改进蚁群算法在配电网规划中的应用

电网优化规划是一个复杂的非线性组合优化问题,目前对于该问题的求解仍存在计算速度和收敛性问题.为解决这个问题,提出了一种通过动态调整信息素挥发因子ρ来控制其正反馈过程的改进蚁群算法,提高了网络优化规划过程中得到全局最优解的概率和收敛速度.算例分析结果表明:规划结果符合实际,并在相同参数下,改进蚁群算法的迭代次数减少约一半,充分验证了该方法的实效性.     

一般约束优化问题的S Q P方法及其收敛性

提出求解一般等式和不等式约束优化问题的SQP算法,在适当的假设条件下,证明算法具有全局收敛和超线性收敛速度.数值试验表明该算法是有效的.     

面向多模态函数的自适应混沌爬山微粒群算法

针对微粒群算法在多模态函数优化中难以找到全部极值点以及陷入局部最优和后期收敛速度慢等缺陷,提出了一种基于熵的自适应混沌爬山微粒群算法.算法根据熵的值来衡量种群多样性,当发现种群多样性匮乏时,采用动态混沌机制增强多样性;后期融入了局部收敛速度较快的爬山算法提高微粒群算法的后期收敛速度.4种典型多模态函数测试结果表明该算法在求解复杂多模态函数优化问题方面的可行性。     

一种基于双子群的改进粒子群优化算法

针对粒子群优化算法易于陷入局部最优解并存在早熟收敛的问题，提出了一种基于双子群的改进粒子群优化算法（TS IPSO)，通过2组搜索方向相反的主、辅子群之间的相互协同，扩大搜索范围，借鉴遗传算法的杂交机制，并采用惯性权值的非线性递减策略，加快算法的收敛速度和提高粒子的搜索能力，降低了算法陷入局部极值的风险.实验结果表明该算法较标准PSO算法提高了全局搜索能力和收敛速度，改善了优化性能.     

动态局部搜索差分进化算法

针对差分进化算法存在进化后期收敛速度慢、易早熟等缺点,提出了一种基于动态局部搜索的差分进化算法(DLSDE).采用随机选择的方式进行变异并运用小概率扰动操作,增加种群的多样性,平衡算法的开发能力和探索能力;同时,对当前的最优解进行动态局部搜索,以加快算法的收敛速度.对标准测试函数进行仿真实验并与其他6种算法进行比较,结果表明DLSDE算法具有较快的收敛速度和较高的求解精度,对复杂的数值优化问题寻优效果很好.     

一种融入小生境技术的遗传禁忌算法

针对遗传算法在全局优化问题中容易出现早熟和收敛速度慢,禁忌搜索强烈依赖于初始解等问题,根据遗传算法和禁忌搜索算法自身的特点,分析两者的优势和不足,提出了一种融入小生境技术的遗传禁忌算法.该算法采用融入了小生境技术的遗传算法作全局搜索,用禁忌搜索算法作局部搜索,可以加快收敛速度,同时可以抑制早熟现象,避免过早收敛到局部最优.分析和实验结果表明,该算法能很好地抑制早熟收敛,同时在计算速度和计算结果方面都有改进,是一种快速有效的优化算法.     

一种引入反向搜索机制的果蝇优化算法研究

针对基本果蝇优化算法求解复杂优化问题时全局搜索能力差,种群多样性偏低等问题,提出一种引入反向搜索机制的果蝇优化算法（RFOA）。该算法通过在搜索趋于停滞时计算果蝇个体和进化方向的夹角,挑选出一批和进化方向相反的果蝇个体并利用这些个体去探索新的最优解,从而跳出局部最优。通过标准测试函数进行仿真测试,实验结果证明,解决部分较为复杂的优化问题时,RFOA相比其他改进算法可以更有效地避免早熟收敛,加快收敛速度,提高收敛精度。     

