一种参数自适应调整和边界约束的粒子群算法

粒子群优化算法的核心思想是每个粒子根据自己和周围粒子的"信息共享"寻优,达到全空间搜索最优解的目的。收敛速度快,全局寻优能力强。针对基本粒子群算法寻优精度较低,结果易发散的缺点,提出了一种参数自适应调整和边界条件约束的粒子群算法,惯性权重,学习因子随着迭代过程线性递加或递减,从而在算法初期个体能搜索整个空间,后期能够朝着全局最优值收敛而找到全局最优值。同时设置粒子边界条件约束,保证算法寻优解的准确性。理论分析和数值仿真结果表明了所设计方法的高效性,在保证算法效率的前提下,有效地提高了算法的寻优精度。

混沌免疫混合算法参数自适应调整的优化设计

为提高免疫算法的求解性能,在免疫克隆选择算法中融入了混沌优化操作.分析了抗体群选择概率的重要性并给出其变化的计算式,采用抗体群的连续3代平均适应度变化率以自适应地调节抗体选择概率参数值.给出了混沌免疫混合算法参数自适应调整的优化设计的具体步骤,运用混沌免疫混合算法参数自适应调整的优化方法、免疫克隆选择算法以及其他文献方法对起重机结构主梁截面优化设计.结果表明:混沌免疫混合算法参数自适应调整的优化方法具有自适应能力强、计算效率高及优化设计精度高等优点.

基于参数自适应调整的光伏阵列最大功率控制

针对最大功率的控制问题,采用自适应调整控制方法中的参数寻优来实现功率跟踪控制,目的是解决自适应因子的选取问题。基于晶体物理模型的等效电路,建立光伏阵列仿真模型,考虑光照和温度对光伏发电的影响,采用干扰观察法和PWM技术控制DC-DC电路实现最大功率输出。此外,分析了基于模糊控制方式和基于自适应调整方式的光伏阵列功率输出的优劣点,采用定步长和不定步长两种控制方式,实施光伏功率动态响应仿真。仿真结果表明,基于自适应调整方式的参数作为不定步长,不仅能快速有效地跟踪最大功率输出,相对于采用定步长方式,还能有效减免系统的波动性。

粒子群参数自适应调整的优化设计

在分析粒子群优化原理基础上,引入模拟退火机制以一定的概率对部分粒子的速度及位置执行更新操作,建立了粒子群惯性量权重因子及学习因子的模糊逻辑控制器以实现粒子群参数的自适应调整,从而提高优化算法的收敛速度及获得全局解的能力。通过运用常规优化方法、遗传算法及参数自适应调整的粒子群优化方法对起重机结构主梁截面优化设计对比可知:采用粒子群参数调整的优化方法具有自适应能力强、计算效率高及优化设计精度高等优点。

蚁群参数自适应调整的优化设计

介绍了蚁群优化算法利用粗搜索及精搜索过程获得多维有约束函数优化的基本思想,分析了影响蚁群优化多维有约束函数问题的关键参数,给出了获得较好的蚁群函数优化性能在优化过程中动态地自适应地调整蚁群优化算法的关键参数及α、β和ρ的指导性结论,且调整规则是α与β的值由大到小地调整,而ρ的值将由小到大地调整。建立了α、β及ρ的模糊动态调整器,给出了三个模糊控制器的参数调整过程、控制器的执行策略及控制过程。采用起重机主梁优化实例对比验证了蚁群优化算法及蚁群参数自适应调整的优化算法。结果表明,采用蚁群参数自适应调整的优化算法具有求解精度高、优化效率高及参与优化的蚁群数量少等优点。该方法是求解复杂多峰函数优化的一种极好的优化方法。

基于DRQN的视觉SLAM参数自适应调整

为解决传统视觉SLAM算法中的参数调整问题,提出一种基于深度循环Q网络的视觉SLAM参数自适应调整方法。筛选视觉SLAM参数构建动作空间;采用地标点的协方差矩阵描述视觉定位的不确定性,用地标点的不确定性构建奖励函数;参数智能体通过ε-greedy策略选择Q值最大的动作作用于视觉SLAM环境,根据环境的反馈更新网络参数。EuRoC和TUM-VI数据集上的实验结果表明,该方法提高了室内场景下的位姿轨迹精度,避免了复杂的参数调整过程。

