SVM性能的免疫鱼群多目标优化研究

SVM算法的训练精度和训练速度是衡量其性能的2个重要指标.以这2个指标为目标变量建立SVM性能多目标优化问题的数学模型,采用直接对多个目标同时进行优化的方法求得问题的Pareto近似解集.在求解Pareto近似解集时,将免疫原理中的浓度机制引入基本鱼群算法中,形成一种改进的免疫鱼群算法.以非线性动态系统仿真数据为样本数据,并采用改进的免疫鱼群算法求解SVM性能多目标优化问题的Pareto近似解集.仿真结果表明,在解决多目标优化问题时,免疫鱼群算法相对于基本鱼群算法和遗传算法具有更好的优越性.

免疫人工鱼群神经网络的经济预测模型

针对BP神经网络在经济预测存在的问题,提出了一种新的经济预测模型──免疫人工鱼群神经网络(IAFSA-NN)。通过免疫人工鱼群算法(IAFSA)训练神经网络,能显著提高网络的学习精度、收敛速度、泛化能力、还能在一定程度上克服BP神经网络的缺陷。以广东省湛江市的经济数据进行建模,给出了IAFSA训练神经网络的基本原理和步骤,构建了一个免疫人工鱼群神经网络的GDP预测模型,并运用MATLAB7.0进行仿真。实证表明,该模型预测结果优于BP网络预测方法,更接近实际数据,IAFSA神经网络用于经济预测是有效可行的。

计及用户响应电价关联与多主体共赢的电动汽车充放电定价优化

针对电动汽车用户响应电价时存在的不确定行为,导致配电网负荷波动及运营商成本增加的问题,提出了一种计及用户响应电价关联与多主体共赢的电动汽车充放电定价优化方法。首先,根据用户对充放电电价的响应方式,分析了不同用户充放电转移与电价变化的关联关系;然后,定义了单位投入成本函数,以电网负荷峰谷差最小、运营商节省成本最大及用户用电满意度最大为优化目标,以电动汽车行驶里程、电池电量、充放电时间和车网互动放电电价为约束条件,构建了协调多主体利益的充放电定价多目标优化模型;最后,在人工鱼群算法的基础上,结合免疫算法和Pareto最优解集,提出了基于收缩空间的改进免疫鱼群算法对多目标优化模型进行求解。算例分析结果表明,所提定价优化方法在降低系统负荷峰谷差和运营商成本的同时,增强了对用户分时段有序接入电网的调控能力,验证了所提方法的有效性和优越性。