基于麻雀搜索算法的微电网分层优化调度

为综合考虑微电网供给侧和需求侧的利益,建立了微电网分层优化模型;上层以净负荷成本和用电满意度为目标优化负荷曲线,下层以运行成本和环境成本为目标优化各单元出力,并选择麻雀搜索算法(SSA)求解这类复杂优化问题。针对SSA易陷入局部最优的问题,提出一种改进麻雀搜索算法(ISSA),改进了发现者搜索方式,引入了变异、贪婪策略;并且加入非支配排序和轮盘赌法将ISSA改进为多目标算法。算例结果表明可转移负荷占比为10%时能够协调微电网供需两侧的利益;对比ISSA与SSA、粒子群算法(PSO)、鸡群算法(CSO)和灰狼算法(GWO)的迭代结果,证明ISSA具有良好的寻优效果和稳定性。

真实工作场景下“搜索即学习”任务集的构建与分析

文章采用日记法收集来自16个国民经济行业的真实工作场景下具有学习特征的搜索任务实例,结合任务概念框架对搜索任务进行表征,构建面向“搜索即学习”研究的多维任务集,并进一步剖析了真实工作场景下搜索任务的属性特征,对任务相关特征、参与者认知变化、行为及关系进行探讨,根据参与者的学历层次、完成任务的认知层次,以及在完成任务时所处的时间压力进行分组比较三组变量间的关系。研究发现:参与者的任务执行熟悉度与任务感兴趣程度,所需信息类型的数量显著影响认知变化,任务执行者特征对认知变化与行为的影响在不同情境下均存在显著差异。本研究开发的任务集可作为“搜索即学习”研究的公共研究资源,以及评估生成式人工智能技术复杂任务处理能力的评测集,为开发面向真实工作任务情境与高效的信息系统提供依据。

分布式装配置换流水车间调度问题研究综述

近几十年来,现代制造业发展迅速,一种趋势是在分布式生产工厂进行工件的加工,待完成后到装配工厂集中装配成最终产品。该模式在带来诸多好处的同时,对资源调度提出了新的挑战。针对分布式装配置换流水车间调度问题(distributed assembly permutation flowshop scheduling problem,DAPFSP),介绍了DAPFSP的背景和存在的主要困难,进而对以最小化最大完工时间为优化目标的DAPFSP,从数学模型、编解码策略、全局和局部搜索算法角度进行探讨,分别综述了以最小化总流程时间等为优化目标,具有零等待等约束,以及考虑准备时间等因素的DAPFSP研究成果。最后,对有待进一步开展的研究工作进行展望。

一种混合多策略改进的麻雀搜索算法

针对麻雀搜索算法SSA求解目标函数最优解时具有过早收敛、在多峰条件下易陷入局部最优和在高维情况下求解精度不足等问题,提出了一种混合多策略改进的麻雀搜索算法MISSA。考虑到算法初始解的质量很大程度上会影响整个算法的收敛速度与精度,引入精英反向学习策略,扩大算法的搜索区域,提升初始种群的质量和多样性;对步长进行分阶段控制,以提高算法的求解精度;通过在跟随者的位置中加入Circle映射参数与余弦因子,提高算法的遍历性与搜索能力;采用自适应选择机制在麻雀个体位置更新中加入Lévy飞行,增强算法寻优和跳出局部最优的能力。将改进后的算法与麻雀搜索算法及其他算法在13个测试函数上进行对比,并进行Friedman检验。实验结果表明,改进后的麻雀搜索算法能够有效提高寻优精度与收敛速度,并在高维问题中也具备较高的稳定性。

基于多元储能的分布式能源系统优化调度方法研究

为进一步构建清洁低碳、经济节能的供能系统,研究建立了含风、光以及多元储能的分布式能源系统,针对北京某办公园区,采用DeST预测用户负荷以及当地风、光条件。以经济性、节能性和环保性三方面的综合效益最大为目标,提出一种自适应优化运行策略,分别采用穷举搜索法和遗传算法对系统优化调度方案进行优化。同时,采用以电定热运行策略作为对照,对比分析几种不同运行策略下系统的综合效益。结果表明:传统以电定热运行模式下的综合效益平均值为0.41;而在自适应优化运行策略下,使用遗传算法得到的调度方案,其综合效益平均值可达0.5,穷举搜索法得到的运行方案,其综合效益平均值可达0.51。

