一种低复杂度降低FBMC-OQAM峰均值比的PTS双层搜索算法

最近采用偏移正交幅度调制的滤波器组多载波系统(FBMC-OQAM)吸引广泛的关注。由于FBMC-OQAM信号的叠加性,导致峰均值比(PAPR)较大,而大部分传统OFDM的降低PAPR技术不适用。为了不引入新的误码率,采用PTS算法降低FBMC-OQAM峰均值比是较好的选择,但现有基于PTS降低FBMC-OQAM峰均值比方案的复杂度都较高。通过对PTS算法进行改进,提出了一种新的在FBMC-OQAM系统中采用双层搜索的PTS算法(D-PTS)。该算法能以较小的复杂度降低FBMC-OQAM信号的PAPR,且不会引起信号畸变,理论分析和数值仿真证实了新算法的性能。

基于矿区左行交通规则的自适应双层搜索路径规划优化算法

露天矿山环境复杂、道路非结构化,矿用卡车(简称“矿卡”)自动驾驶路径规划面临长距离搜索规划效率低以及矿区特有的左行交通规则的挑战。为改进矿卡在矿区内的导航性能,同时确保路径的安全性和实时性,文章提出一种基于矿区左行交通规则的自适应双层搜索路径规划优化算法。首先,其上层搜索采用基于快速探索随机树(RRT)算法并结合矿区的环境特点对搜索步长进行自适应调整,在空旷地带以较大步长进行高效搜索,而在狭窄或多弯道区域则采用较小步长进行精细搜索,同时通过设置左侧行驶区域约束进一步优化了搜索过程,避免了潜在的车辆冲突,从而实现路径搜索的快速收敛;其下层搜索采用混合A*算法,通过路径选择的奖励与惩罚机制,有效减小了搜索空间,提高了路径规划的实时性。接着,采用RS曲线技术和改良的三次样条曲线对最终路径进行平滑处理,不仅优化了路径曲率,还保证了矿卡以最优姿态准确到达目标位置。最后,采用梯度下降法进行进一步优化,以生成一条高效、安全且平滑的路径。试验结果表明,该算法的路径生成时间相较“混合A*+梯度下降”算法、“粒子群+梯度下降”算法和“RRT+梯度下降”算法的平均减少14.8%,路径曲率平均减小0.011 m^(-1),显著提升了矿区自动驾驶卡车的导航效率和安全性。

求解柔性分批调度问题的双层搜索框架入侵杂草算法

针对柔性作业车间分批调度问题,提出一种双层搜索框架下的改进入侵杂草算法,以获得理想的分批调度方案。首先提出融合批次批量、工序排列和加工机器信息的3层基因编码;其次设计一种双层搜索优化框架,先通过分批搜索层进行柔性批量划分,再采用排序搜索层迭代优化获取分批调度方案。在分批搜索层中,基于工序平均工时缩小分批的解空间,提出随机数字分割法用以生成分批方案;在排序搜索层中,采用入侵杂草算法实现迭代优化,同时设计了分层初始化方法、混合机器选择策略和3种局部搜索算子,以提升算法搜索能力,并避免陷入局部最优。最后以最大完工时间为评价指标,从性能实验分析、框架实验验证和实例实验验证3个维度验证了所提算法的优越性和可行性。

基于改进布谷鸟搜索算法的WSN覆盖优化策略

针对传感器节点分散不均、覆盖程度低及汇聚层Sink节点冗余等问题,设计了一种双层无线传感器网络覆盖优化方法,该方法对传统布谷鸟搜索算法进行了改进。首先,在种群初始化过程中采用了量子位Bloch球面坐标,可以保持较高的多样性;其次,针对布谷鸟搜索算法的Levy飞行寻优阶段,改进候选解更新方法,随机生成每个纵向维度的新候选解;最后,基于逐维更新贪婪评价策略进行随机游动选择。通过这些改进方式提升了布谷鸟搜索算法的迭代速度和精度,避免相同维度间的干扰。实验结果表明,该改进算法与传统布谷鸟搜索算法、外推人工蜂群算法相比,传感器节点覆盖率分别提高了1.79%和9.87%,汇聚层Sink节点冗余率降低5.13%和21.28%。

