基于人工免疫多模态函数优化的PID整定

提出一种基于人工免疫多模态函数优化的PID(Proportional Integral Derivative)参数离线整定控制器的算法.该算法通过设计多模态函数,搜索出多模态函数的所有峰值点,这些峰值点即是极优的Kp,Ki,Kd参数组合集.同时,该算法将无限个数据聚类成有限个数据,决策者可以根据实际应用要求,在有限个数据内选择最合适的最优决策.Matlab仿真结果证明了该算法的优越性和有效性.

基于人工免疫算法的多目标函数优化

提出了一种新型的人工免疫算法用来解决多目标函数优化问题。基于自然免疫系统固有的优良特性对算法进行了设计和分析。最后, 算法对3个较复杂的多目标问题进行了优化, 优化结果能很好地覆盖问题的Pareto最优面, 并且把算法与某些混合遗传算法进行了对比实验, 表明人工免疫算法在解决多目标优化问题上具有可观的研究前景。

资源有限人工免疫系统的改进

分析了资源有限人工免疫系统的不足,提出了改进的资源有限人工免疫系统。改进的系统在演化过程中每一步都重新计算适应度阈值,更实际地反映了当时的抗体亲和度的状态;选取的刺激度函数充分体现了抗体距离较小时刺激值所应具有的优势,对较小的距离又不过分敏感;同时选择可以使系统更合理地分配抗体的资源分配函数。仿真实验结果说明,改进的人工免疫系统在网络的进化速度、结构等方面获得了较优良的性能。

改进的人工免疫识别系统及其性能分析

为了改善人工免疫识别系统的非线性能力,进一步优化分类器性能,提出了一种改进的人工免疫识别系统。新算法采用混合核函数来提升算法的非线性能力,同时,对记忆细个体进行适应度评估,淘汰低适应度的细胞来优化免疫分类器。改进的算法被应用于复杂UCI数据集的分类,分类结果与其他经典的分类算法的结果进行比较,结果显示该算法具有更好的分类性能。

改进自适应人工免疫算法求解函数优化问题

为克服经典人工免疫算法(AIA)在函数优化过程中存在的计算量大、收敛精度不高和收敛速度较慢等不足,引入多个自适应免疫算子,提出了一种改进自适应人工免疫算法(IAAIA)。在经典人工免疫算法中,引入迭代次数对抗体激励度计算算子进行自适应设计,引入种群抗体平均激励度与抗体激励度对免疫选择算子、克隆算子、变异算子与克隆抑制算子进行自适应设计,提升人工免疫算法的收敛速度、收敛精度和稳定性。选择9个典型测试函数作为实验对象,同时选择4种典型人工免疫算法作为对比算法优化实验函数,对比实验结果表明了改进的自适应人工免疫算法在求解函数优化问题的有效性和优越性。

基于自适应投影多元经验模态分解的电力系统强迫振荡源定位

近年来,电力系统强迫振荡在电网中频繁发生,严重威胁到电网的安全稳定运行,快速、准确地定位强迫振荡源对抑制强迫振荡具有重要意义,但现有方法在分解具有高差异度多通道广域量测信息时难以准确提取强迫振荡模式分量,严重影响到强迫振荡源定位精度。为此,该文提出一种基于自适应投影多元经验模态分解(APIT-MEMD)的强迫振荡源定位方法。该方法首先采用APIT-MEMD通过构建自适应投影方向向量,实现对发电机多通道广域量测信息的同步分解,分离出表征不同振荡模式的固有模态函数(IMF)分量;然后,借助对数能量熵从众多IMF分量中提取出含强迫振荡模式的IMF分量;在此基础上,根据提取出的强迫振荡IMF分量,计算各发电机的耗散能量流,根据耗散能量流实现强迫振荡源定位;最后,通过WECC 179节点测试系统仿真数据和实际电网同步相量测量装置(PMU)实测数据对所提方法进行分析、验证,结果验证了所提方法的准确性和实用性。

一种新的免疫算法及其在多模态函数优化中的应用

提取免疫应答的部分简化机制并结合小生境技术,提出一种用于多峰值或非连续函数优化的免疫算法.该算法由记忆细胞获取、克隆选择、亲和突变及群体更新这四种算子模块构成.这些算子的有机组合不仅为最优化问题的解决提供了实用新方法,而且反映了抗体应答抗原的简化运行机制.算法设计的重点是借鉴小生境共享实现方法的思想建立有助于增强群体多样性及保留优良抗体的记忆细胞获取算子,以及利用亲和成熟机理设计抗体突变算子.所获算法具有整体和局部搜索能力及并行搜索特点.理论证明了其收敛性.仿真事例比较表明此算法不仅是有效的,而且能快速搜索到多个最优解(针对于多解最优化问题).