基于新混合乌鸦搜索算法的置换流水车间调度

为了更加有效地求解以最大完工时间最小化为目标的置换流水车间调度问题,提出一种新混合乌鸦搜索算法(NHCSA)。首先,对一种基于NEH的启发式算法进行了改进,在此基础上提出新的方法以改善初始种群的质量和多样性;其次,采用SPV(Smallest-Position-Value)规则进行编码,使算法能够处理离散的调度问题;最后,针对迭代贪婪算法,提出了自动调整重插入工件范围的方法、引入了TB机制,并采用改进的迭代贪婪算法对最佳工件排序进行局部搜索,以提升算法收敛的精度。基于典型测试集进行了仿真测试,结果验证了所提算法的寻优能力和稳定性。尤其是在针对Rec19和Rec25算例的比较中,仅NHCSA取得了当前最优解,进一步证明了其优越性。

采摘机器人的路径规划系统动态性优化研究

为进一步改善采摘机器人的工作性能,提出以动态调控为主导的理念,针对整机的路径规划系统展开优化研究。以当前果园采摘机器人的通用性结构组成为前提,将云平台数据处理与路径规划核心算法有效融合后搭建动态控制模型,分别针对路径规划系统的硬件配置与软件控制进行合理设计,得到可应用于采摘实践且布局完整的路径规划系统。展开动态性优化下的采摘作业试验,结果表明:优化后采摘机器人路径规划系统的整体路径搜索率与路径平滑性得到明显提升,相对提升度分别为10.93%和9.71%,路径偏离率相对降低了50%左右,很好地优化了机器人的避障能力,满足系统稳定性需求,具有较高的实用价值。

基于改进蚁群算法和共用航段的搜索救援通道规划

针对战斗搜救任务场景中,空中搜索救援等待区至跳伞区之间的往返路径规划问题,提出一种基于改进蚁群算法和共用航段的搜索救援通道规划方法。首先,针对基本蚁群算法易出现局部极值及收敛速度慢等缺点,对启发函数、状态转移策略、信息素更新策略进行了改进。然后,针对单起点多目标点的路径规划问题,提出了设置分航点以生成共用航段的搜索救援通道规划方法,并以总路径长度表征任务准备负荷量与分别规划航路进行对比。实验结果表明,在本文测试环境下,改进蚁群算法规划的路径长度分别缩减15.4%和14.2%,搜索救援通道的任务准备负荷量减少25.4%。所提出的搜索救援通道规划方法有一定的理论和应用价值。

基于改进麻雀搜索算法优化LSTM的滚动轴承故障诊断

为了对滚动轴承的工作状态及故障类别进行准确的诊断,本文采用长短时记忆(LSTM)神经网络作为分类器对滚动轴承数据集进行分类诊断。首先,从滚动轴承原始运行振动信号中提取时域和频域特征参数,组成具有高维特征参数的数据集;使用核主成分分析(KPCA)方法对高维特征集进行降维处理,选取重要性程度高的特征构成输入特征向量。然后,针对LSTM神经网络在滚动轴承故障诊断中存在的超参数难以确定的问题,提出一种基于自适应t分布策略的麻雀搜索算法优化LSTM神经网络的故障诊断方法(tSSA–LSTM)。最后,使用凯斯西储大学滚动轴承数据中心的数据进行故障诊断精度测试、泛化性能测试及噪声环境下故障诊断性能测试等多个仿真实验,并将本文提出的诊断模型与麻雀搜索算法优化长短时记忆神经网络(SSA–LSTM)、遗传算法优化长短时记忆神经网络(GA–LSTM)、粒子群算法优化长短时记忆神经网络(PSO–LSTM)及传统LSTM诊断模型进行对比。结果表明:tSSA可以更有效地对LSTM的隐含层神经元数量、周期次数、学习率等超参数进行合理优化;所提方法的平均诊断准确率达到98.86%,交叉验证平均诊断结果为98.57%;所提方法在噪声干扰下的故障诊断准确率也优于对比方法。因此,本文提出的tSSA–LSTM模型不仅可以更精准地诊断滚动轴承故障状态,而且具有更强的泛化能力及抗干扰能力,有效地提高了滚动轴承故障诊断的性能。

基于“车-路-站-网”信息耦合的电动汽车有序充电策略

为了消解规模化电动汽车(electrical vehicle,EV)无序充电对交通路网、充电站和配电网运行稳定性带来的负面影响,提出一种基于“车-路-站-网”信息耦合的电动汽车有序充电策略。首先,构建“车-路-站-网”信息耦合模型和动态Floyd最短时间路径搜索模型,为EV用户搜寻最短耗时路径。其次,基于“车-路-站-网”实时状态预测EV用户选择不同路径前往各充电站快充产生的充电决策因素,通过层次分析法和改进CRITIC法综合EV用户充电决策因素的主客观权重,利用Topsis方法决策EV用户的最优充电路径。最后,提出EV用户慢充优化策略,对返程EV用户的慢充负荷进行优化,结合EV慢充和快充负荷,进一步实现配电网负荷的削峰填谷。仿真结果表明,所提出的EV有序充电策略能够同时提升“车-路-站-网”多方运行水平。