改进的次梯度优化算法的收敛性研究

次梯度优化算法是求解Lagrange对偶问题的一种有效的算法。不同的步长策略对算法的收敛性有不同的影响,I型锯齿现象对算法的收敛速度也会产生影响。通过改进步长因子公式和搜索方向,在普通次梯度优化算法的基础上,提出了一种改进的次梯度优化算法(MSOA)。该算法具有收敛、能够有效地消去I型锯齿影响的优点。     

基于一致分布佳点集改进的交叉人工蜂群算法

目的 针对人工蜂群算法在求解问题的最优值时,后期收敛速度慢、易于陷入局部极值的问题,利用数论中的佳点集和一致分布原理,结合其他仿生智能优化算法的机制对人工蜂群算法进行了深入的改进,提出了一种基于一致分布佳点集改进的交叉人工蜂群算法(CGABC).方法 首先,利用数论的一致分布佳点集原理建立算法的初始化模型,以保证种群在搜索空间的均匀分布;然后,通过交叉方式进行迭代更新位置,以维持种群的多样性,防止算法陷入局部最优;最后,通过实验选取了4个工程问题和7个标准测试函数进行实验仿真.结论 结果 表明,与ABC算法、GABC算法等其他算法相比,CGABC的收敛速度及精度均有明显提高,增强全局寻优能力,有效地避免种群个体陷入局部最优,解决了多模态的优化问题.     

DP-ADPSO算法在机组负荷优化组合分配问题中的应用

针对离散粒子群应用于机组负荷优化问题中存在早熟收敛的难题,提出了动态规划-自适应离散粒子群算法求解机组负荷优化组合问题.该方法首先保证所有随机生成的粒子均为满足基本约束条件的可行解,使整个算法只在可行解区域内进行动态优化搜索,缩短了计算时间.计算实例表明:动态规划-自适应离散粒子群算法能较好地收敛到最优解,而且该方法得出的解具有精度高、收敛速度快的优点,应用效果优于动态规划法和离散粒子群算法,说明该方法是有效的、合理的,具有较好的应用前景.     

基于神经网络PID算法的优化饲料配制系统

【目的】设计饲料配制控制系统,并采用神经网络PID优化算法实现对配料精度的提高。【方法】以西门子S-200 smart型PLC为主控设计饲料配制控制系统,针对现有常规PID算法的控制策略存在超调大、收敛慢等缺陷和BP神经网络梯度下降过程容易出现局部最小化问题,提出以附加动量项的BP神经网络PID算法实现称重误差的降低。【结果】基于动量项的梯度下降法建立的BP神经网络PID算法模型解决了参数自学习整定问题,在响应速度上该算法与PID算法对比为3∶1,试验后平均精度99.6%。并在收敛速度和改善超调现象具有更高效的表现。【结论】配料系统经算法优化后误差得到有效控制。     

基于分组排挤机制的遗传算法

利用遗传算法进行寻优有时候遗传操作会陷入局部寻优,造成早熟,使遗传操作收敛不到最优解.针对这一问题,提出一种基于分组排挤机制的遗传算法,将种群个体进行分组,引入基于海明距离的排挤机制,不仅可以防止早熟,而且可以加快收敛速度.最后用普通遗传算法与之进行比较,证明其可行性和有效性.     

一类非单调三参数共轭梯度算法研究

虽然求解无约束优化问题共轭梯度方法的算法程序便于计算机上实现,但难于建立算法的全局收敛性理论.为弥补其不足,研究了一类新的共轭梯度算法.该算法搜索方向的构造中引入了3个参数,且通过合适地选取这些参数保证了所得搜索方向不依赖于线搜索技术,是目标函数的恒充分下降方向.以此为基础,提出了一种求解无约束优化问题的非单调三参数共轭梯度法,并在一定的假设条件下建立了算法的全局收敛性理论.数值实验进一步验证了这种算法比同类算法更有效.     

解非线性单调问题的Schwarz算法

提出了解非线性单调问题的乘性与加性Ｓｃｈｗａｒｚ算法，并证明了这两种算法产生的序列收剑性。     

基于耗散结构理论的差分进化算法

作为一种比较优秀的最优化方法,差分进化算法具有良好的鲁棒性、实践性和收敛性.阐述了差分进化算法的基本概念、形式,分析了传统差分进化算法的优点与不足,提出了基于耗散结构理论的差分进化优化算法.     

