加速混沌变尺度混合优化算法

提出了一种加速混沌变尺度混合优化算法 (SCOA- DFP) .首先利用加速混沌算法(SCOA)找到一点比较满意的“初始最优点”,再以此点为初始值使用变尺度方法 (DFP)进行迭代 ,两种方法交替进行 .算法简单明了 ,性能良好 .

基于变尺度混沌优化策略的混合遗传算法

针对标准遗传算法 (SGA)存在的收敛速度慢、易陷入局部极小等问题 ,提出了新的混合遗传算法。利用变尺度混沌优化方法 ,对经过一次遗传操作的种群进行混沌搜索寻优 ,引导种群快速进化。该方法具有搜索速度快、计算精度高、使用方便等特点。算例分析表明 ,该方法的综合性能优于 SGA及其它混合 GA。

电力系统无功优化的变尺度混沌优化算法

变尺度混沌优化(MSCOA)是一种改进的混沌优化方法(COA),利用混沌运动的内在随机性、遍历性和规律性进行全局寻优;通过尺度变换不断缩小优化变量的搜索空间,通过改变“二次搜索”的调节系数提高搜索精度,从而提高局部细化搜索能力。文章将该算法应用于电力系统无功优化问题,并对IEEE6节点系统以及某地区54节点系统进行了仿真计算,计算结果验证了算法的有效性。

基于逻辑自映射的变尺度混沌粒子群优化算法

针对基本粒子群优化算法的早熟收敛问题,提出了一种基于逻辑自映射的变尺度混沌粒子群优化算法。该算法在粒子群优化算法每次寻优结束时,采用逻辑自映射函数产生混沌序列,在已搜索到的精英粒子附近尝试搜索更优解并动态收缩搜索范围,在防止算法过早陷入局部最优的同时提高了算法搜索的精度。仿真结果表明,新算法在寻优成功率和平均最优值方面有很大提高,在求解包括欺骗性函数和高维函数在内的多种函数优化问题方面具有良好的效果。

变尺度混沌优化算法在梯级水电站水库优化调度中的应用

利用变尺度混沌优化算法(Mutative Scale Chaos Optimization Algorithm,MSCOA)对梯级水电站水库调度问题进行优化调度。主要思想是利用混沌运动的随机性,由Logistic方程随机生成混沌序列;将其载波到包含水电站目标函数可行域S的一个区域;利用随机性、遍历性和规律性,不断缩小优化变量的搜索空间和提高搜索精度进行全局寻优,从中搜索属于可行域S的解;同时在搜索中引入解向量优选,将解向量中那些接近全局最优解的分量找出,构成一个新的向量,代入目标函数中进行计算,从而找出全局最优解,最终求出水电站水库发电调度的最优调度线。实例计算结果表明,算法可以求解具有复杂约束条件的非线性梯级水电站水库优化调度问题。算法求解精度高,具有较大的实用价值,为求解梯级水电站水库优化调度问题提供了一种有效算法。

一种改进变尺度混沌优化的模糊量子遗传算法

针对量子遗传算法存在的易陷入局部极小等问题,提出一种模糊量子遗传算法。该算法采用一种变尺度混沌优化方法,只需设2个循环,内循环进行混沌搜索,外循环负责缩小区间,通过改进它的收敛策略,可以避免混沌优化在区间内的盲目重复搜索。利用改进的变尺度混沌优化方法,对量子遗传操作产生的种群进行混沌搜索寻优,同时模糊控制更新,加快种群的进化。仿真结果表明,该方法的寻优效果优于量子遗传算法及遗传算法。

使用变尺度混合遗传算法进行热轧负荷分配优化

将变尺度BFGS优化算法嵌入到遗传算法中,提出了变尺度混合遗传算法,并将其应用于1780 mm热连轧精轧机组的压下规程优化计算。与目前现场使用的压下规程相比,变尺度混合遗传算法优化效果明显,为后续的板形控制打下了良好基础。按层别选取代表性产品进行了负荷分配系数的优化计算,分析表明,当产品在层别内变化时,轧制力和功率两种负荷分配模式优于压下量负荷分配模式,更能保持最优特性。

量子遗传算法的变尺度混沌优化策略研究

针对量子遗传算法(QGA)易陷入局部极值、具有早熟收敛等问题,分析了QGA的流程,从全局搜索和局部搜索两个层面探讨了QGA的改进策略,提出了一种新的算法。该算法利用混沌运动的遍历性和随机性进行全局搜索,同时利用梯度信息对QGA的量子更新过程环节进行优化。典型函数测试分析表明,该方法的综合性能明显优于量子遗传算法及遗传算法。

变尺度混沌算法的BP网络优化

采用变尺度混沌优化方法代替梯度下降法融入BP神经网络,在优化搜索过程中不断缩小搜索空间,克服了标准BP算法易陷入局部极小的缺点,能有效地寻找到BP神经网络权值的全局最优值;此外,进一步提出变尺度混沌优化与梯度下降法有机结合的算法,能有效缩短单一的变尺度混沌优化BP算法的训练时间。仿真结果表明,改进的BP神经网络具有实现简单、寻优性强和优化效率高等特点。

变尺度混沌遗传算法及其在冷轧参数优化中的应用

针对标准遗传算法存在的收敛速度慢、易陷入局部极小等问题 ,提出智能化新方法———基于变尺度混沌优化策略的混沌遗传算法 ,对经过一次遗传操作的群体进行混沌搜索寻优 ,引导种群快速进化 。