基于改进蚁群算法的外卖配送路径规划研究

从外卖配送员角度出发提出一种改进蚁群算法(Improved Ant Colony Optimization,IACO),在此基础上进行外卖配送路径规划研究.首先通过蚁群算法(Ant Colony Optimization,ACO)求解得到初始规划路径,然后通过大规模邻域搜索算法(Large Neighborhood Search,LNS)优化初始规划路径,通过将ACO和LNS算法结合,提高求解质量.为了验证方法的有效性,对外卖配送过程进行仿真,并且选用不同订单数量场景进行对照分析.根据最优配送方案路线图和目标罚函数的最优值可以得出,IACO算法是有效的,且可以提高外卖配送员外卖配送的效率.IACO算法不但能够提升配送的智能化水平,还从外卖配送员的角度提出一种更为人性化的配送方法,支持网络互联外卖平台派送系统的可持续化发展.

基于多元信息引导的人工蜂群算法

利用优秀个体增强解搜索方程的开采能力是改进人工蜂群算法的一种主流思路.然而,现有相关工作往往仅以适应度信息作为评价个体的唯一标准,易导致算法出现早熟收敛等问题.本文提出一种多元信息引导的人工蜂群算法,分别设计了基于适应度、位置以及相似度信息的3种解搜索方程,并在雇佣蜂阶段和观察蜂阶段采用了不同的使用方式.同时,为保存侦察蜂阶段的搜索经验,采用一种微调后的邻域搜索机制用于处理被放弃蜜源.在CEC2013测试集和一个实际优化问题上进行了大量实验验证,与6种衍生算法和5种知名的相关改进人工蜂群算法进行了对比,结果表明本文算法性能竞争优势明显,在结果精度和收敛速度上均有更好表现.

红火蚁对亚洲玉米螟的捕食作用及其发生影响

蚂蚁在蛀茎害虫的综合治理方面发挥着重要的作用。全球分布性的入侵蚂蚁红火蚁取食多种无脊椎动物并在入侵区域成为优势物种。但是目前尚不清楚红火蚁对玉米重要害虫亚洲玉米螟的捕食作用。本文在实验室和野外条件下研究红火蚁对亚洲玉米螟的觅食和捕食行为。研究显示,对于隐藏度低的亚洲玉米螟,红火蚁发现该害虫的时间约为40s,召集时间少于1 h。对于隐藏度高的亚洲玉米螟,红火蚁发现该害虫的时间超过26 min,召集时间接近6 h。野外实验显示,红火蚁可以降低玉米中后期生长阶段中50%的亚洲玉米螟卵块、94.1%的亚洲玉米螟幼虫和92.9%亚洲玉米螟蛀食孔。研究提供更多的视角理解红火蚁对生物多样性影响。

基于时域波形特征认知的输电线路近端故障辨识与定位

针对现有单端行波故障测距对近端故障存在测距盲区、双端行波故障测距对近端故障测距误差较大,无法满足工程需要的不足,提出基于波形特征认知的近端故障辨识与定位方法。首先,分析了线路故障行波传播规律,以固定分辨率显示波形。发现线路近端故障时,初始行波及其后续波形在长时窗整体宏观观测下呈堆叠缓变特征,而在短时窗局部放大观测下呈周期性变化特征,且周期与故障距离相关。不同线路的近端故障历史样本能统一作为参照基准为测距提供提示。进而提出基于波形密度和突变分布的近端故障辨识方法。最后,对辨识出的近端故障进行周期估计,利用近端故障与线长的无关性以及历史样本突变周期和故障位置已知性,搜索周期最近邻历史样本,并由已知故障距离插值实现故障位置确定。基于大量实测数据进行仿真测试,结果表明所提方法能够显著提升单端行波测距可靠性和成功率。

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.

