生存进化阶段性搜索微粒群算法及其可靠性冗余分配优化应用

为高效解决含有异质冗余的多态系统(MSS)可靠性优化问题,并弥补微粒群优化(PSO)算法易早熟收敛的不足,从作用力方式和种群拓扑结构两方面对算法进行改进。改进PSO算法中单一的作用力方式,设置前后两个搜索阶段,对应两个搜索阶段分别构造平衡引斥力方式和双层引力(个体和全局最优解引力、中间适应度微粒引力)方式,提出阶段性搜索微粒群(SPSO)算法;利用生物个体“择友而交”和优胜劣汰的生存体系构建生存进化(SE)拓扑结构,以结构演化和算法进化并行方式将该拓扑结构融入SPSO算法,提出生存进化阶段性搜索微粒群(SPSO-SE)算法,进一步提升算法的优化性能;利用Benchmark函数对所提算法与PSO的改进算法进行测试对比,结果表明,所提SPSO-SE算法具有更好的寻优能力。采用SPSO-SE算法对串-并联和桥式结构的多态系统的可靠性冗余分配问题进行优化,得到的系统结构费用更低、可靠度更高。

两群替代微粒群优化算法及其应用

提出一种两群替代微粒群优化算法(TSSPSO),并对算法参数进行分析和对算法方程进行修正。该方法将微粒分成飞行方向不同的两分群,其中一分群微粒朝着最优微粒飞行,另一分群微粒朝着相反方向飞行;飞行时,每一微粒不仅受到微粒本身飞行经验和本分群最优微粒的影响,还受到全群最优微粒的影响。搜索时,每一次迭代均以一定的替代率用一分群中若干优势微粒取代另一分群中相同数目的劣势微粒。对4种常用函数的优化问题进行测试并进行比较,结果表明:两群替代微粒群优化算法比基本微粒群优化算法更容易找到全局最优解,优化效率和优化性能明显提高。将两群替代微粒群优化算法用于常压塔汽油干点软测量,建立基于两群替代微粒群优化算法的汽油干点神经网络软测量模型,通过与实际工业数据的比较,表明基于两群替代微粒群神经网络的软测量模型精度高、性能好。

两群微粒群优化算法及其应用

针对微粒群优化算法容易陷入局部极值的缺陷,提出两群微粒群优化算法．通过对5种常用测试函数进行测试和比较,结果表明两群微粒群优化算法比基本微粒群优化算法更容易找到全局最优解,优化效率明显提高．然后将两群微粒群优化算法用于催化裂化装置主分馏塔轻柴油95%点软测量建模,通过与实际工业数据对比,表明该软测量模型具有高的精度、好的性能和广阔的应用前景．

两群微粒群算法及其在油品调和优化中的应用

针对复杂的非线性约束优化问题,提出了一种含变异算子的两群微粒群算法。算法构造了两个粒子群,分别设置了不同的搜索速度上限,并设计了粒子群间的协调机制和变异算子,使算法的寻优能力得到增强。针对油品调和配方优化进行了实例仿真,研究结果表明所提出的算法能获得较理想的调和配方,在满足调和利润最大的同时能保证对调和指标的卡边,使调和成品油的指标富余量大大降低。

基于多样性指标的两群替代微粒群优化算法

粒子群优化算法是进化计算领域中的一个新的分支。该算法简单且功能强大,但是粒子群优化也容易发生过早收敛的问题。该文提出一种两群替代微粒群优化算法,该方法将微粒分成不同的两分群进行搜索寻优。搜索一定次数后,每一次迭代首先判断微粒群的多样性是否低于一个阈值,若低于则按照黄金分割率用一分群中若干优势微粒取代另一分群中的劣势微粒。对3种常用函数的优化问题进行测试和比较,结果表明,该两群替代微粒群优化算法比基本微粒群优化算法更容易找到全局最优解,优化效率和优化性能明显提高。

采用改进量子粒子群优化算法的虚拟电厂参与二次调频两阶段优化

虚拟电厂(virtual power plant,VPP)作为一种新型区域能源管理系统,可通过“源—荷—储”的协调优化调度,高效参与电网二次调频辅助服务。介绍虚拟电厂内部结构,建模分析新能源机组及可控负荷特性;搭建虚拟电厂参与二次调频两阶段调度模型,该模型能够兼顾二次调频净利润及调频效果;研究一种自适应权重的改进量子粒子群优化(quantum particle swarm optimization,QPSO)算法,通过引入自适应权重机制,在量子粒子更新过程中动态调整权重参数以提高算法的搜索能力和收敛速度;并将改进算法应用于两阶段优化过程中,使虚拟电厂获得更高的二次调频净利润及更好的调频效果;仿真结果表明,所提改进算法的收敛速度更快且全局寻优能力更强。

