基于改进引力搜索算法的水轮机调节系统仿真

针对现阶段水电机组存在多种复杂工况、工程计算受限于算法本身的复杂性等问题,提出一种改进的引力搜索算法(改进PSOGSA),以此提高水轮机控制参数的优化性能,弥补传统控制策略难以满足动态需求的不足.首先,结合PSO算法,在GSA的速度更新公式中引入学习因子进行改进.其次,应用一种权重系数优化其位置更新公式,提高算法的自适应性.最后,结合相关仿真建模试验,使用所提改进PSOGSA对水轮机调节系统PID参数进行优化调节.仿真结果表明,在5%空载频率扰动下,改进PSOGSA的PID控制器明显优于上述传统算法,所调节的模型系统能在更短时间内趋于稳定,此时的超调量远低于传统算法,表明此改进PSOGSA在后续迭代中具备更高的迭代效率,并且改善了常规算法中易陷入局部最优的问题,从而证明了改进PSOGSA的合理有效性,水轮机调节系统的控制效果在一定程度上得到优化.

基于改进引力搜索算法的数控车削参数优化方法

为提高数控车削效率,优化生产质量,减少刀具磨损控制生产成本,提出一种基于改进引力搜索算法的数控车削参数优化方法。建立车削参数优化模型,通过多目标约束条件,确定参数优化的取值范围。通过多目标引力搜索方法,确定中心质点位置和质量,衡量质点优劣程度,经过迭代收敛在空间中搜索最优解。利用质点适应度函数并引入混沌思想改进算法实现全局优化。在混沌映射下反复推演质点的最佳位置,获得最终的优化参数最优值。实验结果表明:所提方法能很好地完成参数优化,降低生产成本,具备良好的有效性和鲁棒性。

基于引力搜索算法的激光位移传感器参数优化

为了优化中等量程激光三角位移传感器性能及体积,以200 mm~500 mm量程为例,建立了数学模型实现结构参数优化。在传感器结构设计中,采用平面反射镜对光路进行折叠,以工作物距、透镜焦距、线阵探测器件位置以及反射镜位置为被优化量并定义了目标函数,采用引力搜索算法(gravitational search algorithm,GSA)实现对位移传感器的结构优化。经过算法迭代,相同宽度限制下所得优化后的结构参数与传统激光三角结构相比,在500 mm处灵敏度提高24.29%,非线性误差由11.40%降低为7.43%。结果表明,此结构与优化算法对激光三角位移传感器性能与体积有较大的正向优化效果。

引力搜索算法优化ENN模型的天然气管道球阀冲蚀深度预测

天然气管道球阀在长期使用中易出现冲蚀现象,准确预测球阀的冲蚀深度对于管道的安全运行具有重要的实际意义。针对传统Elman神经网络(Elman Neural Network, ENN)模型的不足,提出了一种基于引力搜索算法(Gravitational Search Algorithm, GSA)的优化Elman神经网络模型并预测了不同影响因素下球阀的冲蚀深度,探讨了种群规模和隐含层节点个数对优化模型预测精度的影响。结果表明:传统模型预测所得的平均相对误差和均方误差分别为14.382%和0.042 5,优化模型预测所得的平均相对误差和均方误差分别为3.850%和0.003 9,因此,优化模型的预测精度大幅度高于传统模型;随着隐含层节点个数的增加,优化模型的预测精度先升高后降低;种群规模越大并不意味着优化模型的预测精度越高,合理的种群规模可使优化模型达到较好的预测精度;当种群规模和隐含层节点个数不同时,优化模型的预测精度始终高于传统模型,因此所提优化模型具有可靠性,可用于天然气管道球阀冲蚀深度的预测。

基于精英思想自适应改进万有引力搜索算法

为了解决万有引力搜索算法容易出现局部最优的问题,提出了一种新型改进万有引力搜索算法。该算法在质量的计算中引入随机因子;结合精英思想,基于适应度值对力进行有选择的合成,并且对更优粒子对应的力赋予更大的随机数;引入控制参数,自适应地更新粒子的位置,减小某些粒子过于随意变化带来的影响。通过以上这些操作,增强了算法的随机性,同时保证了算法的收敛性。经对10个基准函数进行仿真实验,结果表明新算法有更好的收敛速度和寻优精度,全局和局部优化能力增强。

