基于改进粒子群算法的电力负荷预测模型

采用粒子群算法构建电力系统负荷模型,并利用支持向量机模型对电网负荷进行优化处理,以径向基函数作为支持向量机的核函数,以电力负荷作为输入量,建立基于改进粒子群优化算法的电力负荷预测模型.以居民小区为基本单位进行用电信息采集,采用改进粒子群算法对用电情况进行验证分析,并将改进粒子群电力负荷预测模型与支持向量机预测模型进行比...     

基于改进粒子群算法的木材板材下料方法

木材板材在家具行业应用广泛,以绿色环保、节约能源为目的的木材板材优化下料已经成为研究的热点。木材板材下料优化问题属于二维矩形下料问题,是一种具有高度计算复杂性的问题。本研究主要针对单规格木材板材进行矩形零件下料问题,在木材板材长和宽都大于零件长和宽的情况下,通过建立二维下料的数学模型,采用标准粒子群算法、变邻域搜索算法、粒子群混合变邻域搜索算法分别进行求解,并以某企业的下料实例进行分析计算。首先,利用标准粒子群算法求解单规格板材下料问题;其次,利用变邻域搜索算法求解单规格板材下料问题。在获得局部最优解的基础上改变其邻域结构再进行局部搜索,找到另一个局部最优解,如此不断迭代,直到满足算法的终止条件,获得全局最优解;最后,利用粒子群变邻域搜索混合算法求解单规格板材下料问题。针对粒子群算法局部搜索能力较差、容易过早收敛的问题和具有较好包容性的特点,将变邻域搜索的思想融入粒子群算法中,使结果更加趋向全局最优。结果表明：粒子群变邻域搜索混合算法相比粒子群算法和变邻域算法效率都有显著提升,能显著提高该木材板材的利用率,增加企业经济效益。     

基于粒子群算法的汽车电子节气门控制策略研究

汽车电子节气门控制系统是一个变化的复杂性的过程,由于电子节气门受到不稳定等因素的影响,常规PID控制策略很难达到理想的效果。采用粒子群(PSO)优化算法来优化PID控制器,设计出PSO-PID复合控制策略。完成了电子节气门PSO-PID控制器参数的设置及算法流程的设计,通过仿真分析出:电子节气门的PSO-PID复合控制策略可以减小控制系统的超调,减小瞬态误差,缩短滞后时间,适用于电子节气门控制系统。     

基于改进粒子群算法优化的染色木材颜色检测算法研究

为提高染色木材颜色的检测精度和速度,对樟子松木材单板进行染色,选取染色单板的光谱反射率作为输入,以极限学习机模型为基础构建预测模型,对染色单板的色度参数L^*、a^*、b^*进行预测,运用粒子群算法对ELM权值和阈值进行寻优,并引入非线性惯性权重和新的位置与速度更新策略改进粒子群算法,以消除其易陷入局部最优的缺点。此外,以L^*、a^*、b^*平均绝对误差为评价指标,与基础ELM模型及其他模型作对比,发现优化后的模型平均绝对误差为0.16,测色效果相较于基础ELM的0.68、麻雀算法优化的ELM的0.37等具有明显优势,这对于提高木材染色生产效率具有重要意义。     

基于改进粒子群算法林产工业供应链网络研究

以黑龙江林产工业企业为例,以成本和环境影响最小、社会效益最大为目标,建立多目标可持续闭环供应链网络规划模型,结合模型多约束、多维度特点,改进传统粒子群算法对模型求解,并通过改变模型目标函数权值组合,考察该闭环供应链网络的多目标计算结果。研究表明:模型存在可行解,证明该模型在林产工业可持续闭环供应链多目标决策方面具备有效性。改进的粒子群算法收敛速度较快,收敛效果优于传统粒子群算法。通过修改权值得到所有权值组合下的具体生产方案,可以获取准确的成本、环境与社会维度信息。当决策者支付更高的经济成本时,运行方案在环境和社会方面不是简单的线性变化,其变动趋势呈现出一定的波动性。改进的算法可以用于供应链网络模型求解。所设计的模型能为企业管理者实现企业可持续发展提供重要参考。     