采用改进杜鹃搜索算法的主动配电网双层分布式风电规划方法

随着可再生能源尤其是风电的大规模接入,配电网规划面临着新的巨大挑战。提出了一个主动配电网双层规划模型,其上层为风电场的选址定容规划,下层是考虑配电网公司主动管理费用的最优潮流运行控制。上述双层规划问题是复杂的混合整型非线性规划问题,使用常规的确定性方法很难求解获得其全局最优解。为此,提出了基于杜鹃搜索算法的混合改进算法,使用正弦载波Levy飞行方法来产生满足上下限约束的新解,并通过正弦扩展载波进行局部精确搜索。然后将双层规划模型转换为等价的单层优化模型,并进一步构建了双目标优化模型。最后,通过IEEE 33节点测试系统对所提出的模型和算法进行了验证。

基于快速群搜索算法的双层球面网壳多目标优化

提出一种新的群智能算法,即多目标快速群搜索优化(MQGSO)算法,以双层球面网壳为研究对象,进行结构节点最大位移最小化和结构质量最轻化的多目标优化设计,网壳优化后的Pareto前沿分布均匀且范围较广,分别对多目标优化和单目标优化后的结构进行多维地震作用时程响应分析。结果表明:多目标优化得到的结构优于单目标的优化结果,所提出的多目标快速群搜索算法能很好地实现复杂空间结构的多目标优化设计。

基于变步长双层蚁群算法的机器人路径规划

针对双层蚁群(double layer ant colony optimization,DACO)算法在移动机器人路径规划中收敛速度慢、路径质量差的问题,提出了一种变步长双层蚁群(variable step size double layer ant colony optimization,VDACO)算法。首先,将蚁群均分为寻路层蚂蚁与寻优层蚂蚁进行变步长寻路。针对寻路层蚂蚁,考虑最优移动方向和终点距离改进启发函数,并设计变步长回溯-剪枝策略帮助蚂蚁快速跳出死锁。寻路层蚂蚁寻路完成后,利用Floyd算法正-反向搜索寻路层关键点路径,基于关键点路径构建寻优层寻路环境;寻优层蚂蚁在此环境中进行自适应变步长寻路。最后,基于最优路径相似度改进信息更新机制,差异化更新不同质量的路径节点。仿真结果表明,与其他改进蚁群算法相比,VDACO算法在不同规模栅格环境下路径长度更短且收敛速度更快。

面向无人机路径规划的双层多目标粒子群算法

无人机路径规划问题是一个复杂的多目标优化问题,目前常用粒子群优化算法及其变种算法来解决此类问题。本文在基于使用无人机执行物资投放任务的场景下,提出与之相应的无人机路径规划问题模型,并根据其特点分析其约束条件以及目标函数,在传统需要优化的基本目标函数之外,额外增加了等待时间与延迟时间这一对相互冲突的目标函数。然后提出一种基于分解的双层多目标粒子群优化算法(double layer multi-objective comprehensive learning swarm optimization algorithm framework based on set decomposition,MODCS-PSO/D),该算法使用集合和概率表示粒子的速度与位置,将连续空间中的问题转化到离散空间内,然后结合综合学习策略构建双层粒子群算法,并在此基础上引入基于分解的多目标优化框架(multi-objective evolutionary algorithm based on decomposition,MOEA/D)平衡多个待优化目标,同时增加了额外的搜索策略以避免出现早熟现象。最后通过进行对比实验,得到的结果证明该算法不仅能够为无人机规划出更符合要求的路径,还大大缩短了规划时间。

双层级医疗设施选址问题及禁忌搜索算法

分级诊疗有利于充分利用已有的医疗资源,是医疗卫生体制改革的重要内容,因而在医疗设施选址时需要考虑医疗机构的层级性。本文以两个层级的医疗设施作为选址研究对象,建立了双层级多样流的混合整数规划模型。针对该模型的特点,设计了一种基于禁忌搜索的算法确定最优选址策略。最后,以上海市某区社区卫生服务中心以及区域医疗中心为研究对象,给出相应两个层级医疗设施的选址方案,并对相关参数对选址结果的影响进行了分析。算法求解结果为有就医需求的居民提供指派,使该区域的医疗资源利用率得到了提高,医疗设施配置也更加合理均衡。