多策略融合的随机自适应引力搜索算法

针对标准引力搜索算法存在的收敛速度过快、探索能力较弱以及容易陷入局部最小区域等问题,提出了一种改进的随机自适应引力搜索算法(RSGSA)。首先,引入随机策略以改进引力常数,从而提高算法在迭代初期的全局探索能力,避免过早收敛。其次,利用混沌序列提升总作用力的随机性和遍历性,增强算法的突变能力。最后,在粒子速度更新中引入自适应权重,并在粒子位置更新中引入随机变量,以平衡算法的全局探索能力和局部挖掘能力。通过对多个基准函数进行仿真测试,并与其他智能优化算法进行对比,实验结果表明,随机自适应引力搜索算法在解决复杂基准函数时的寻优精度较引力搜索算法提高了约10个数量级。

基于改进万有引力搜索算法的微网优化运行

微网为分布式电源并网提供了有效的技术途径,微网的优化运行是微网领域的重要研究课题。综合考虑经济成本、环境效益和网损等多个运行指标对微网的优化运行进行数学建模;通过引入反向学习机制、精英策略和全局记忆性,提出基于改进万有引力搜索算法的微网优化运行方法,并将其应用于解决多目标多约束的微网优化运行问题;最后,通过算例验证了所提出的算法的正确性和可行性。

改进的万有引力搜索算法在函数优化中的应用

万有引力搜索算法应用于函数优化问题时易陷入局部最优解且优化精度不高。针对这些问题,提出了一种改进的万有引力搜索算法。该算法通过引入反向学习策略、精英策略和边界变异策略,显著地提高了万有引力搜索算法中粒子的探索能力与开发能力,获得了较强的全局优化能力和局部优化能力。通过对6个非线性基准函数进行仿真实验,结果表明:与基本的万有引力搜索算法、加权的万有引力搜索算法和人工蜂群算法相比,改进的万有引力搜索算法在求解复杂函数的优化问题时具有更好的优化性能。

基于万有引力搜索算法的电厂锅炉NO_x排放模型的参数优化

以某330MW煤粉汽包锅炉为测试对象,以支持向量回归机为基础,利用最小二乘支持向量机和一种新的寻优算法———万有引力搜索算法进行了综合建模及参数优化.结果表明:建立的模型较好地实现了对电厂锅炉NOx质量浓度排放量的预测;与遗传算法、蜂群算法和粒子群算法相比,万有引力搜索算法能更好地找到未知优化参数,使得所建模型具有更高的预测能力和泛化能力,从而有效控制燃煤电厂NOx的排放量.

求解流水线调度问题的万有引力搜索算法

研究了以最大完工时间为目标的流水线调度问题,使用万有引力算法求解调度问题,提出了一种最大排序规则,利用物体间各个位置分量值存在的大小次序关系,并结合随机键编码的方法产生,将物体的连续位置转变成了一个可行的调度方案;提出了一种边界变异的策略使得越界的物体不再聚集在边界上,而是分布在边界附近的可行空间内,从而增加种群的多样性;结合交换算子和插入算子提出了一种新的局部搜索算法,有效地避免了算法陷入局部最优值,进一步提高了解的质量.最后证明了算法的收敛性,并且计算了算法的时间复杂度和空间复杂度,仿真实验说明了所得算法的有效性.

基于引力搜索算法的植保无人机三维路径规划方法

为了使植保无人机作业更加精准、高效与节能,研究了一种适用于三维地形的植保无人机路径规划方法。根据农田的规模、形状、高度起伏等地理环境信息,对其进行栅格化处理,建立三维环境模型;在此环境模型条件下,为无人机增加直行与回转机制,实现全覆盖路径仿真;通过提取仿真计算中每次植保作业飞行距离作为输入变量、非植保作业耗费时间作为输出函数,从而构建寻优模型;对寻优模型引入引力搜索算法,以输出函数最小为目标,对输入变量进行寻优,再通过仿真计算求出优化后的返航点位置。实例结果显示,在二维投影形状与尺寸相同的田地中,二维与三维路径规划方法之间的返航点位置存在偏差,证明了本文方法的必要性;在三维地形算例中,运用本文方法规划后的往返飞行距离总和与非植保作业时间分别为440.2 m与9 min,相比于未规划情况分别减少了90%与54%,相比于简单规划结果分别减少了23%与7%。在实际测试过程中,相比于未规划情况,规划后的路径飞行距离总和与非植保作业时间分别减少了11%和5%,验证了本文方法的合理性与可行性。

基于混沌万有引力搜索算法的SVM参数优化及应用

针对万有引力搜索算法存在局部优化能力差的问题,引入混沌序列和遗传算法的交叉思想对其改善,并将其应用于SVM的参数优化,通过仿真实验验证了该SVM模型具有更高的精度。最后将该模型应用于火电厂一次风机的状态监测,实验结果表明该模型是有效的。