基于多目标PSO-ACO融合算法的无人艇路径规划

【目的】针对河蟹养殖过程中,水位变化以及无人艇路径规划算法收敛慢、精度低的问题,为提高算法适应性与寻优能力,提出一种多目标粒子群-蚁群融合的无人艇路径规划算法。【方法】首先,分析蟹塘环境及养殖规律等因素,建立静态水深栅格环境模型;其次,针对覆盖遍历式投饵存在局部点投喂不足及路径次优的问题,通过对惯性参数与学习因子的非线性调整,提出基于多目标的改进粒子群算法(Particle swarm optimization, PSO);然后,调整蚁群算法的初始信息素,并对蚁群算法的信息素挥发因子和启发期望函数自适应改进,提出自适应优化蚁群算法(Ant colony optimization, ACO);最后,为解决单一算法寻优不足,利用融合PSO-ACO算法,实现无人艇多目标全局路径规划。【结果】仿真结果表明：不同环境投饵策略下,PSO-ACO算法在对多目标路径寻优时,不仅环境适应性好,而且提高了寻优效率和精度,运行时间节省了32%,路径距离缩短了9.78%,迭代次数降低了62.88%,拐点数目减少了44.45%。【结论】所提出多目标点的路径规划算法适用于环境可变的蟹塘养殖,具有较好的应用价值。     

一种新型的动态粒子群优化算法

为了改进标准粒子群优化算法全局搜索性能,提出了一种种群动态变化的多种群粒子群优化算法。当算法搜索停滞时,把种群分裂成两个子种群,通过子种群粒子随机初始化及个体替代机制增强种群多样性,两个子种群并行搜索一定代数后,通过混合子种群来完成不同子种群中粒子的信息交流。收敛性分析表明,本文算法能以概率1收敛到全局最优解。实验结果表明,本文算法具有较好的全局寻优能力和较快的收敛速度。     

基于双频蝙蝠算法的树状灌溉管网规划

以管网投资费用最低为目标,建立了改进的自压树状灌溉管网规划模型,通过定义管网用水节点的上层水节点来保证管道连通性;同时,提出了改进的双频蝙蝠算法,通过使用双脉冲频率策略均衡算法多样性与收敛性。基于12个100维度测试函数的寻优结果表明,与遗传算法、粒子群算法及蝙蝠算法相比,双频蝙蝠算法能够有效提高全局搜索能力;应用双频蝙蝠算法分别对10节点和34节点的管网进行规划设计,管网投资费用均值较蝙蝠算法可分别减少23.60%和31.03%。     

基于改进蜂群算法的模糊需求冷链物流车辆路径优化

针对基本人工蜂群算法容易早熟收敛等问题,提出了3种邻域生成策略,并对当前解进行局部搜索和进化。仿真试验表明,该算法在求解相关问题上具有有效性,对求解用户模糊需求下的冷鲜品冷链物流车辆路径优化问题具有一定的参考价值。     

基于可时移农业负荷的光伏智慧农业大棚微型能源网优化调度

针对甘肃省分布式光伏电能远距离传输通道不足,大量光伏电能集中并网影响农村电网可靠性和稳定性的问题,提出对甘肃省传统农业大棚及其供能系统进行智慧化改造的方案,实现光伏电能的就地消纳,构建基于可时移农业负荷的光伏智慧农业大棚微型能源网。采用数学建模的方法对微源和负荷进行精准建模研究,并采用变学习因子的二阶振荡文化粒子群求解算法对微型能源网经济调度模型进行求解,最后对负荷时移前后各供能设备的出力和日综合费用进行了对比。仿真结果表明:对可时移负荷进行调度可以降低系统日综合运行成本,单日成本下降了7.3%。本研究所建模型和提出的算法可以有效实现微型能源网多种能量流的经济合理利用。