面向多模态函数优化的混沌免疫网络算法研究

针对人工免疫网络解决多模态函数优化时可能出现的早熟收敛现象和搜索精度不甚满意的问题,提出改进的混沌免疫网络算法。改进算法终止条件及采取相应措施以避免早熟,利用混沌变量来模拟免疫细胞的增殖方式以提高算法的搜索精度。通过对一些典型测试函数进行仿真实验,结果表明该算法能够快速优化抗体,搜索能力强,搜索精度高,是一种效果优良的解决多模态函数优化问题的极值寻优方法。

应用传递函数的零、极点辨识集聚质量系统的模态矩阵

本文主要讨论集聚质量系统的刚度矩阵为对称三角降时,利用Tacohi矩阵逆问题解的唯一性来辨识系统的模态矩阵;并引证了解析函数一次极点λ=λ;留数的方根,就是Jacobi矩阵模志阵的第一行元素。因此,辨识过程中只需要输入系统的零、极点(共振和反共振频率),就可以解出模态矩阵;既不要求精确测量其峰值和相位,也不需要采用矢量图来分离总响应中其它模态的影响。辨识的精度取决于共振和反共振频率的测量精度;实验证明:它将高于振型的测量精度。

人工免疫算法及其在多元非线性优化问题中的应用

针对多元非线性Rosenbrok函数优化问题,结合生物免疫系统相关机理,设计对应的人工免疫算法对其进行求解。讨论了相似度、亲和力、群体多样性以及免疫记忆等功能的设计和实现方法,算法设计中,结合信息熵原理设计抗体相似度,并引入克隆抑制、亲和突变及募集新成员算子来保持群体多样性。最后,通过实验比较分析,该算法稳定,且具有较强的全局搜索性能,能够获得较满意的解。

考虑集合经验模态分解的风电储能系统能源管理协调控制方法

传统的风电系统能源管理控制方法对储能容量利用的优化程度有限,因此提出了一种新的基于集合经验模态分解的风电储能系统能源管理协调控制方法。采用时空滤波器对风功率信号进行分解,得到固有模态函数分量和趋势分量,从而确定储能系统控制功率分配,建立风电储能设备控制模型,最后实现风电储能系统能源管理协调控制。仿真测试结果表明,采用集合经验模态分解的风电储能系统能源管理控制方法相比于传统方法,能实现更优化的储能设备充放电次数和更有效的储能容量利用,提高了系统的可靠性和能源利用效率。

基于信息素模因的免疫克隆选择函数优化

学习进化经验并用于指导进化对人工免疫算法这样的随机搜索类算法十分重要.Memetic算法在进化算子中引入局部搜索,算法的学习机制决定哪种局部搜索机制适合目标问题.然而,这类算法需要使用者事先提供问题相关的局部搜索策略.为了克服Memetic算法的这一缺点,针对函数优化问题提出了一种基于蚁群信息素的无指导的学习机制,并在此基础之上构造了基于信息素模因的克隆选择算法.算法无需提供候选的局部搜索策略(即模因),学习的内容是抗体的进化趋势,而并非要确定合适的局部搜索策略.实验结果表明,信息素模因学习机制借助信息素浓度的收敛学习到了关于目标函数的有用信息,有效提高了克隆选择算法的搜索效率.

用于高维函数优化的免疫记忆克隆规划算法

基于抗体克隆选择学说及免疫记忆理论 ,系统阐述了一种新的人工免疫系统算法 ,免疫记忆克隆规划 ,并基于Markov链的有关性质 ,证明了该算法的收敛性 .高维函数优化的仿真试验表明 ,与相应的进化算法 (如BGA)相比 ,算法有效克服了早熟问题 ,保持了抗体的多样性 ,而且收敛速度快 .

