基于双群进化策略的多项式近似因式分解

针对传统算法在解决多项式的因式分解过程中,存在着只适用于精确分解而不适合系数为浮点数的多项式的因式分解问题,文中提出一种应用双种群双突变进化策略来对浮点数多项式近似分解的算法,克服了传统算法不能解决浮点数多项式的因式分解的弊端.数值计算结果表明该算法收敛速度快、精度高、稳定性强.

一种高效的电主轴系统复频率计算方法

针对电主轴各向异性轴承-转子系统的特点提出了一种高效的复频率计算方法。该方法用八个动力特性系数代替非线性油膜力,首先对Riccati传递矩阵法进行改进,修改了典型单元的状态向量,采用Riccati分块矩阵递推,直接获得了电主轴系统的特征多项式隐式表达。接着,针对实际工程中只关注系统共振区域中临界转速的现象,先采用幅角原理判定这一共振区域中特征多项式根的个数,再进行求解,求解时就只需求出工程中所关注共振区域内的根,从而提高了求解效率。然后,采用双种群进化策略对电主轴系统特征多项式的根进行求解,该方法避免了传统的抛物线法对初值选取的敏感,可以快速地求得电主轴系统的复频率,且可避免漏根现象。最后,作为算例,对一划分为8个轴段的电主轴系统的复频率作了计算,并与抛物线法进行对比,验证了该方法的高效性。

面向多目标柔性作业车间调度的强化学习NSGA-II算法

针对非支配排序遗传算法(NSGA-II,non-dominated sorting genetic algorithm II)在求解柔性作业车间多目标优化调度问题中多样性不足、易于早熟与局部收敛的缺点,提出一种基于强化学习的改进NSGA-II算法(RLNSGA-II,reinforcement learning non-dominated sorting genetic algorithm II)。为避免NSGA-II陷入局部收敛问题引入双种群进化策略,利用性别判定法将种群拆分为两个种群,并在进化过程中采用不同的交叉变异算子,增加算法的局部和全局搜索能力;为解决NSGA-II精英策略造成多样性不足的问题,融合多个多样性度量指标,利用强化学习动态优化种群迭代过程中的拆分比例参数以保持多样性,改善算法收敛性能。最后通过Kacem标准算例进行了仿真实验与性能分析,验证了RLNSGA-II的有效性与优越性。

基于粗糙集和果蝇优化算法的特征选择方法

特征选择是模式识别领域重要的数据预处理步骤之一,旨在从原始特征集合中选出最有效的特征子集使得给定评价准则达到最优。为此,文中提出了一种基于粗糙集和果蝇优化算法的特征选择方法。该方法基于一种新的双策略进化果蝇优化算法进行特征子集的迭代寻优,并结合粗糙集属性依赖度和属性重要性构造适应度函数对所选特征子集进行评估,既可以在全局范围内尽可能多地搜索出重要的特征,又能选出对决策最具有贡献的有效特征子集。在UCI数据集上的实验结果表明,提出的特征选择方法可以有效地搜索出具有最少信息损失的特征子集,并达到较高的分类精度。

计及差异化需求响应的微电网源荷储协调优化调度

为应对微电网中源荷匹配性较差及弃风弃光的问题,计及需求响应对微电网源荷储协调优化调度进行研究。为了更准确地体现实际需求响应的特点,根据电量价格响应弹性的非线性特点和不同类型负荷响应弹性的差异性,提出基于指数变化的差异化需求响应机制;建立以系统运行成本最低为目标的微电网源荷储协调优化调度模型;通过引入多核并行运行环境和双策略微分进化变异机制构造并行双策略微分进化算法,该算法兼顾寻优深度和寻优速度,实现了对模型的高效求解。算例结果表明,所提方法能够有效改善源荷两侧的匹配度以实现削峰填谷,并能提升系统风光消纳量以及节约运行成本。

基于种群特征反馈的布谷鸟搜索算法

布谷鸟搜索(CS)算法是一种新型的生物启发式算法.为了提高算法对不同优化问题的适应能力,根据反馈控制原理提出一种基于种群特征反馈的布谷鸟搜索(SFFCS)算法,将年龄结构、变异成功率等种群特征作为反馈信息引入算法框架,动态调节算法参数,同时引入双进化策略机制和策略选择概率,加强算法对局部搜索和全局搜索的平衡能力.对标准测试函数和电力系统最优潮流问题进行数值实验,实验结果表明,SFFCS算法具有较好的收敛性能和适应能力,验证了所提出算法的有效性和工程应用价值.