基于差分进化算法多智能体任务分配

为提升多智能体系统的工作效率,克服差分进化算法DE (differential evolution)在多智能体系统任务分配过程中的不足,提出一种基于QOC (quantization orthogonal crosser)策略改进的正交交叉差分进化算法AOCDE (an orthogonal crosser differential evolution)。QOC在DE算法基础上,引入正交思想和数据量化技术,通过改变交叉策略,增强算法全局寻优能力,提升算法收敛性。使用该算法解决多智能体系统任务分配问题,将仿真结果与其它算法进行比较,验证了该算法的有效性。

基于粗糙集与ASP的变压器故障诊断

针对传统电力变压器故障诊断方法无法获取完备故障信息、加入新约束条件需重新构建系统模型,提出一种基于粗糙集理论和ASP的电力变压器故障诊断方法。利用粗糙集理论对变压器油溶解的气体进行分析,结合ASP规则将待求解的问题转化为ASP知识库,通过ASP求解器实现故障诊断。与传统方法相比,该诊断技术简洁精确,模型表达能力强,具有一定的灵活性和容错能力,可以实现知识库的动态维护,变压器故障诊断准确率可达94.8%。