用于函数优化的改进免疫克隆多样性算法

免疫系统具有许多可以用于解决工程和科学问题的特性,人工免疫系统是基于免疫系统特性而发展的新兴智能系统.针对免疫算法的多样性,利用免疫系统克隆选择和克隆抑制机制,提出一种用于函数优化的改进免疫克隆多样性算法,以达到简化复杂系统函数算法的目的.多样性算法是一种基于免疫系统抗体多样性机制而开发的免疫算法,这里给出了改进的算法步骤,指出改进算法与原算法的主要区别以及所依据的免疫系统原理;文章还对算法的复杂性进行了分析,证明了改进免疫系统克隆多样性算法可以利用相对小的候选解群体解决复杂函数优化问题.

负荷随机扰动下的电力系统小波模态参数识别

采用小波变换方法从负荷随机扰动下的响应轨线中估算电力系统机电振荡模态。首先推导出随机激励下响应轨线的小波功率谱与系统右特征向量之间的关系,获得从响应轨线估算电力系统模态参数的小波方法,然后针对振荡频率接近的模式,提出采用小波相干系数的方法来区分其模态信息。以平稳激励下的4机2区域系统为例,仿真验证了小波方法识别随机激励下系统模态参数的有效性,与傅里叶方法相比,对于能量较弱的模式小波方法具有较好的模态辨识效果。

采用免疫进化算法优化设计径向基函数模糊神经网络控制器

基于生物免疫系统的计算智能近年来正逐渐成为一个研究热点.针对模糊神经网络控制器难于设计的问题,提出了一种免疫进化算法用于径向基函数模糊神经网络控制器参数的优化设计.首先将控制器参数进行编码表示成个体,并由若干随机个体组成初始群体;然后模拟生物适应性免疫应答过程,通过扩展操作在群体中较优秀个体的小邻域内进行局部搜索,同时利用突变操作在较差个体的大邻域内搜索;最后将设计的控制器用于控制倒立摆系统,仿真结果验证了该控制器的有效性.

基于频响函数矩阵计算阻尼系统动力响应的新方法

首先引入模态坐标变换及矩阵函数变换,将阻尼系统转化为无阻尼系统,再通过分析无阻尼系统的模态参数的特点,推导出计算其频率响应矩阵的公式,然后使用矩阵函数逆变换和模态坐标反变换,推导出原阻尼系统响应的精确表达式,方法应用于经典阻尼系统时,取得了与传统的振型迭加法等价的解析表达式,同时对于无法直接使用振型迭加法处理的非经典阻尼系统,也获得了解析解。数值算例表明了该方法的正确性及有效性。

基于离散辨识模型的线性对象模态控制系统的建立

针对实际控制对象内部特性不能确定的情况,给出了基于离散辨识模型的模态控制方法。研究了以离散标准二项式作为系统标准特征方程的完全状态向量信息线性离散对象的模态控制方法,提出了基于离散辨识模型的线性对象模态控制系统建立的算法,分析了系统标准特征方程的根参数对控制系统过渡过程性能的影响。这种方法具有建立简便,工程可实现性强等特点。

AR与Prony法的时变系统模态参数识别

研究AR和Prony法的线性时变振动系统的模态参数识别。提出可以处理非平稳信号的时变Prony法。采用递推最小二乘算法估计模型参数,并讨论基函数的选择,其中以时间多项式基、离散长球面基以及离散余弦基下所识别的效果较好。为验证方法的有效性,进行了数字仿真和附加质量随时间连续变化的悬臂梁的模态分析试验,试验结果和理论结果比较,表明了提出的线性时变系统的模态参数识别方法有效、可行。

结合Baldwinian效应和周期变异的免疫函数优化

为了有效提高免疫克隆算法的搜索能力,借鉴生物免疫系统的Baldwinian效应及生物进化的周期性,提出了一种融入Baldwinian正向学习和周期变化变异算子的克隆优化方法,并使用受体编辑保证抗体的多样性,避免局部最优。通过函数测试问题对算法进行了仿真,结果表明,该算法具有较快的收敛速度和求解精度。