共享遗传算法的搜索精度

共享机制赋予了遗传算法在一次搜索过程确定目标函数多个极值点的能力。本文着重研究共享遗传算法的搜索精度问题。通过对共享遗传算法建立概率模型 ,本文得到了共享遗传算法搜索精度不一定会随群体的不断进化而任意减小的结论。对于只进化有限代数的算法 ,本文分析了一类常用共享函数中算法参数和目标函数形状对算法搜索精度的影响 。

一种基于双精度搜索算法的变论域模糊控制

针对定式变论域模糊控制精度不高,自适应能力有限,控制函数在遗传到后代时存在畸变而造成算法本身误差等问题,设计了一种基于双精度搜索算法的变论域模糊控制器。在基本万有引力算法全局搜索的同时,采用序列二次规划进行局部搜索避免算法陷入局部最优,提出具有"全局-局部"双重搜索机制的双精度搜索算法。在变论域模糊控制基础上提出了一种利用伸缩因子、等比因子相互协调来调整论域的构想,且通过双精度搜索算法来寻优参数,降低控制过程中的函数畸变,从而进一步改善控制器性能。对比实验表明DPSA在参数寻优中稳定性突出,控制器不但收敛速度快,且与其他控制方式相比,其精度和效果都有所提高。

基于Fibonacci变步长搜索的光伏发电最大功率跟踪算法

为提高光伏发电系统功率输出的效率,采用Fibonacci变步长对称区间消去搜索算法进行最大功率跟踪(maximum power point tracking,MPPT)。这种算法需要判断温度或光照强度的变化是否符合设定值,只有温度或光照强度的变化超出设定值才执行MPPT。通过设定的搜索精度,在进行每一次最大功率搜索时都重新计算初始不定区间和估算搜索次数;为了减小系统波动,重新搜索时的当前电压值取上一次记录的最大功率点对应的电压值。通过仿真分析,该算法在搜索最大功率时响应速度快、执行效率高、输出稳定,能实现光伏发电系统输出功率最优化。在相同条件下,与实际光伏电池功率曲线和传统扰动观察法相比,该算法能提高输出效率。

基于对分搜索法光伏发电系统MPPT跟踪

研究与传统扰动观察法和Fibonacci搜索法相比,能够提高输出效率的基于对分搜索区间消去的最大功率跟踪算法。这种算法在程序执行前需要计算温度或光照强度的变化率,对于温度或光照强度的变化率超出允许值时才会执行最大功率搜索。程序开始前设定一个搜索精度和初始不定区间,在进行每一次最大功率搜索时都需要重新计算不定步长。为了减小系统波动,当环境变化后,重新搜索最大功率时电压当前点取上一次记录的最大功率点对应的电压值。通过仿真分析,该算法在搜索最大功率时响应速度快、执行效率高,后续输出能一直保持最大功率值。

双磁棒旋转搜索电磁定位/跟踪的搜索策略研究

针对双磁棒旋转电磁跟踪方法中磁棒搜索策略的带来的精度和效率难以兼顾的问题,提出了基于自适应步长的搜索策略。磁棒先采取较大步长靠近搜索目标,再不断缩小步长以提高搜索精度,直至较为精确地搜索到目标。经过仿真验证,该策略能提高搜索效率,与固定小步长(0.5o)精度上基本一致。

基于遗传搜索和模板匹配的快速运动估计

基于遗传算法的运动估计具有较好的全局寻优能力,但其过高的算法复杂度需要很大的计算和存储开销,增加了编码时间;另一方面,传统的基于遗传算法的运动估计普遍采用较低的遗传迭代次数,降低了遗传算法的搜索精度。为解决传统算法搜索时间长和搜索精度低的缺陷,提出了一种基于遗传搜索和模板匹配的混合算法。该算法结合多种运动矢量的预测方法以及运动矢量的统计特性设计了3种终止策略,使用模板匹配算法对遗传搜索过程进行优化。实验结果表明:该算法在确保编码质量的同时,能大幅缩减搜索点数和编码时间。

新型混沌优化方法的研究及应用

为了克服现有混沌优化方法在大空间、多变量问题中的不足,提出了一种新型的混沌优化方法.该方法利用了一类在有限区域范围内折叠次数无限的一维迭代混沌自映射进行混沌搜索,比一般的有限折叠次数迭代混沌自映射具有更好的混沌特性.因此,选取优化变量的搜索空间,并不断提高搜索精度,构造新型的混沌优化方法.实验算例和仿真结果表明,新型混沌优化方法具有较高的搜索效率与搜索精度,是解决优化问题的一种有效方法.