双层规划的改进混合布谷鸟搜索量子行为粒子群优化算法

为解决粒子群优化(PSO)算法求解双层规划问题时易陷入局部最优解的问题,提出了一种基于模拟退火(SA)Metropolis准则的改进混合布谷鸟搜索量子行为粒子群优化(ICSQPSO)算法。首先,该混合算法引入SA算法中的Metropolis准则,在求解过程中既能接受好解也能以一定的概率接受坏解,增强全局寻优能力;接着,为布谷鸟搜索算法设计一种改进动态步长Lévy飞行,以保持粒子群在优化过程中较高的多样性,保证搜索广度;最后,利用布谷鸟搜索算法中的偏好随机游走机制帮助粒子跳出局部最优解。通过对13个涵盖非线性规划、分式规划、多个下层规划的双层规划实例的数值实验,结果表明:ICSQPSO算法所得12个双层规划的目标函数最优值显著优于对比算法,只有1例的结果稍差,并且有半数实例的结果优于对比算法50%。由此可见,ICSQPSO算法对双层规划的寻优能力明显优于对比算法。

一种改进的局部均值伪近邻算法

针对基于局部均值的伪近邻分类算法(LMPNN)易受近邻参数k和噪声点影响的问题,提出了一种改进的局部均值伪近邻分类算法(IPLMPNN)。利用双层搜索规则确定待测样本的最近邻,提高近邻集的选择质量;为了克服主观赋权法的不利影响,并且加强每个局部均值向量对分类的作用,引入注意力机制计算距离加权系数;使用改进的调和平均距离计算待测样本与局部均值向量之间的加权多调和平均距离,由此查找伪近邻点对待测样本进行分类。利用UCI和KEEL中的多个数据集对IPLMPNN算法进行仿真实验,并与8种相关算法进行比较。实验结果表明,IPLMPNN算法取得了令人满意的分类结果。

禁忌搜索算法求解带产品定价的竞争选址问题

讨论了一个在竞争环境下使获利最大的竞争选址双层规划模型,其中上层模型做出选址决策,下层模型确定产品的纳什均衡价格。在保证了不合作状态下双方价格均衡解的存在性和唯一性的前提下,设计了求解该模型的选址-定价启发式算法程序。通过贪心算法和交换算法产生禁忌搜索的初始解,设置了合理的禁忌搜索算法参数,最后通过具有一定规模的实例计算,证明了该算法在求解此类问题中的可行性和科学有效性。

基于改进遗传算法的双层优化方法在化工换热网络设计中的应用

换热网络是化学工业过程中最常用的能量交换系统,其设计的优劣直接影响到系统能耗的大小以及企业效益的好坏.作者对换热网络设计优化问题,提出了一种改进遗传算法与传统数学规划相结合的双层优化方法,并用Matlab仿真研究验证了此方法的有效性.

基于改进和声搜索算法与二阶锥松弛的储能优化配置

配电网中分布式电源的大量接入加剧了电网功率波动,为稳定电网功率及消纳新能源发电功率,需在电网中合理配置储能。基于双层规划模型将储能配置划分为规划层与运行层,并提出了基于趋向移动的全局和声搜索算法和二阶锥松弛理论相结合的储能优化配置混合算法。规划层采用以储能年投资成本与配电网年运行成本之和最小为目标函数,研究了储能配置位置、功率、容量等方面的经济效益;运行层以电网有功网损以及电压偏移之和最小为目标函数,研究了储能各时段最优充放电功率。基于某地实际数据,以33节点配电网为例进行了仿真分析,研究了不同场景下储能的配置方式以及探讨了本文混合算法的优异性。结果表明所提出的混合算法可以顺利求解该场景下的储能配置问题,证明了该混合算法有效性。同时,探讨了多场景下的储能配置方式,证明采用双层规划模型对储能进行配置有利于降低配电网综合成本。最后,将该混合算法与传统智能优化算法求解此类问题进行了比较分析,证明了该混合算法在求解此类问题上的快速性与准确性。

双层协调多粒子群优化算法研究

针对粒子群算法由于多样性差而导致的算法搜索效率低、稳定性差的缺点,提出了一种拥有双层多群间协调机制的粒子群优化算法(DC-PSO).该算法包含多个下层工作粒子群及上层决策粒子群,下层粒子群进行最优粒子信息采集和迭代计算,上层粒子群处理信息和反馈决策信息,双层粒子群联合工作.同时采用指数函数递增分布的加速度因子控制各粒子群间的耦合性,从而改善了粒子群后期搜索效率低、稳定性差的状况.仿真实验结果表明DC-PSO算法在求解函数优化问题的有效性和优越性.

