基于差分进化改进混合核极限学习机的指纹定位

针对极限学习机(extreme learning machine,ELM)指纹定位泛化性能弱、鲁棒性差等问题,提出一种改进的差分进化算法优化混合核极限学习机的指纹定位方法。该方法利用改进型的Logistic混沌映射提高差分进化算法全局搜索的能力,同时利用动态控制参数法避免差分进化算法陷入局部最优,然后通过改进差分进化算法自适应调整混合核极限学习机的参数,提高训练效率。在线阶段,利用混合核函数提高极限学习机的学习性能和泛化性能,并引入L1惩罚函数防止过拟合。其泛化能力相较于单一核极限学习机提升明显。该方法有92%的测试点定位误差小于0.5 m,平均误差相较于加权K近邻法(weighted Knearest neighbor,WKNN)降低了32.6%。

基于柯西变异和差分进化的混沌白骨顶鸟算法

针对白骨顶鸟优化算法(COOT)寻优精度低、容易陷入局部最优、收敛速度慢等问题,提出了基于柯西变异和差分进化的混沌白骨顶鸟算法(Logistic Chaos Coot bird algorithm based on Cauchy mutation and Differential evolution,CDLCOOT)。首先,通过柯西变异使白骨顶鸟位置发生扰动,扩大搜索范围,提高算法的全局搜索能力;其次,对领导者白骨顶鸟采取差分进化策略,增加种群多样性,使适应度更好的领导者带领种群寻优,引导白骨顶鸟个体向最优解前进,帮助其更快地搜索;最后,在白骨顶鸟进行链式运动时加入logistic混沌因子,从而实现混沌的链式跟随运动,提高算法跳出局部最优的能力。在12个经典的测试函数和9个CEC2017测试函数上进行仿真实验,将CDLCOOT算法与正余弦算法(SCA)、灰狼优化算法(GWO)、蚁狮优化算法(ALO)、黑洞模拟算法(MVO)等其他先进算法及原始COOT算法、具有单一策略的原算法进行对比,验证改进算法的有效性。实验结果表明,CDLCOOT算法相比其他启发式算法和改进算法具有更好的全局寻优能力和更快的收敛速度。在经典测试函数中,对于4个单模态函数,CDLCOOT算法寻优平均值相比原始算法平均提高了76个数量级;在2个多模态函数上寻到理论最优值,在另外2个多模态函数上寻优平均值分别比原始算法提高了三四个数量级;在4个固定维度多模态函数上,算法都能寻到理论最优值,收敛速度更快。在CEC2017测试函数中,所提算法在单模态、多模态和混合模态上的收敛精度相比原算法都有所提升,且其收敛速度也比原算法和其他算法更快,算法稳定性更高。

基于相对增益和改进粒子群算法的PSS与直流调制协调策略

现有电力系统稳定器(power system stabilizer,PSS)和直流调制多使用本地信号作为控制器反馈输入信号,控制器间的交互作用可能降低甚至破坏系统稳定性。提出了一种基于广域测量信号的PSS与直流调制协调策略,首先通过留数法选择对于振荡模态可观性较强的广域信号作为阻尼控制器备选反馈信号;其次通过相对增益方法选择使PSS和直流调制交互影响最小的备选信号作为最佳反馈信号;而后设计分散控制器,并运用基于混沌和差分进化的混合粒子群优化算法对PSS和直流调制控制器参数进行协调优化。最后,通过EPRI 36节点系统仿真验证了协调策略的正确性和有效性。

移动机器人路径规划的改进蚁群优化算法

针对蚁群算法易陷入局部最优的缺点,提出了一种复杂静态环境下移动机器人路径规划的改进蚁群优化算法—差分演化混沌蚁群算法.该算法利用差分演化算法进行信息素的更新,同时对可能出现的停滞现象,在信息素更新时加入了混沌扰动因子,算法还采用了一个新的评价函数;从而增强了算法的逃逸能力,避免了路径死锁现象,也提高了最优路径的搜索效率.仿真结果表明:即使在障碍物非常复杂的环境,本算法仍能快速规划出安全的优化路径.效果令人满意.

考虑支路负载率均衡性的输电网规划

差分进化算法搜索速度快,但策略过于单一,存在早熟收敛现象。混沌优化算法的随机性、遍历性使得算法全局搜索能力强,但收敛速度慢。提出结合两种算法的混沌差分进化算法,进行优势互补。采用猫映射来替代传统的Logistic映射来提高混沌算法的计算速度,改变变异、交叉策略,增加混沌扰动来提升算法的全局和局部搜索能力。采用的输电网规划模型以综合投资运行费用和支路负载率方差为目标函数,考虑方案的经济性、安全性,同时优化重载及轻载线路,使支路潮流分布更加合理。通过18节点算例分析验证了模型的有效性及算法的可行性。

远距离大容量风水互补系统的优化调度

为了有效应对能源危机和气候变化,电力系统应尽可能的吸纳可再生能源并网发电.本文分析了风力发电和水力发电的不确定性,根据风能资源和水能资源的互补特点构建了远距离大容量风水互补系统.在一定的风能资源和水能资源条件下设计了风水互补系统的优化调度模型,并采用混沌微分进化算法求解.修改后的IEEE-30节点算例结果表明:远距离风水互补系统可以平抑风电出力波动,大大减少系统火电机组燃料耗费,节能减排效果显著.