电力系统机组启停优化问题的改进DPSO算法

该文从微粒群优化算法的原理和机组组合问题的特点出发,提出了一种适合机组启停优化问题求解的改进的离散二进制微粒群优化算法(DPSO):文中结合机组启停优化问题的特点,采用改进的DPSO 算法对机组的开停机状态进行优化组合,利用随机的顺序投入法初始化原始种群,将无希望/重希望准则引入搜索过程,通过重新初始化机制与变异操作克服DPSO 易于陷入局部最优的缺点,并保证机组的开停状态组合满足单机约束和系统约束。保证搜索在问题的可行域进行。对2 个算例系统的仿真计算及与其它方法的比较表明,该算法在搜索精度和搜索速度方面均具有很大的优越性。此算法兼顾了收敛速度和收敛精度2 个方面,具有很好的适应性。这种寻优的方式不仅为机组启停优化问题带来了新的解决思路,对于求解更广泛的组合优化问题亦具有普遍的意义。

电力系统无功优化的变尺度混沌优化算法

变尺度混沌优化(MSCOA)是一种改进的混沌优化方法(COA),利用混沌运动的内在随机性、遍历性和规律性进行全局寻优;通过尺度变换不断缩小优化变量的搜索空间,通过改变“二次搜索”的调节系数提高搜索精度,从而提高局部细化搜索能力。文章将该算法应用于电力系统无功优化问题,并对IEEE6节点系统以及某地区54节点系统进行了仿真计算,计算结果验证了算法的有效性。

多交互式人工蜂群算法及其收敛性分析

针对人工蜂群(ABC)算法不易跳出局部最优解的缺点,提出了多交互式人工蜂群(MIABC)算法。该算法在基本人工蜂群算法的基础上引入随机邻域搜索策略,结合跨维搜索策略,且改进蜜蜂越限处理方式,使得算法搜索方式多样化,从而使得算法搜索更具跳跃性,不易陷入局部最优解,同时,对其进行收敛性分析和性能测试。在五种经典基准测试函数和时间复杂度实验上的仿真结果表明,相对于标准人工蜂群算法和基本粒子群优化(PSO)算法,该算法在1E-2精度下收敛速度提高了约30%和65%,搜索精度更优,且在高维求解问题方面有明显优势。

小窗口蚁群算法

在蚁群算法的基础上，提出了小窗口蚁群算法。通过对旅行商问题解集的分析，找到其最优解的特点，通过限定蚂蚁每次只向距离最近的几个城市移动，大大缩小其搜索范围，减少对算法中主要参数的依赖，提高其搜索精度并减少搜索时间。实验结果表明该算法有较好的效果。

基于重叠区域的高性能近似kD树算法

kD树是近邻搜索中应用最广泛的算法之一,针对其性能随着空间维度的增加而迅速降低的问题,提出一种可应用到高维空间的kD树搜索算法——okD树.在该okD树的创建过程中,左右子结点之间保留重叠区域,重叠区域不参与后续的划分而是直接传递到子结点;在搜索过程中,对于存在重叠区域的子结点不进行回溯,以提高okD树的搜索效率,不进行回溯的子结点中包含的重叠区域扩大了搜索范围,从而提高了搜索精度.实验结果表明okD树算法的性能优于当前主流的近似kD树算法.

改进的粒子群优化算法

粒子群优化算法是一种基于群体的自适应搜索优化算法,存在后期收敛慢、搜索精度低、容易陷入局部极小等缺点,为此提出了一种改进的粒子群优化算法,从初始解和搜索精度两个方面进行了改进,提高了算法的计算精度,改善了算法收敛性,很大程度上避免了算法陷入局部极小.对经典函数测试计算,验证了算法的有效性.