基于粒子群优化Stearns-Noechel模型的全光谱木材配色算法研究

为了提高计算机智能配色技术在木材染色配方预测中的精度与效率,研究运用Stearns-Noechel模型建立木材染色配方预测模型,并采用粒子群算法对建立的模型进行参数优化,不断修正配比量系数?c与参数M,获取色差最小时的配比量c值与最佳的参数M值。最后获取拟合光谱反射率曲线与标准反射率曲线,计算拟合色差值?E并输出相应参数值作为预测配方。结果表明：以水曲柳为染色基材时,对参数M采用循环赋值法得到的最佳配方其平均相对偏差为0.643%,平均拟合色差为0.720。基于粒子群改进的Stearns-Noechel模型对染色木材的配色效果有明显提高,在木材染色配色行业具有一定使用价值。     

基于粒子群算法的森林资源观测成像卫星任务规划模型建构

研究了一种基于粒子群算法的针对森林资源观测成像需求的卫星任务规划模型。通过研究卫星成像区域和待观测区域的相关关系,且根据2个区域的地理地球信息相关关系,构建粒子群集合。通过传统粒子群算法构建PSO算法架构,且在传统粒子群算法PSO基础上融入禁忌搜索策略和交叉进化粒子基因控制策略形成IPSO算法架构。在基于卫星工具包STK和Python支持下,对2种算法架构进行数据仿真比较。发现2种算法的最终收敛效果相当,但IPSO在个案数据条件下的收敛效率更高,所以认定本文设计的IPSO算法在森林资源观测任务的卫星任务规划中有积极意义。     

基于粒子群算法和BP神经网络的多因素林火等级预测模型

针对现有小尺度林火预测模型预测结果有效性、可扩展性等方面的不足,通过考虑多种火险因素,构建BP神经网络预测模型以提高预测精度,在此基础上借助粒子群算法加快BP神经网络收敛速度,进而提出一种混成的多因素森林火险等级预测模型particle swarm optimization based back-propagation neural network (PSO-BP)。所构建的预测模型,能够同时考虑气候因素(日最高气温、日平均气温、24 h降水量、连旱天数、日照时数、日平均相对湿度、日平均风速)、地形地貌因素(海拔、坡度、坡向、土壤含水量)、可燃物因素(植被类型、可燃物含水率、地被物载量)、人为因素(人口密度、距人类活动区域的距离) 16个变量。基于南京林业大学下蜀林场森林防火实验站传感器网络所采集的实际数据及现场测量数据,通过一组试验验证提出模型的有效性。结果表明:基于训练数据集及检验样本所构建的模型能够开展有效的火险等级预测;模型的计算复杂度较单独使用BP神经网络模型明显下降。     

面向安全服务重组多目标优化的粒子群遗传算法

遗传算法具有快速随机的全局搜索能力,但局部搜索能力差,易陷入早熟收敛,迭代效率低.粒子群算法采用速度——位置模型,可以较快收敛到指定精度.将粒子群算法与遗传算法融合,采用多目标遗传算法得出初步的优化结果,并将其作为粒子,利用粒子群算法强化局部搜索,加快收敛速度,仿真结果证明了该算法的优越性.在CSSM对底层安全服务的重组时利用粒子群和遗传算法的结合(GAPSO),能够提高效率.     

基于粒子群优化支持向量机的时间序列木材含水率预测

木材干燥过程中对含水率的检测是一个复杂的非线性过程。为了提高含水率数据采集的精确性和可靠性,本文将粒子群优化算法（PSO）引入到含水率检测中,优化支持向量机（SVM）参数,对试验采集过程中失真数据时间点对应的实际值进行预测。通过粒子群优化支持向量机算法和拉格朗日插值法的仿真结果进行对比表明：PSO—SVM算法提高了误差精度,避免了拉格朗日插值法的龙格现象,得到了较好的预测结果。     

黄麻纤维毡吸声特性及其在汽车上的应用

由于植物纤维材料中的纤维直径不均匀,因此应用传统经验模型预测其吸声系数存在一定的局限性.而考虑了多孔材料微观结构和吸声系数之间关系的唯象模型,在精确辨识其非声学参数的前提下,可以获得较高的植物纤维材料吸声系数预测精度.以黄麻纤维毡为研究对象,基于阻抗管试验测得的吸声系数,运用粒子群优化算法辨识唯象模型的非声学参数,从而...     