非线性极大极小问题的混沌万有引力搜索算法求解

针对非线性极大极小问题目标函数不可微的特点,提出了一种混沌万有引力搜索算法的求解方法。该算法采用基于万有引力定律的优化机制引导群体进行全局探索,并基于混沌运动的随机性、遍历性和规律性特点,利用混沌优化对当前最优位置进行精细搜索,有效抑制算法早熟收敛现象,提高优化性能。数值实验结果表明,该算法具有计算精度高、数值稳定性好等特点。

改进的万有引力搜索算法在边坡稳定分析中的应用

基于万有引力搜索算法(GSA)提出了一种改进的万有引力搜索算法(MGSA)。针对GSA在处理优化问题时会出现发散的情况,通过限制粒子的速度同时更改算法中的参数来改善这一问题。算法改进后显著提高了GSA中粒子的探索能力与开发能力,可以获得较强的优化能力。采用MATLAB对8个测试基准函数进行仿真实验,并将该方法引入到边坡稳定分析中。对于边坡稳定性分析,利用MGSA搜索出临界滑动面并结合极限平衡法计算出相应的最小安全系数。结果表明:与GSA法及其他方法相比,MGSA在求解最危险滑动面安全系数时具有更好的优化性能。

基于万有引力搜索算法的微电网风光储容量优化配置

针对规模化风光储发电单元运行可靠性差、经济效益低等问题,通过采用多目标万有引力搜索算法,实现对风光储发电单元的优化配置。建立发电单元的输出功率模型,包括风力发电机输出功率模型、光伏电池输出功率模型和储能电池输出功率模型;采用某地区2015年1月至12月的风光数据,得出风机、光伏电池一年的输出功率。以风机、光伏电池及蓄电池的容量为决策变量,以成本、能源浪费率及缺电率最小为优化目标,得到最优风光储容量配置组合。

引力搜索算法的改进

引力搜索算法GSA(Gravitationa lSearch Algorithm)是最近由Esmat Rashedi基于引力定律提出的一个新算法。在引力搜索算法的基础上对其进行改进,得到了基于权值的引力搜索算法。与引力搜索算法相比,该算法在每一次迭代的过程中,都对粒子的惯性质量加一个权值。用算法对许多基准函数测试的实验效果表明,该方法可以使得引力搜索算法得到更好的结果。

基于改进引力搜索算法的无功优化仿真研究

针对引力搜索算法(GSA)在求解电力系统无功优化时出现早熟收敛和局部搜索能力差的问题,引入粒子群算法的记忆功能和加速机制,形成改进引力搜索算法(IGSA)。将GSA和IGSA基于Matlab对IEEE30节点测试系统进行电力系统无功优化仿真。仿真结果表明:IGSA算法避免了早熟现象,增强了局部搜索能力,能获得质量更高的最优解。该仿真实验可加深学生对电力系统无功优化的理解和对智能算法的认识。

基于混合策略的引力搜索算法

为了提高引力搜索算法(gravitational search algorithm,GSA)在处理单目标优化问题上的综合能力,提出了一种基于混合改进策略的GSA。依照种群个体自身的进化情况,提出个体进化率的进化策略,以提高算法的收敛速度;采取方向性的变异策略,较好地平衡了全局搜索能力和局部开采能力,最大限度地降低了种群陷入局部最优的可能。基于标准测试函数的仿真实验表明,基于混合策略的GSA算法可有效避免早熟收敛,在收敛精度和收敛速度上与标准的GSA算法以及相应的改进算法相比有显著提高。

基于万有引力搜索算法的低排放自适应配时

结合自适应配时策略分析运算时间在低排放自适应配时中的重要性和基本万有引力搜索算法(GSA)较常规搜索算法的优势,以减少交叉口处机动车排放为目的,借鉴低排放自适应配时模型和GSA优化算法原理,提出基于GSA的低排放自适应信号配时方法.以实际交通状态数据为基础数据进行实例验证.结果显示,在相同精度下使用基于GSA配时方法较基于一般优化方法的配时的车均排放低2.82%,运算时间短36.56%.证明了基于GSA的低排放自适应信号配时方法具有较好的优化效果和较高的运算速度,适用于低排放自适应配时的优化.

基于权值的引力搜索算法在电力系统最优潮流计算中的应用

引力搜索算法是由Esmat Rashedi教授提出的新型启发式算法。本文将基于权值的引力搜索算法应用于电力系统最优潮流计算中。为对该算法的实用性进行研究,将其应用于标准IEEE30节点和标准IEEE57节点系统,并与粒子群和遗传算法进行比较。实验结果表明,改进的引力搜索算法能够有效地解决电力系统中的最优潮流问题。