基于改进NSGA-Ⅱ的交叉口信号配时多目标优化

针对城市交叉口信号配时多目标优化的求解效率问题,设计了一种基于改进NSGA-Ⅱ的城市交叉口信号配时优化方案。该方法采纳车辆延误、停车次数、通行能力3个评价指标设计了多目标信号配时优化模型,并提出了改进的NSGA-Ⅱ(NSGA-Ⅱ-DE)对配时模型进行求解。NSGA-Ⅱ-DE采用DE/Rand/1的全局变异策略对NSGA-Ⅱ算法选择策略进行改进,并设计了种群动态更新算法,提高了算法的收敛速度和求解精度。结果表明改进算法获得了较好的Pareto最优解,通过典型交叉口仿真验证,相对于NSGA-Ⅱ算法,NSGA-Ⅱ-DE方法设计配时方案平均车辆延误优化提升13.42%,排队长度优化提升16.73%,平均停车次数优化提升15.50%,能够实现城市交叉口的最优化控制。

基于双变异算子的免疫规划

针对进化规划的早熟收敛问题,借鉴免疫系统的应答机制,并结合进化规划与免疫机理,提出一种基于双变异算子的免疫规划算法(DMIP).该算法的核心在于采用全局柯西变异算子和局部高斯变异算子,通过保持种群的多样性和执行记忆保护以及弱小保护策略,保证了算法搜索的快速性和有效性.理论分析和仿真结果均表明,该方法能够有效地提高算法的全局及局部搜索能力,克服早熟现象.

一种双变异率的改进遗传算法及其仿真研究

针对标准遗传算法收敛速度慢,寻优能力差,易陷入局部最优等问题,提出了一种双变异率的改进遗传算法。在进化过程中,引入广义海明距离这个概念,当由广义海明距离控制的交叉操作产生个体数不足种群规模时,对原种群进行局部小变异,这样在避免近亲繁殖的同时又可扩大搜索空间,增加种群多样性,有效地抑制了早熟收敛;随后进行的全局大变异保证整个过程全局收敛。仿真实验用典型的测试函数验证了此算法能显著提高解的质量和收敛速度。

一种基于核典型关联分析的短语音说话人嵌入向量算法

针对短语音条件下,基于全局变异空间提取的身份向量存在估计不足导致性能下说话人识别降的问题,提出了一种基于核典型关联分析的方法融合全局变异空间和时滞神经网络的说话人嵌入向量.首先,分别训练全局变异空间和时滞神经网络模型.然后在注册和测试阶段,同时提取说话人在两者模型中嵌入向量.通过高斯核函数将其映射至高维空间分析其非线性关联关系,从中获得仿射向量,最后将其组合得到最终说话人嵌入向量.实验表明,10秒以下的短语音环境,该方法所提取出的说话人向量相比其余几种说话人嵌入向量在等误差率和最小检测代价上平均下降了16.29%,20.38%,2.78%以及8.03%,7.17%,0.26%.最后,与其他算法进行对比,在等误差率上均有提升.以上实验表明,该文所提出的方法有效提高短语音环境下的说话人识别性能.

均匀克隆选择算法在城市配送中心选址中的应用

解决城市配送中心选址问题的关键是物流配送效率最大化,运输成本最小化。为了能够快速得到合理的优化方案,提出了解决该问题的均匀克隆选择算法。该算法采用了一种均匀克隆选择策略,减少计算量,提高收敛速度。然后,利用亲和度值和抗体之间的浓度决定父代抗体以及相对应的克隆数量。克隆后的所有子代抗体采用全局变异策略,增强抗体种群的多样性。同时,为了避免抗体种群出现“早熟”的现象,引入基因清除策略。实验结果表明,该算法的存取路径更短、收敛速度更快、效率更高,能够解决给定约束条件下的城市配送中心选址问题。

双馈风力发电机参数分步辨识及观测量的选择

参数辨识依赖于激励信号与观测量的选择。该文根据观测量的模式增量计算,确定系统动态在不同观测量上的可观性,据此选择观测量。根据不同扰动激发出的系统主导动态,确定在该扰动下的重要参数。采用分步辨识思路,先根据电网侧故障辨识双馈风力发电机电气部分参数,再基于输入侧风速变化辨识机械部分各参数。辨识方法采用全局最优位置变异粒子群算法,仿真算例验证了该方法的有效性。

一种基于差分进化的正弦余弦算法

正弦余弦算法是一种新型仿自然优化算法,利用正余弦数学模型来求解优化问题.为提高正弦余弦算法的优化精度和收敛速度,提出了一种基于差分进化的正弦余弦算法.该算法通过非线性方式调整参数提高算法的搜索能力、利用差分进化策略平衡算法的全局探索能力及局部开发能力并加快收敛速度、通过侦察蜂策略增加种群多样性以及利用全局最优个体变异策略增强算法的局部开发能力等优化策略来改进算法,最后通过仿真实验和结果分析证明了算法的优异性能.

生化途径参数估计的QPSO-MGbest算法

讨论了非线性动力生化过程的参数估计(反问题),描述为受一组非线性代数-微分方程约束的非线性规划问题,由于频繁的病态和多峰值,传统的算法(如梯度算法)并不能得到满意的解。提出了一种改进的量子行为粒子群优化算法求解代谢途径的参数估计,该算法采用基于全局最好位置的变异操作以提高算法的非线性逼近能力和较好的全局搜索能力。以一个三阶段代谢途径为研究对象,建立参数估计的算法模型,以实验值和预测值的误差平方加权的和为目标优化函数。实验表明改进量子行为粒子群优化算法能够较好求解该问题。