基于微粒群优化聚类数目的K-均值算法

K-均值算法是广泛使用的聚类算法,但该算法的聚类数目难以确定,且聚类结果对初始聚类中心比较敏感.本文提出一种基于微粒群优化聚类数目的K-均值算法,该算法采用聚类中心的坐标和通配符表示微粒位置,通过定义微粒更新公式中新的加减运算符,动态调整聚类中心的数目及坐标,此外,以改进的聚类有效性指标Davies-Bouldin准则作为适应度函数.5个人工和真实数据集的聚类结果验证了所提算法的优越性.

基于微粒群优化算法的电力系统动态无功优化

根据系统负荷曲线变化趋势按单调性将一天的预测负荷曲线划分为若干(小于24)个时段,并将动作次数约束还原为经济成本,将它与网损费用等之和作为目标函数,并考虑了各种运行约束条件,采用微粒群优化算法进行计算,该算法收敛速度较快。与静态无功优化模型相比表明,该无功优化模型更适合给定的地区电网,优化后全天的网损略有增大,但变压器抽头调节次数以及电容器组投切次数明显减少。

微粒群优化算法及其改进形式综述

微粒群优化算法是一类新的基于群体智能的启发式全局优化技术,群体中的每一个微粒代表待解决问题的一个候选解,算法利用微粒之间的相互作用发现复杂问题解空间的最优候选区域。该文综述了算法的基本形式及其多种改进形式,并给出了未来可能的研究方向。

基于微粒群优化算法的空间优化决策

空间优化决策是GIS应用中复杂而又常见的问题。由于涉及到大量的组合,使用穷举法等方法难以找到最优的解决方案,因此需要运用新的理论方法来解决这类问题。微粒群优化算法是近年来新兴的一种优化技术,与GIS相结合可解决空间优化决策问题。首先,对微粒群优化算法和空间优化决策问题作了简单介绍;然后,基于人口密度、最短距离约束条件下,通过GIS技术,对微粒群优化算法用于空间优化决策的方法、实施过程作了详细阐述;接着,用4×4方格单元对PSO方法的正确性、有效性进行了验证;最后,以广州市芳村区为例,对该方法进行实例验证。通过实验,证明微粒群优化算法具有较好的收敛速度、较高的结果精度,是解决空间优化决策问题的一种有效方法。

基于多目标微粒群优化算法的土地利用分区模型

土地利用分区实质上是一个多目标的土地利用空间优化问题,将传统分区方法用于解决多目标优化问题明显不足。该文提出了一种基于多目标微粒群优化的土地利用分区模型,构建了土地利用分区的属性约束指标,提取4个能够体现土地利用分区目的及意义的目标函数,即分区间差异性最大区内相似性最强、空间分区集中连片、土地利用效益最大化、土地适宜性评价指数最高,同时考虑了土地利用分区图上最小图斑面积、用途区面积、用途转换规则3类约束条件,并详细阐述了算法的核心思想、编码策略、状态更新机制及其算子等内容,最后以湖北省宜城市为例,对模型的可行性和有效性进行验证,结果表明通过对目标的权重调控可以得到不同目标偏好的土地利用分区方案,该文所构建模型在土地利用规划实践中具有可操作性。

基于禁忌搜索与微粒群优化算法的混合优化策略算法在目标分配问题上的应用

目标分配是地面防空作战指挥的关键环节。给出问题模型,并提出一种禁忌搜索与改进微粒群算法的混合优化策略用于解决该问题。仿真结果表明,与其它几种智能优化算法相比,该混合优化策略在解决目标分配问题时具有优良的优化性能和时间性能,在问题规模较大时表现更为突出。

基于微粒群算法的梯级水电厂短期优化调度研究

介绍了一种易于实现、参数少且收敛快的集群智能算法—微粒群算法,并将其应用于梯级水电厂的短期优化调度。提出以确定微粒群在多维空间中的最优位置来实现多阶段优化调度决策的方法,并针对算法易陷入局部最优的缺陷,引入遗传算法中的“杂交”因子以及采用自适应的惯性权重,以改进其全局优化能力。通过实际算例验证了该算法的有效性,从而为梯级水电厂的短期优化调度问题提供了一种新的求解途径。