数字化转型、跨界搜寻与绿色创新——组织环境文化的调节作用

数字化转型与绿色创新是实现经济社会高质量发展的重要路径,探究数字化转型如何驱动绿色创新具有重要价值。构建数字化转型对绿色创新影响的理论模型,实证分析数字化转型对绿色创新的影响,并探究跨界搜寻的中介作用及组织环境文化的调节作用,揭示数字化转型影响绿色创新的路径及边界。基于335份问卷调查数据实证研究发现:数字化转型对技术知识跨界搜寻、市场知识跨界搜寻、绿色工艺创新与绿色产品创新均有正向影响;技术知识跨界搜寻、市场知识跨界搜寻对绿色工艺创新与绿色产品创新均有正向影响;技术知识跨界搜寻、市场知识跨界搜寻在数字化转型与绿色工艺创新及数字化转型与绿色产品创新间均发挥部分中介作用;组织环境文化在数字化转型与绿色工艺创新及数字化转型与绿色产品创新间起正向调节作用。结论可深化数字化转型与绿色创新研究,也为驱动绿色创新提供思路借鉴。

基于改进麻雀优化PID的波浪补偿控制方法

随着海上风电“十四五”规划的不断推动,在深远海域对兆瓦级大功率海上风机的需求量随之增加,其规模也在不断扩大。但是,在吊运、安装等海上工作过程中,复杂海浪对船舶产生的持续影响导致风机安装的精度和效率大幅下降,甚至会对人员安全以及财产造成重大损失。在深远海域复杂海况下对工程船舶进行有效的波浪补偿,可提供稳定的作业环境以保证精准高效地完成各项工作,因此,本文提出了一种基于改进麻雀优化PID的波浪补偿控制方法并将其应用于Stewart补偿平台。首先,建立波浪补偿平台动力学以及运动学反解模型,并设计正解模型迭代求解算法。随后,使用PID进行波浪补偿控制,并通过麻雀搜索算法优化参数。接着,采用Circle混沌映射对其进行初始化分布,以解决初始化不均匀的问题;并采用动态自适应加权、柯西突变以及反向学习以提升算法全局寻优能力。最后,生成4~6级海况下的某工程船运动数据作为系统输入,利用MATLAB和Simulink软件平台搭建模型进行补偿控制验证,并在Stewart硬件平台上做补偿试验。结果表明,改进麻雀搜索算法具有较快的收敛速度、较高的精度和更好的寻优能力,优化后的PID控制方法更适合用于复杂海况下波浪补偿平台的控制优化,可为大功率海上风机安装的补偿平台控制系统设计提供参考。

空间机器人预定义任意时间最优轨迹规划

针对双臂自由漂浮空间机器人(FFSR)在太空抓取任务中的轨迹规划问题,设计了一种FFSR系统的可实现误差预定义时间收敛的新型轨迹规划算法,用布谷鸟搜索算法进行参数优化,以实现末端执行器误差的快速收敛并获得平滑轨迹。首先,导出FFSR的基于姿态误差的运动学模型;然后,将累积危险场避碰算法应用于预定义任意时间轨迹规划,实现高跟踪精度的快速避碰轨迹;最后,利用布谷鸟搜索算法对预定义任意时间参数进行优化,得到机械臂低关节角速度的运动轨迹。仿真结果表明所提算法能够在预定义的时间内实现末端执行器误差快速收敛,而且能够得到更平滑的运动轨迹。

Seru系统调度优化的知识引导协同进化算法

作为一种新型的生产模式, Seru系统能够兼顾柔性和效率且快速响应市场,已在装配企业得到广泛应用.为了实现实际生产过程生产效率和劳动效率的协同优化,本文研究以最小化最大完工时间和工人总劳动时间为目标的Seru系统多目标调度问题,提出一种知识引导的协同进化算法.首先,将问题分解为Seru构造和Seru调度,构造两个种群分别优化子问题.同时,设计种群规模的调整策略,通过为有潜力的种群分配更多个体来提高协同搜索的效率.进而,通过分析问题的性质,提炼规则性知识用于设计有效的搜索算子和重生成规则,指导精英个体执行知识驱动的增强搜索,从而进一步提升算法的局部开发能力.通过数值仿真和统计性能对比,验证了算法各设计环节的有效性,并取得了显著优于现有最新算法的多目标调度优化性能.

求解燃气轮机制造车间调度的混合和声搜索算法

燃气轮机生产属于典型的离散型制造,其多品种小批量的生产特点给车间作业调度带来挑战,导致企业生产效率低下,不能满足产品交货期。因和声搜索算法结构简单易操作,常用于解决此类作业车间调度问题。然而传统和声搜索算法收敛速度较慢,易陷入局部最优。本文构建以最小化最大完工时间为目标的燃气轮机制造车间调度数学模型,提出一种离散型改进多种群混合和声搜索算法进行求解。结合和声搜索算法与变邻域搜索算法的优点,采用基于工序的编码方式进行编码,在种群更新部分引入模拟退火的Metropolis接受准则,提高种群多样性;提出自适应的记忆库保留概率和音调调节率来调节参数,以提高算法的全局寻优能力;加入变邻域搜索以提高算法的收敛速度。通过性能测试及实例验证表明,相较于已有算法,所提算法具有更好的性能。