一种扩大交叉规模的自适应遗传算法

针对基本遗传算法收敛速度慢、稳定性差、容易陷入局部最优等缺点,提出了一种扩大交叉规模的自适应遗传算法并用典型测试函数加以仿真研究。通过仿真可以看出,新算法具有搜索精度高、收敛速度快、抗早熟能力强等特点。

嵌入粒子群优化算法的混合人工蜂群算法

为了克服人工蜂群算法存在的早熟收敛、后期收敛速度变慢等缺点,提出了一种基于粒子群优化算法的混合人工蜂群算法(PABC)。对陷入局部极值的雇佣蜂,采用粒子群优化算法对其重新进行初始化。粒子群优化算法具有很强的全局搜索性能,能使陷入局部极值的雇佣蜂尽快摆脱局部约束。测试函数的计算结果表明,改进的人工蜂群算法大大提高了蜂群算法的寻优能力,在收敛速度和精度方面均优于基本蜂群算法。

基于改进自适应扰动观测的最大转矩电流比控制

针对内置式永磁同步电机(IPMSM)的最大转矩电流比控制(MTPA)受电机参数变化影响的问题,提出一种改进的自适应扰动观测的MTPA控制策略.该方法以定子电流矢量角作为扰动量,比较控制系统前后两个时刻的电流幅值大小,确定搜索方向.将自适应PI控制融入扰动观测法中,跟踪系统随机选择相应的扰动步长,解决动稳态性能,提高精度和系统运行效率,克服传统MTPA控制方法对电机参数依赖性、提高系统整体效率优化和电流矢量角搜索精度.考虑外界因素对电感和磁链等参数变化的影响,得到内置式永磁电机(IPMSM)dq轴下最优电流矢量角.仿真和试验结果表明,所提方法具有一定的有效性.

基于Hausdorff距离的3维模型匹配的改进方法

通过单目灰度图像来实现已知3维模型移动对象的精确定位,是基于3维模型的交通视觉检测与目标跟踪系统的首要环节,也是机器视觉领域的一个重要问题。为了更好地进行图像匹配,提出了一种带权值的Hausdorff距离作为3维模型投影和图像中物体轮廓相似性的测度,以避免建立图像特征与模型之间的点点对应,这样既可减少计算量,也可提高匹配精度。为了避免陷入局部最优,可将一种带记忆功能的模拟退火(SA)算法引入图像模型匹配,这样可提高匹配参数的搜索精度。实验证明,由于SA算法和改进的Hausdorff距离相结合能有效地对3维模型和图像进行匹配,从而可对具有平移、旋转的物体实现精确定位。

基于粒子群优化算法求解软件可靠性分配问题

首先介绍粒子群优化的搜索策略与基本算法,通过构造具有自适应权重ω的改进方法,有效地改善了粒子群优化算法的搜索效率和搜索精度,并应用于求解软件可靠性分配问题中。实验表明了PSO在求解软件可靠性分配问题的有效性。

基于遗传算法分阶段快速寻优

该算法充分利用算法前期搜索的有用信息训练出淘汰模式和优秀模式。交叉产生的新群体与上一代群体竞争后进入下一代。有淘汰模式指导变异提高变异能力。根据优秀模式缩短解空间,提高搜索精度和放大适应度值比例进行快速收敛寻优。仿真试验表明,收敛速度和最优解精度都有大幅度提高。

基于EPZS的H.264运动估计算法的改进

运动估计是视频压缩编码中最重要和最耗时的环节之一。H.264作为一种高性能的编码技术,虽然编码效率明显提高,但是也带来了较大的运算量,特别是在运动估计模块中。为了减少H.264中运动估计算法的运算量,对运动估计算法中的搜索模板进行了研究,在分析EPZS算法的基础上,将非对称十字形和非对称六边形与EPZS算法相结合,提出了一种改进的EPZS算法。利用三个序列进行测试,测试结果表明,在搜索精度相似的情况下,改进后的EPZS算法搜索效率明显提高。