模型建模误差大、适用性弱,在建模过程中以数据序列的首个数据保持不变导致预测效果差的缺陷,以直接离散Verhulst模型为基础,引入粒子群算法寻求模型迭代初始值的最优解,建立基于粒子群算法优化的矿区开采残余下沉直接离散Verhulst模型,并以山西阳泉和山东兖州矿区两个时间尺度的地表残余下沉监测数据集进行实例验证,最后利用Matlab App Designer工具实现模型算法的可视化。结果表明：基于粒子群算法优化的直接离散Verhulst模型的矿区开采残余下沉预测精度和稳定性增益明显,所开发的计算工具具有正确性和有效性。     

指路标志信息连贯性设计

指路标志对人们的出行有着非常良好的指引作用,良好的指路标志设计可提高驾驶人的通行效率。路网中节点处标志信息量的多少会影响驾驶员对标志信息的识读,进而影响到整个路网的通行效率。因此,通过引入节点的指路标志信息量作为惩罚系数,计算得出路段成本,建立OD间指引路径规划模型,结合A*算法,遍历整个路网,最后得出OD间的最优指引路径,通过在指引路径上增设指路信息,从而完善OD间指路标志信息的连贯性,更好的引导驾驶员做路径选择,降低路网中的交通压力。并选取甘肃省庆阳市的火车站(O点)到人民医院(D点)的区域进行实际应用与分析。     

无线网络中自适应阵列处理算法的性能比较

信道间干扰是无线局域网在标准制定和实用中较重要的问题,如使用OFDM技术的高速率无线局域网标准802.11a,工作在国家信息基础设施频段5GHz(许多国家无需频段许可),因此,可能出现多个用户使用相同子载波连接接入点。该类系统中,选用最大似然法进行参数估计是最优的,但计算复杂度大;选用次优但低复杂度的期望极大法作参数估计更具实用价值。在多用户使用同一载波接入时,实际仿真证实了期望极大算法可有效地抵抗信道间干扰。     

蚁群算法与免疫算法的混合算法

蚁群算法是近些年来启发式算法研究的一个热点,在求解复杂组合优化问题上具有强大的优势.作为一种全局搜索的方法,它具有正反馈性、并行性、分布性、自组织性等特点.但是,蚁群算法也存在一些不足之处:例如,算法需要较长的搜索时间、容易出现早熟、停滞现象.针对上述不足,在深入研究蚁群算法的同时,又对免疫算法进行了一定的研究和分析后,针对蚁群算法中的个体蚂蚁缺乏识别问题特征信息的能力,将免疫算法中疫苗的思想引入到蚁群算法中,提出了蚁群算法与免疫算法的混合算法.将问题的特征信息作为疫苗注射给蚂蚁,使蚂蚁具有"免疫"的能力,旨在借鉴其他仿生算法的长处,利用其优点弥补蚁群算法的不足,从而提高蚁群算法的求解性能.     

求解非单调变分不等式问题的修正惯性次梯度外梯度算法

变分不等式问题在经济金融、交通运输、数学规划、力学等领域都有着广泛的应用。 近年来,变分不等式问题受到许多学者的研究,且这些研究主要集中在求解单调或者伪单调变分不等式问题。 文章在实希尔伯特空间中,针对非单调变分不等式问题,提出了求解该问题的算法。 借助惯性原理和 Mann 型方法,构造了一个带 Armijo线性搜索的修正惯性次梯度外梯度算法;在没有 Lipschitz 连续性的假设下,证明了由算法产生的迭代序列强收敛于变分不等式问题的解,值得注意的是,定理的证明并没有要求映射的任何单调性假设;最后,给出了两个数值实验,阐明了文章算法的有效性和优越性,所得结果推广和改进了许多最新的结果。     

IP黑名单关联聚类算法对恶意簇检测的优化研究

互联网中复杂的恶意活动都是由IP地址集群共同执行的,通过处理在网络中收集的数据来寻找恶意IP簇成为重要的研究方向。提出一种IP黑名单关联聚类算法(IPBACA),首先,构建IP-IP无向图;然后,利用测量统计相关性来测量IP黑名单与IP的相关性,并使用给定的IP黑名单来找到最佳阈值得出IP簇,判断其标准化残差是否达标;最后,识别出具有高精度的恶意簇。仿真结果表明,对比ICAMO算法,CAIIB算法和DABR算法,本文提出的IPBACA算法在精确率、召回率、F1指标和归一化互信息等4个主要性能指标方面均有明显改善,显著提高了对检测恶意簇的检测能力。