计及故障率影响含电动汽车的分布式电源选址定容双层协调规划

随着分布式电源(distribution generation,DG)和电动汽车(electric vehicles,EV)渗透率的不断增加,在改善能源结构和减少环境成本的同时,也对配电网的选址定容规划提出了更高的要求。针对此问题,考虑不同DG、EV和负荷的不确定性,建立基于元件故障率变化的DG、EV故障运行成本模型,推导出DG、EV充电站(electrical vehicle charging station,EVCS)的整体故障率,并将故障运行成本加入到年综合费用中,同时计及元件故障率变化以及维修时间对故障成本的影响,分别以年综合费用最小和系统综合性能最优为上、下层目标函数,构建了DG和EVCS的双层协调规划模型,采用改进粒子群和内点法相结合的混合搜索算法求解。最后通过仿真分析了时变元件故障率对故障成本的影响,不同EV渗透率对系统综合性能和年综合费用的影响,以及改进粒子群和内点法相结合的混合搜索算法在计算速度和精度上的优势,最终验证了所提模型的有效性。

基于双层规划的分布式能源系统供能网络构建模型研究

以双层规划为理论基础,根据区域客户需求点的地理位置和对电、热多能源流的动态需求量,以区域能源系统构建和功能总成本最低位目标函数,建立了区域分布式能源系统网络构建的双层规划模型,对区域分布式能源供应点的数量、产能、位置,以及每个供应点对需求点的热能输送网络进行了规划优化。

基于耦合特性分析的储能电力优化调度研究

针对目前独立储能电力优化调度算法存在的精度偏低、计算速度较慢的问题,基于改进麻雀搜索算法(ISSA)和Cplex求解器技术,设计了一种独立储能的双层优化调度算法。该算法在耦合特性分析技术的基础上构建了独立储能的双层优化调度模型;同时,对于传统麻雀搜索算法(SSA)中存在的缺陷与不足,通过改进麻雀位置提出了优化的更新机制。利用ISSA及Cplex求解器分别求解出上、下层模型,从而实现设计目标。算例分析结果表明,所提算法的计算精度较高且收敛速度提升了20%。ISSA-Cplex模型能够为独立储能提供科学、合理的电力调度计划策略,进而有效增加独立储能收益。

一种求解数值优化问题的非线性遗传算法

由于算术杂交算子的线性搜索范围及变异算子的随机搜索,导致了实数遗传算法的效率较低.为此,通过拓展遗传算子的搜索范围,提出了一种动态双层非线性杂交算子,并将混沌搜索引入变异算子,从而给出了一种求解数值优化问题的非线性遗传算法.实例仿真证明该算法的有效性.并以“平均截止代数”和“平均截止代数分布熵”作为评价指标,对该方法的优化效率进行了研究,定量的评价了该方法的优化效率,通过与实数遗传算法进行比较,进一步说明了该方法的优化效率高于实数遗传算法.

基于双层动态时段划分的配电网重构

动态网络重构能有效降低配电网的网络损耗以及分布式电源的弃风弃光量,为此提出了基于双层动态时段划分的配电网重构方法。上层优化中以网损成本与弃风弃光惩罚费用之和最小为优化目标,决策变量为主动管理元素的出力;下层优化中则以网损最小为目标函数来确定各时段开关状态量。为了减小模型的规模与复杂度,提出了将割集法作为辐射状约束的表示方法。同时,将该模型转化为混合整数二阶锥规划模型,并结合和声搜索算法对其进行求解。通过改进IEEE 33节点系统进行仿真,验证了所提方法的实用性和有效性。