改进的免疫算法参数自适应调整的优化设计

为了提高免疫算法的求解性能,在设计优良基因片的提取与保护方案、进化的抗体经解码后作为约束子函数的实参以剔除不满足约束条件的抗体以及在抗体选择概率中利用抗体对抗原适应度概率、相似度概率以及退火概率3个方面对传统免疫算法进行了改进;在对改进的免疫算法参数分析的基础上给出了其参数的自适应调整方法以及改进后的算法步骤;并通过设计实例对采用改进的参数自适应调整的免疫算法和改进的固定参数的免疫算法在最优解精度、平均值、标准偏差以及平均迭代时间等方面作对比;比较结果表明:改进的参数自适应调整的免疫算法求得的最优解比改进的固定参数的免疫算法获得的解以及传统文献获得的最优解在精度上分别提高了7%及10%,同时在优化平均时间上分别减少了14s及18s。

混合蛙跳算法自适应参数调整改进策略

针对基本混合蛙跳算法(shuffled frog leaping algorithm,SFL)在求解高维复杂问题时的不足,本文提出一种自适应参数调整的改进策略。首先,利用变公比数列分析了SFL更新轨迹的收敛性;在此基础上,利用系统稳定性分析方法,提出在SFL更新公式中基于比例系数和适应度标准差来自适应调整更新的方法。最后,基于3组共8个标准测试函数将本文改进SFL与基本SFL和4个改进型粒子群优化算法(particle swarm optimization,PSO)作对比,验证了本文改进策略对各类复杂函数的高效性;同时,对比了改进SFL与基本SFL和wPSO在求解高维问题时的性能,验证了改进SFL对高维问题求解的有效性。

基于阻抗比参数自适应的直驱风机次同步振荡抑制策略

针对直驱式风电机组接入低短路比的弱交流电网诱发次同步振荡问题,提出一种基于阻抗比稳定判据的控制器参数自适应调整的振荡抑制策略。首先,利用谐波线性化法建立网侧变换器的正、负序阻抗模型。研究表明,风电机组等效阻抗在部分频率点附近会呈现容性特性,接入感性阻抗低短路比弱交流电网线路后形成了串联振荡回路,进而引发次同步振荡。然后,以网侧变换器电流环的比例、积分参数设计为例,引入带遗忘因子的递推最小二乘法实时估计对象参数,并按照极点配置法进行控制器参数设计。同时,在代价函数中添加基于阻抗比稳定判据的约束条件,实现自适应PI参数调整。最后,通过时域仿真验证了所提控制策略的有效性。

模糊自适应参数调整的改进遗传算法

为提高遗传算法的优化性能,构建了交叉及变异算子的模糊动态调整器,给出了参数调整过程、模糊逻辑控制器的执行策略及控制过程.采用标准的Benchmark测试函数比较了模糊控制器参数调整的遗传算法和简单遗传算法的性能,结果表明该算法求解精度高,优化效率高及进化代数少.

一种自适应参数调整的水波优化算法

水波优化算法(Water Wave Optimization,WWO)是受浅水波理论启发而提出的一种新兴群体智能算法,其具有控制参数少、种群规模小、实现简单、计算开销小等优点,但依然存在局部搜索能力不强、收敛速度较慢等缺陷.首先,通过对水波优化算法在执行全局和局部搜索阶段控制参数变化进行分析的基础上,提出了一种自适应参数调整策略改进的水波优化算法;最后,对改进的算法和包括原WWO、SCA、DA等在内的四种算法在10个标准测试函数上的寻优性能进行试验.结果表明,所提出的策略有效提升了水波优化算法的整体性能,无论在收敛精度还是收敛速度上,改进的水波算法相较于其他三种算法优化结果更加稳定.

无线局域网EDCA机制的一种自适应参数调整改进算法

为了进一步提高无线局域网EDCA机制信道利用率和吞吐率,提出一种EDCA参数的自适应调整改进算法并进行了仿真,该算法可使节点根据网络吞吐量变化情况,计算出冲突概率自动调节竞争窗口值,从而提高EDCA的性能。

权重系数自适应调整的混合储能系统多目标模型预测控制

针对锂离子电池–超级电容车载储能系统在轨道交通领域的应用,以降低系统能耗、保证储能元件稳定运行为目标,提出一种多目标模型预测控制策略,包括系统损耗、超级电容电压、电池电流波动与电池内阻变化。针对多目标函数权重系数的设计,提出模糊控制–粒子群寻优两级优化方案。为提升控制策略的实用性,提出根据行车距离查询离线数据的方法。仿真结果表明,所提控制策略可行有效,能量利用效率高。