基于改进目标进化算法的城市园林GIS数据均衡化技术研究

传统城市园林GIS数据均衡化处理技术忽略了对调整参数的全面寻优,导致部分数据仍存在不均衡问题。为此,提出基于改进目标进化算法的城市园林GIS数据均衡化技术。针对城市园林GIS数据,结合SMOTE算法与遗传算法,形成一种新的改进目标进化算法——GSA算法,对GIS数据完成二次采样,通过鸡群算法求解目标函数最优解,以此得到多个最优调整参数,使图像灰度分布更加均匀,实现城市园林GIS数据均衡化处理。实验结果表明,与传统技术相比,改进目标进化算法的GIS数据均衡化效果更好,证明该技术具有理想应用性能。     

基于Sine-SSA-BP的永磁直联带式输送系统功耗模型研究

永磁直联带式输送系统因煤量、带速和功率关系尚不明确,无法依载调速运行,因而存在能源浪费的问题。依据对输送系统的节能分析,提出了基于Sine混沌映射、麻雀搜索算法和BP神经网络的算法(Sine-SSA-BP),建立永磁直联带式输送系统功耗模型。该算法通过Sine混沌映射产生初始麻雀个体,通过Sine-SSA算法优化BP的权值和阈值来构建模型,寻找带速、煤量和功率的关系。选取标准BP网络模型进行对比,结果表明：Sine-SSA-BP建立的模型表现更好,具有一定的可行性和实用性,可以达到降低系统能耗的目的。     

基于改进SPHP算法的无人机遥感影像智能拼接方法

由于在影像拼接过程中存在清晰度低的问题,为此,提出基于改进SPHP(shape-preserving half-projective)算法的无人机遥感影像智能拼接方法。确定目标图像的极值点后,采用SIFT(scale invariant feature transform)作为特征参数,实现对无人机遥感影像特征的提取。在影像匹配阶段,对图像进行单应变换处理后,在待拼接无人机遥感影像特征重合的前提下,利用薄板样条函数(thin plate spline, TPS)中的径向基函数对图像进行变形处理,以此消除投影偏差,结合不同方向上的变形量,实现对无人机遥感影像的拼接。在测试结果中,拼接后影像的信息熵稳定在7.50以上,灰度方差乘积稳定在10.80以上。     

高铁隧道支护参数多目标优化研究

隧道在施工和运营期的安全及建设成本问题是隧道设计关注的首要问题。本研究基于多目标粒子群算法开发了Matlab支护优化程序,选取隧道总支护阻力及支护成本为目标函数,建立了隧道支护优化模型,结合FLAC~(3D)有限差分软件,以阳山隧道为工程算例进行隧道施工的数值模拟,研究了隧道支护多目标优化问题。结果表明:多目标粒子群算法引入变异算子可提升粒子群空间探索能力,避免陷入局部最优;设置外部存储器可有效提高算法计算速度及精度。多目标粒子群优化算法能够快速搜寻到非劣解集,经筛选、修正得到工程最优解。施工数值模拟表明,与原有设计相比,优化设计的围岩最大竖向位移值增大4.002%,围岩横向位移值无明显变化,围岩最终位移值均低于设计预留变形值,符合工程安全要求;优化设计控制围岩横向变形效果略优于原有设计;优化设计的锚杆轴力无明显变化,保证锚杆的作用效果;优化设计的喷射混凝土最大压应力提高1.614%,最大拉应力降低15.277%,可有效发挥喷射混凝土材料性能,提高岩体整体性及承载力。与原有设计相比,优化设计的支护成本降低10.641%,算法优化效果明显,可保证工程收益。该方法对隧道工程支护方案设计及优化具有一定的参考价值。     

基于RFID的二进制防碰撞算法的改进

主要对RFID的标签防碰撞算法进行研究,RFID系统中的二进制防碰撞算法的原理和二进制搜索算法,并在此基础上提出改进的算法。介绍改进的二进制算法需要的编码方式和指令、算法的基本原理并且举例说明算法的工作流程。从阅读器的通信次数、传输时延和吞吐量三个方面,仿真并分析改进的二进制算法,仿真结果与分析表明改进的二进制算法的性能高于二进制搜索算法。     