变尺度混沌蚁群优化算法

将变尺度混沌搜索算法融合到蚁群算法中,并用于求解连续空间优化问题。蚁群算法每一次迭代结束时,就使用混沌搜索算子在当前全局最优解附近搜索更好的解。而随着蚁群算法的进行,混沌算子搜索范围逐渐缩小,这样,混沌算子在蚁群搜索的初期起到防止陷入局部最优的作用,在蚁群搜索后期起到提高搜索精度的作用。将变尺度混沌蚁群优化算法用于求解函数优化问题的实验结果表明,该算法在求解包括欺骗性函数和高维函数在内的多种测试函数优化问题方面具有很好的效果。

基于变尺度混沌蚁群算法的飞灰中的碳质量分数优化

为了降低燃煤锅炉飞灰中的碳质量分数,利用支持向回归(SVR)建立了大型四角切圆燃烧锅炉的碳质量分数模型.利用大样本量的热态实炉碳质量分数实验数据对模型进行了训练和验证,利用变尺度混沌蚁群算法结合该模型对锅炉的运行参数进行优化.计算结果表明:SVR模型具有很好的泛化性和预测精度;变尺度蚁群算法能实现全局寻优,降低飞灰中的碳质量分数,而且具有很高的稳定性和鲁棒性,其快速的收敛寻优能力也非常适于在线应用;支持向量机与变尺度蚁群算法的结合使用可以有效地实现燃烧优化,降低飞灰中的碳质量分数是控制锅炉飞灰中碳质量分数的有效工具.

电力系统无功规划优化的变尺度混沌优化算法

选择无功设备投资和系统有功网损的综合费用最小作为目标函数,同时考虑满足电压水平来探讨无功规划优化问题。无功优化前,首先用模态分析法确定系统的薄弱节点作为候选补偿点,用电压越限筛选确定最大补偿容量,然后用无功优化模型决定候选补偿点应加装的无功补偿容量。介绍了变尺度混沌优化算法,该算法不断缩小优化变量的搜索空间并不断提高搜索精度,从而有较高的搜索效率。IEEE14节点系统的仿真计算验证了算法的有效性,算法对初值的敏感性也进行了探讨。

基于变尺度混沌理论与免疫遗传算法的电力系统无功优化

提出一种基于变尺度混沌理论与免疫遗传算法的混合智能无功优化算法。该算法利用混沌变量的遍历性、随机性和规律性特点,将混沌运动自身的遍历区域变换成优化变量的取值范围,通过对整个解空间进行考察实现了可行域内的全局优化搜索。同时通过变尺度方法不断缩小优化变量的搜索范围来实现局部细化搜索,从而增强混沌局部搜索能力,加快解的收敛速度,提高解的精度。文章最后以某地区实际电网为例,分别采用免疫遗传算法和混合智能算法对其进行无功优化计算,结果表明本文提出的混合智能算法在计算速度和全局收敛性方面有很大的提高。

基于变尺度混沌—遗传算法的门式启闭机小车架结构有限元优化设计

应用有限元方法对门式启闭机进行优化设计,在分析了优化设计方法和变尺度混沌一遗传算法的基础上,结合ANSYS的APDL语言对门式启闭机小车架进行结构优化设计,经过优化设计后的门式启闭机小车架不仅刚度、强度等满足力学性能要求,而且重量可减轻3%,提高了经济效益。

基于变尺度混沌粒子群算法的梯级水电站水库优化调度研究

将混沌和变尺度思想引入粒子群算法中,提出一种变尺度混沌粒子群算法,并将其应用于梯级水电站水库优化调度中.该算法采用混沌初始化粒子的位置和速度;再利用混沌提高了种群的多样性和粒子搜索的遍历性;最后采用变尺度思想,根据搜索进程不断缩小优化变量的搜索空间,来改善PSO算法摆脱局部极值点的能力,提高算法的全局优化能力.计算结果表明:变尺度混沌粒子群优化算法求解精度高,可以求解具有复杂约束条件的非线性梯级水电站水库优化调度问题.

优化的变尺度混沌遗传算法

混沌优化算法和遗传算法的结合产生了变尺度混沌遗传算法(MSCGA)。该算法在不改变GA搜索机制的同时,根据搜索进程,不断缩小优化变量的搜索空间及调节系数,引导种群进行新一轮进化,从而产生更优的最优个体,改善了GA的性能。但是通过分析其本质,发现其中存在很大的重复性操作,没有考虑它们之间在优化过程中的某种相似之处。文章中对此算法进行讨论并对其进行优化。计算机仿真表明:优化后的算法具有更好的快速寻优能力。

变尺度混沌优化神经网络的研究

基于变尺度混沌优化的方法可以利用混沌变量的特定内在随机性和遍历性来跳出局部最优点,并可以变尺度搜索提高局部空间的搜索速度和精度。把该方法应用到神经网络的权值优化中,可以得到很好的效果。

改进的变尺度优化算法在节水灌溉制度优化设计中的应用

应用改进的变尺度混沌优化算法对水分生产函数模型进行求解,求解程序用Visual Basic编写。以河西武威绿洲春小麦数据为例,将混沌算法应用于小麦灌溉制度优化设计中,并与动态规划法进行对比,证明改进的混沌优化算法可以提高灌溉制度优化设计的精度与速度。

基于改进Tent映射的自适应变尺度混沌粒子群算法

为改善标准粒子群优化算法本身存在的缺陷,引入种群混沌初始化方法、参数自适应调整策略、早熟判断机制以及基于改进Tent映射的变尺度混沌局部搜索方法对原有算法进行改进,提出一种基于改进Tent映射的自适应变尺度混沌粒子群算法(Improved Adaptive Chaos PSO,IACPSO)。多种高维Benchmark函数的计算结果表明,IACPSO算法在计算精度、优化稳定性及收敛速度方面均明显优于其他改进粒子群优化算法。