自适应调整峰半径的适应值共享遗传算法

适应值共享遗传算法需要事先给出解空间中峰的数目或峰的半径 ,这对于某些问题来说是有困难的 .针对这类问题 ,提出将峰的半径作为决策变量 ,对其进行编码并放入染色体中参与演化过程 ,利用遗传算法的优化能力在对问题进行优化的同时对个体的峰半径进行自适应调整 .用所提出的方法对多个标准测试问题的优化结果表明 。

基于模糊聚类的峰半径自适应调整遗传算法

提出了基于模糊相似聚类的峰半径自适应调整遗传算法。在遗传演化过程中将峰半径作为决策变量的一部分参与染色体的编码演化，利用遗传算法的优化能力在对问题进行优化的同时对个体的峰半径进行自适应调整；在聚类过程中，通过对模糊相似度的调节来控制聚类结果，能够避免找到无效的极值点并且无需事先确定小生境的数目和半径。理论分析和数值实验表明，该算法对于各类多峰函数具有较强的多峰搜索能力。

组合字典下超宽带穿墙雷达自适应稀疏成像方法

针对现有超宽带穿墙雷达稀疏成像算法大多只采用点目标稀疏基表示模型和稀疏优化的正则化参数不能被自适应调整以及目标位置不在划分网格上带来虚假像的问题,该文提出一种基于贝叶斯证据框架的自适应稀疏成像方法。该方法首先利用组合字典独立稀疏表示场景中的点目标和扩展目标,然后在建立的偏离网格稀疏表示模型的基础上分层最大化各参数的似然函数,用第1层推理结合共轭梯度算法估计组合字典的各稀疏表示系数,用第2层推理估计正则化参数和目标的偏离网格量,最终通过迭代优化参数的设置得到问题的求解。仿真和实验结果表明,该方法不仅同时自适应增强穿墙场景中的点目标和扩展目标,还消除了偏离网格目标引起的虚假像。

微分进化算法研究及其在热工过程参数辨识中的应用

被控对象的数学模型,对控制系统的设计和分析有着极为重要的意义。采用微分进化算法对被控对象参数进行辨识。这种算法与其它进化算法的不同之处在于它的变异算子是由种群中任意选取的多对向量的差值得到的,并且主要用于实参数优化问题。微分进化算法虽然有简单、搜索效率高的特点,但是仍存在局部最优的问题。因此,在对微分进化算法搜索机理进行分析的基础上,针对其参数难以动态调整的问题对算法进行改进,提出了不依赖于优化问题的控制参数自适应调整机制,进一步提高微分进化算法的全局搜索能力和寻优速度。为验证算法有效性,在MATLAB上编制相应的模型辨识程序,对被控对象数学模型进行辨识、调试运行,并对寻优结果进行对比。

有限制自适应遗传算法在三峡水电站厂内经济运行中的应用

针对三峡水电站厂内优化运行问题,提出一种改善算法收敛性的有限制自适应遗传算法.为了保证适应度函数的非负性,采用包含解空间初始种群生成和有限制摄动变异的有限制策略.运用个体优劣和群体分散程度自适应调整的交叉和变异概率,保持种群多样性和提高收敛速度.三峡水电站厂内经济运行不同量级的26台机组负荷分配结果表明:有限制策略解决了机组空蚀振动问题且保证了适应度函数的非负性,改善了算法的收敛性;同时,根据个体优劣和群体分散程度进行参数自适应调整的策略对于求解水电站厂内经济运行来说,是一种有效可行改进方式.

基于BP神经网络PID的纸浆浓度自适应控制

目的为了克服纸浆浓度控制系统的滞后性、非线性和时变性,以提高纸浆浓度控制性能。方法针对纸浆浓度控制问题提出一种BP神经网络PID控制技术,构建3-4-3的BP神经网络结构,并在该基础上建立BP神经网络PID控制的数学模型,利用BP神经网络实现PID参数的自适应调整。结果仿真结果表明,BP神经网络PID控制相较于传统PID控制收敛速度更快、超调量更小、抗干扰能力更强、鲁棒性更好。结论该控制方法实现了纸浆浓度的自适应控制,为纸浆浓度的最优控制提供了一种有效可行的控制方法。

基于小波自适应支持向量机的短期电价预测

电价预测对于发电商、供电企业以及市场监管者都具有重要的意义。提出一种小波自适应支持向量机预测模型,先将电价时间序列作小波分解得到低频和高频分量,再采用自适应调整法,自动地为支持向量机选择较好的参数对电价小波分量逐一预测,最后通过小波重构得到电价最终预测结果。实例证明前述方法得到的预测精度高于BP、RBF、SVM等传统预测模型。