一种交叉多目标跟踪算法

为了解决多目标跟踪过程中由目标轨迹交叉引起的跟踪算法复杂度增加以及跟踪精度降低的问题,提出了一种改进的基于随机有限集的交叉多目标跟踪算法。该算法以高斯混合参数代替概率密度假设来降低算法复杂度和减小跟踪误差。最后在线性高斯条件下进行了MATLAB仿真实验,模拟多目标的运动过程,应用本文提出的改进算法和传统的基于数据关联的算法对多目标进行跟踪,对比试验结果表明所提出的改进算法对交叉多目标具有更加良好的跟踪性能。

基于多元模态分解与多目标算法优化的深度集成学习模型的超短期风电功率预测

针对风电功率预测问题,提出了一种基于多元变分模态分解(multivariate variational mode decomposition,MVMD)、多目标纵横交叉优化(multi-objective crisscross optimization,MOCSO)算法和Blending集成学习的超短期风电功率预测。在数据处理阶段,为了保持各序列间的同步相关性以及分解后得到本征模态函数(intrinsic mode functions,IMF)分量个数和分量频率相匹配,使用MVMD对多通道原始数据进行同步分解。针对单一机器学习模型导致预测的全面性不足,且存在精度和鲁棒性低的问题,提出基于MOCSO算法动态加权的Blending集成学习模型。通过对递归神经网络、卷积神经网络、长短期记忆网络的预测结果进行动态加权集成,并通过MOCSO优化调整权重,以提高模型的预测准确性与稳定性。实验结果表明,所提预测模型不仅有效,且显著优于其他预测模型。

基于多目标纵横交叉算法的分布式电源规划

考虑分布式电源优化配置的经济指标,建立了以有功损耗、电压稳定裕度和投资运行成本为目标的多目标分布式电源规划数学模型。针对纵横交叉算法优异性能,引入pareto概念、精英保留策略以及非支配排序等方法进行多目标改进,提出多目标纵横交叉算法(Multi-Objective Crisscross Optimal Algorithm,MO-CSO)。以IEEE 33节点系统结合建立的模型进行实验仿真,结果表明,该算法的优化结果准确、合理,算法收敛精度高、收敛速度快,能够得到分布式电源的接入位置和接入容量的pareto最优前沿,为多目标分布式电源规划提供了良好的理论依据。

采用多目标纵横交叉算法的电力系统动态环境经济调度

针对带非线性约束的电力系统动态环境经济调度问题,提出一种多目标纵横交叉算法。对动态调度中燃料费用和污染排放两个相互约束、冲突的目标同时进行优化。求解过程中,结合非约束支配策略,提出一种双交叉机制,增强粒子穿越非可行区域的能力,使得生成的帕累托最优解落在可行区域内。通过边缘探索,增强算法的全局搜索能力。同时,采用外部存档集合储存非劣解,并通过拥挤度对比,保持非劣解的多样性。最后,采用模糊决策理论获得最优折中解。对10机电力系统的仿真结果验证了所提方法的有效性与优越性。

多目标交叉编译技术——GCC与Zephyr编译器构造的分析与比较

1引言 编译系统是任何计算机系统中不可缺少的重要部分.编译系统的研制因其技术复杂、难度较高而需要投入较多的人力、物力和花费较长的研制周期.过去编译器均是针对某一特定语言和目标机而编写的.随着计算机的飞速发展,过去那种编写编译器的方法已很难满足需要.在八十年代初,针对各种程序设计语言的后端具有较大共性的特点,国外相继开发了支持多种语言的编译系统,并很快成为各计算机公司编译系统采用的通用方法.

交叉微粒群算法在梯级水电站水库群多目标优化调度中的应用

以发电量和保证出力为目标,建立水库优化调度多目标数学模型,将遗传算法的交叉思想应用到微粒群算法中,尝试应用多目标交叉微粒群算法(multi-objective Hybrid Particle Swarm Optimization——multi-objectiveHPSO)来求解水库调度中的多目标优化模型的不劣解集。通过实例研究计算并与其他算法的优化结果进行比较分析,证明交叉微粒群算法具有灵活和有效性能好的特性。

Optimal allocation model of signalized intersections with dynamic use of exit lanes for left turn

In order to improve the operational efficiency of heavy left-turn demand intersections,an optimal allocation model of an intersection with dynamic use of exit lanes for left turns(EFL)is proposed.The constraints of setting EFL are analyzed,including the number and length of reverse variable lanes,flow direction constraints,and signal constraints,etc.The constraints and control variables are combined in a unified framework for simultaneous optimization.The objective functions are defined as the average delay and left-turn capacity of an intersection.The model is solved by a non-dominated genetic algorithm(NSGA-Ⅱ).The results show that after the optimal allocation of EFL,the average vehicle delays of the intersection can be reduced by 14.9%and left-turn capacity can be increased by 19.3%.The effectiveness of the optimal allocation model of EFL is demonstrated.