基于优化算法的阔叶树种生长模型研究

随着优化算法的发展和应用,分析优化算法在林分断面积生长模型参数估计中的运用并分析其优劣就显得尤为的迫切。采用昆明市森林资源二类调查数据,筛选树种组成大于等于6成的小班剔除异常值后作为建模样本单元。采用地位级指数和林分密度指数引入到生长模型中,分别采用麦夸特算法、差分进化算法、遗传算法、模拟退火算法和粒子群算法进行参数求解,根据算法迭代次数比较各优化算法的算法效率,并求解生长模型参数稳定性。结果表明,桤木、栎类和桉类断面积生长模型拟合决定系数分别为0.94,0.87,0.84,均方根误差分别为1.10,1.59,2.20,模型通过T检验和残差分析;麦夸特算法、差分进化算法、遗传算法、模拟退火算法和粒子群算法迭代次数平均值分别为68,2 188,4 147,4 492和2 324;Richards,Schumacher和Korf模型各参数拟合结果间欧式距离分别为1 408.47,10.11,45.22,Korf模型的拟合优度大于Schumacher和Richards模型。     

基于森林空间规划问题的模拟退火算法参数敏感性研究

[目的]以森林空间收获安排问题为基础,系统探讨模拟退火算法参数(初始解数量、初始温度、降温速率和每温度下重复次数)设置对森林空间规划问题目标解质量的影响。[方法]规划模型以10个5年规划分期内的最大化木材收获为基本目标,同时满足均衡收获和最大连续采伐面积约束。模拟数据由5个假设的栅格数据组成,共产生了3 300 81 600个0-1型决策变量。[结果]表明:各规划问题目标函数值的平均变异系数仅在0.18%14.95%间波动,说明模拟退火算法优化结果的高度稳定性;每温度下重复次数和初始温度分别与林分数量呈显著的多项式(R~2=0.85)和指数(R~2=0.66)关系,而降温速率则与林分数量倒数呈显著的多项式(R~2=0.98)关系,初始解数量虽不受林分数量影响,但至少应维持在500次以上。同时,研究还表明规划问题规模不仅显著影响各参数的取值,同时还显著影响算法获得满意解概率(PN)和求解效率(RE),其中满意解概率随林分数量的增加而呈显著线性增加趋势(R~2=0.98),但求解效率则呈显著线性下降趋势(R~2=0.55)。[结论]模拟退火算法优化结果具有高度稳定性,能够适应复杂森林规划问题的需求;模拟退火算法优化结果对参数设置和林分数量具有高度的敏感性,因此森林经营决策人员在采用模拟退火算法解决具体的森林规划问题时应慎重选择各参数的取值,以确保规划结果的稳定性和可靠性。     

一种改进鲸鱼优化算法的特征选择方法

针对鲸鱼优化算法(Whale Optimization Algorithm, WOA)用于特征选择时易陷入局部最优的问题,基于二次函数设计一种非线性过度参数取代原始的线性过度参数,再结合动态反向(Dynamic Opposite, DO)学习算法分别增强了WOA算法局部搜索能力和全局搜索能力,提出了动态反向鲸鱼优化算法(DOWOA)。用于5个标准测试函数的测试结果表明：DOWOA寻优效果优于原始WOA算法。5个UCI数据集测试结果表明：DOWOA算法能保持SVM分类精度几乎不变的情况下寻找到更少的特征子集。对电信客户流失数据进行了实验,结果表明：在平均分类精度几乎保持一致的情况下,DOWOA算法特征选择能力优于原始WOA算法。     

基于时延神经网络的木材干燥模型辨识的研究

木材干燥是一个复杂、多变的过程,传统的系统辨识方法很难建立一个理想的木材干燥模型。利用时延神经网络的特点,本文提出了基于时延神经网络的木材干燥模型辨识方法,并给出了辨识网络和结构。对辨识得到模型的仿真结果表明,利用时延神经网络所建立的模型是可靠且有效的。