基于差异演化算法的高速储能飞轮形状优化设计

采用差异演化算法对高速储能飞轮的形状进行优化,以实现储能飞轮具有最大的质量能量密度,并且以在高速旋转的状态下满足强度要求为设计目标。针对差异演化算法进化速度依赖种群个体差异的特点,提出权重因子随种群聚集度变化而变化的策略,并增加混沌变异操作,以提高算法跳出局部最优的能力。构建了仿真优化程序,通过Visual C++6.0调用通用有限元软件ANSYS来计算飞轮的应力分布。通过优化计算得到了满足强度要求的质量能量密度最大的飞轮形状,与同质量的圆盘飞轮相比,转动惯量提高了28.39%。

基于混沌搜索的微分进化算法

针对基本微分进化算法在后期收敛速度慢,搜索能力差等问题,利用混沌搜索的随机性、遍历性以及对初值的敏感性等特性,提出了一种混合混沌搜索的微分进化算法——混沌微分进化算法。该算法既保持了基本微分进化算法结构简单的特点,又能提高算法的收敛速度、计算精度以及全局寻优能力。数值仿真结果表明,该算法的性能优于基本微分进化算法。

自适应混沌差分进化算法在梯级水库优化调度中的应用

介绍了一种基于自适应混沌映射的差分进化算法,该算法采用混沌映射的方式产生初始种群,并综合考虑算法迭代进度和个体进化程度两个因素,对缩放因子进行动态调整以促进算法全局搜索和局部寻优的平衡。同时,在算法进化的不同阶段采取不同尺度的扰动策略,进一步提高算法的再搜索能力。将该算法应用于某梯级水库发电调度的研究中,通过实例计算,并与基本差分进化算法、模拟退火算法相比,得到了更优的全局最优解,验证了该算法的可靠性和实用性。

基于改进人工鱼群算法的图像边缘检测

提出了一种基于带混沌差分进化变异算子的人工鱼群算法的图像边缘检测方法,该算法通过灰度图像矩阵的一阶导数得到灰度图像的梯度值矩阵,然后利用人工鱼群搜索图像梯度最大值,达到快速、准确检测图像边缘的目的。在差分变异算子中引入调节因子加强搜索能力,并且动态调整人工鱼的视野,使鱼群能快速跳出局部极值。通过仿真实验表明,该算法用于图像边缘检测是可行的和有效的。

多目标柔性作业车间调度问题的混合差分算法

多目标柔性作业车间调度问题属于NP-hard问题。在对该问题进行分析的基础上,为之建立了数学模型,并改进了多目标函数,使其更符合实际需要。提出了一种求解该问题的混合差分演化算法,该算法针对差分演化算法易陷入局部最优现象,提出了算法早熟收敛判定方法,并且利用混沌搜索解决早熟收敛问题,突破了局部极值的限制以再次寻优计算。仿真结果表明,该算法效率高,寻优速度快,有效地解决了收敛性能和早熟之间的矛盾。

融合自适应混沌差分进化的粒子群优化算法

针对粒子群优化算法易出现早熟收敛、收敛效率低的缺点,提出一种融合自适应混沌差分进化的粒子群优化算法.该算法首先将自适应混沌引入差分进化算法,再将所得结果进行一次校正变异和校正选择,最后将所得算法融合到粒子群优化算法,从而有效地利用与平衡了粒子群优化算法和差分进化算法的探测和开发能力,且局部搜索能力增强,进一步提高算法的求解精度和效率.数值实验证明本文算法的有效性.

基于混沌自适应差分进化算法的舰船电力系统网络重构

舰船电力系统的网络重构是保证舰船电网安全运行的重要手段,文中采用混沌自适应差分进化算法作为解决舰船电力系统网络重构的方法.采用混沌优化产生初始种群,保证了种群的多样性;引进自适应变异算子和交叉算子,加速算法的收敛速度.文中以一个特定的舰船电网模型为研究对象,证明了所提出方法可以高效、快速地解决网络重构问题,与其他优化方法相比,再开关操作次数更少,收敛速度更优.

