提出了一种基于信息素机制的粒子群优化(Particle swarm optimization based on pheromone mechanism,PSO-PM)算法.主要是借鉴了蚁群优化算法的信息素共享机制,并引入到粒子群优化算法中,设计了粒子行为的三条简单规则:信息留存规则、...提出了一种基于信息素机制的粒子群优化(Particle swarm optimization based on pheromone mechanism,PSO-PM)算法.主要是借鉴了蚁群优化算法的信息素共享机制,并引入到粒子群优化算法中,设计了粒子行为的三条简单规则:信息留存规则、信息获取和融合规则以及粒子演化规则,从而实现了群体信息的充分分享,相应地改善了算法的寻优能力.采用基准函数对PSO-PM算法进行测试,并与几种不同类型的改进优化算法进行对比,数值实验结果验证了PSO-PM算法的有效性.展开更多
针对传统最大功率跟踪技术容易陷入局部最大功率点的问题,提出多态蚁群-细菌觅食算法(polymorphic ant colony-bacterial foraging algorithm,PACO-BFOA)来实现部分遮蔽条件下光伏系统的最大功率输出。该算法在传统蚁群算法的基础上引...针对传统最大功率跟踪技术容易陷入局部最大功率点的问题,提出多态蚁群-细菌觅食算法(polymorphic ant colony-bacterial foraging algorithm,PACO-BFOA)来实现部分遮蔽条件下光伏系统的最大功率输出。该算法在传统蚁群算法的基础上引入信息素扩散机制、多态蚁群的概念和细菌的趋化行为,使算法的全局开发和局部探索能力得到了增强。并在太阳辐照恒定、突变和缓慢变化3种环境下进行算法仿真对比验证,结果证明所提出的算法在部分遮蔽及变化光照下均能快速、稳定地在线寻得全局最大功率点。展开更多
文摘提出了一种基于信息素机制的粒子群优化(Particle swarm optimization based on pheromone mechanism,PSO-PM)算法.主要是借鉴了蚁群优化算法的信息素共享机制,并引入到粒子群优化算法中,设计了粒子行为的三条简单规则:信息留存规则、信息获取和融合规则以及粒子演化规则,从而实现了群体信息的充分分享,相应地改善了算法的寻优能力.采用基准函数对PSO-PM算法进行测试,并与几种不同类型的改进优化算法进行对比,数值实验结果验证了PSO-PM算法的有效性.
文摘针对传统最大功率跟踪技术容易陷入局部最大功率点的问题,提出多态蚁群-细菌觅食算法(polymorphic ant colony-bacterial foraging algorithm,PACO-BFOA)来实现部分遮蔽条件下光伏系统的最大功率输出。该算法在传统蚁群算法的基础上引入信息素扩散机制、多态蚁群的概念和细菌的趋化行为,使算法的全局开发和局部探索能力得到了增强。并在太阳辐照恒定、突变和缓慢变化3种环境下进行算法仿真对比验证,结果证明所提出的算法在部分遮蔽及变化光照下均能快速、稳定地在线寻得全局最大功率点。