采用随机微粒群算法的舰船消磁系统优化调整

随着舰船消磁技术的发展,消磁线圈的数目越来越多,用于调整消磁系统的常规方法越来越难以实施.为解决这一问题,采用随机微粒群算法对舰船消磁系统进行了优化调整,给出了优化调整数学模型及优化结果.计算例子表明随机微粒群算法在舰船消磁磁场特征均方根最小和峰值最小方面均比常规方法更有优势,而且这种方法还能用于优化与舰船磁场特征相关的任意一个或多个参数.因此,利用这种新方法可以将舰船消磁系统调整到最优状态,从而能够保证舰船的磁性安全.另外,随机微粒群算法具有算法直观,编程简单,计算速度快的优点,可以方便地应用于工程实际.

基于微粒子群优化算法的差速器壳体轻量化设计

针对汽车差速器的轻量化,提出了基于微粒子群优化算法和参数化模型相结合进行优化的设计方法。通过计算模态和试验模态相结合,验证了差速器壳体有限元模型的准确性;基于微粒子群算法,建立了以质量最小和安全系数均方根值最大为目标的优化模型,进行了轻量化设计。优化结果显示:壳体质量由优化前的6.26kg下降到5.67kg,减轻了10.4%;优化后壳体的最大应力、最大应变和最小安全系数等性能指标均有不同程度的提高,验证了轻量化是成功的。

改进微粒群优化算法求解旅行商问题

对微粒群优化算法的速度位置算式进行了改进,提出一种改进的微粒群优化算法。该算法符合组合优化问题的特点,在求解旅行商问题上有较高的搜索效率。将改进的PSO算法分别应用于14点的TSP问题以及中国旅行商问题中,该算法在较短时间内获得了目前已知的最好解。

基于微粒群算法的工程项目质量、费用和工期综合优化

进度、费用和质量称为工程项目的三大控制目标,三者之间相互依存、相互影响。工程项目控制的理想状态是同时实现合理的工期、较低的费用和较高的质量。微粒群算法(PSO)是新近出现的一种仿生算法,具有简单容易实现,而且随机搜索的优点,使得搜索不易陷于局部最优。将该算法引入工程项目优化领域,研究工程项目的质量、费用和工期的综合优化问题。系统介绍微粒群算法原理、流程以及算法的改进发展,研究工程项目质量、费用和工期的优化,并建立质量、费用和工期的多目标综合优化模型,介绍应用微粒群算法编码解决工程项目多目标优化的方法步骤。最后,通过一个应用实例,计算表明微粒群算法可以准确快速地解决工程项目多目标优化问题。

基于微粒群算法的采煤机记忆截割路径优化

为了解决采煤机记忆截割过程中的路径优化问题,提出了基于环形微粒群算法的采煤机截割路径优化方法,研究了基于环形邻域微粒群算法的采煤机记忆截割策略。当煤层地质条件发生变化时,初始的记忆截割轨迹会产生偏差,借助环形微粒群优化算法快速收敛和全局寻优特性实现采煤机的截割路径优化。试验结果表明:该算法可快速有效地实现复杂地质环境下采煤机的路径优化,优化路径平稳可靠,利于采煤机的记忆截割和自动控制。

微粒群优化算法

介绍了微粒群优化(PSO)算法的原理、算法流程、算法参数及其对算法性能的影响.讨论了各种改进的PSO算法.分析了多相微粒群优化算法(MPPSO)的原理、算法方程、算法参数及其对算法性能的影响.最后归纳了PSO算法的应用概况,并就PSO算法进一步的研究工作进行了探讨和展望.

基于动态粒子数的微粒群优化算法

提出了基于动态粒子数的微粒群算法,并建立了粒子数变化函数.该函数包含粒子数衰减趋势项和周期振荡项.衰减趋势项能够在种群向最优解不断收敛的过程中逐渐减少粒子数,以提高粒子效率.周期振荡项中的递增阶段代表了新粒子的随机出现,以增加粒子群的多样性,而周期振荡项中的递减阶段代表了探索性能差的粒子逐渐消亡,以提高优化效率.对4个标准函数进行测试,仿真结果表明该算法能有效地减少计算量,并显著提高全局搜索性能.