一种改进的粒子群与差分进化混合算法

粒子群优化算法(PSO,particle swarm optimization)在搜寻全局最优解时易出现局部最优、收敛速度慢、收敛精度低等缺点.为此,在基本的粒子群优化算法中引入了Tent混沌操作以及惯性权重的自适应调整操作,并且与加入了参数自适应调整操作的差分进化(DE,differential evoluation)算法进行融合,提出一种改进的自适应混沌粒子群(IPSO,improved particle swarm optimization)算法与自适应差分进化(IDE,improved differertion evolution)算法的混合算法.仿真结果表明,相比于PSO和DE算法,新提出的算法具有收敛速度快、搜索能力强的优点.

混沌鲶鱼粒子群优化和差分进化混合算法

为了改善粒子群优化算法的性能,引入了"鲶鱼效应"思想,改造粒子群个体的进化策略,用混沌方法改良了种群搜索策略,把这两者结合起来,既提高种群的广度搜索能力,又提升深度搜索能力,跟差分进化算法进行混合,算法优势互补,形成一种新型的混合算法,更好地协调广度搜索和深度搜索之间的矛盾,提升算法性能。经过对三个标准函数的测试,仿真结果表明该算法在逃离局部陷阱能力和搜索精度均有显著提高。

基于混沌和差分进化的混合粒子群优化算法

研究粒子群算法优化问题,由于标准粒子群优化算法(PSO)在高维复杂函数优化中易早收敛,影响全系统优化。为改进的混合粒子群优化算法,提出了一种基于混沌和差分进化的混合粒子群优化算法(CDEHPSO)。把基于Logistic映射的混沌序列引入到种群初始化操作中。在算法进化过程中,通过一种粒子早熟判断机制,在基本粒子群优化算法中引入了差分变异、交叉和选择操作,对早熟粒子个体进行差分进化操作,从而维持了种群的多样性并有效避免了算法陷入局部最优。仿真结果表明,相比于粒子群优化算法和差分进化算法(DE),CDEHPSO算法具有收敛速度快、搜索能力强的优点。

改进细菌觅食算法在高维优化问题中的应用

针对以往细菌觅食优化算法自适应步长公式经验性参数过多、无法真正实现自适应的缺点,提出了改进的步长公式,使步长仅与细菌个体当前的进化代数和所求解问题的寻优范围有关,真正实现步长的自适应;其次,将混沌思想和差分进化思想与细菌觅食算法结合,对算法初始化过程和寻优过程进行改进,增加群体多样性,避免算法因为早熟而陷入局部最优值;在高维问题的优化过程中,采用逐维更新细菌位置的方法,将整体问题分维处理,极大地提高了算法效率和精度。通过对多个标准测试函数在多维空间进行测试,表明改进算法在高维空间中寻优时速度快、精度高、求解过程简单可行,在寻得最优解的精度上比其他改进方案有显著提高。

基于灰熵关联择优的含不确定性预算调节策略的微电网鲁棒调度

以运行成本、环境成本和可再生能源波动最小为目标,建立了以灰熵关联度为最优解评价标准的微电网调度模型。针对风光发电的不确定性,构造以预测值为中心的不确定性集,引入鲁棒优化理论改进调度模型。针对储能系统在调度过程中可能过早到达其限值的问题,提出了一种通过储能运行状态来估计风光发电不确定性预算的策略。采用改进微分进化算法对算例进行求解,该算法结合云模型增强其局部搜索能力,依据混沌算法提升其全局搜索能力。仿真结果验证了模型和算法的可行性,从Pareto前沿的变化与最优解集的特征值两方面分析了鲁棒调度模型的优越性;讨论了在不同场景下不确定性预算值对微电网调度的影响,并验证了不确定性预算调节策略能更有效地防止储能系统到达储能上下限,从而进一步提高微电网调度的鲁棒性。

混沌差分算法在确定河流水质模型参数中的应用

将混沌寻优思想引入到差分优化算法形成混沌差分算法,并将其应用于确定河流水质模型参数的函数优化问题。数值实验结果表明:应用混沌差分算法求解此参数问题无论是在精度还是时间上都优于差分优化算法。它将混沌寻优的遍历性和随机性思想引入到差分优化算法中,在每次差分进化寻得的最优位置附近进行混沌细搜索,并配合特殊的迭代终止准则进行寻优。其明显缩短了混沌搜索计算时间和克服了差分优化算法后期早熟的缺陷,提高模型求解的收敛速度和精度。

改进的差分演化算法及其在函数优化中的应用

差分演化算法是一种简单、高效的函数优化方法,但也存在算法结果不稳定,容易陷入局部最优解等情况,针对上面问题,提出了混合混沌和逆向学习算子来初始化种群,保持种群的多样性,加快算法的收敛速度;提出了随机排序的选择策略,提高种群演化后期的多样性,避免算法提前陷于局部最优,通过对国际上通用22个标准测试函数进行验证,本文提出的算法在最优解的质量与稳定性优于其它被比较的算法.