基于改进变尺度混沌优化方法的经济负荷分配

文中介绍了混沌优化的原理,通过改进变尺度混沌优化方法的算法结构,在一定程度上减少了混沌变量初值的选择对于运算结果的影响,提高了混沌优化算法的效率和性能,数值仿真证明算法有效;将改进后的方法应用于大规模电力系统经济负荷分配的算例和实际电站系统中,取得了更为优化的结果;文中还使用了另一种有效的混沌优化策略对相同算例进行计算,结果亦证实了改进算法的有效性和实用性。该文为混沌优化方法的研究提供了一种参考方向。

变尺度混沌优化方法在电站经济运行中的应用

变尺度混沌优化方法 (MutativeScaleChaosOptimizationAlgorithem ,MSCOA)利用混沌现象的特点 ,把混沌变量映射到待寻优变量区间 ,不断缩小优化变量的搜索空间和提高搜索精度 ,从而有较高的搜索效率 .对几个测试函数的优化计算验证了该方法有的效性 .电站经济运行问题是一个具有整型变量、连续变量及非线性函数的混合整数非线性规划问题 ,本文将变尺度混沌优化方法首次应用到电站机组经济运行优化问题中 ,优化计算结果可以同时得到最优机组组合及机组的负荷最优分析 .

变尺度混沌光强吸收系数的萤火虫优化算法

针对基本萤火虫算法存在早熟现象,提出了一种变尺度混沌光强吸收系数调整策略的混沌萤火虫优化算法。首先,应用Sinusoidal映射产生混沌变量来描述光强吸收系数;其次,在算法迭代过程中引入变尺度混沌扰动,使光强吸收系数与迭代次数呈线性变化;最后,将萤火虫群分成三个子种群协作合作,可有利于增强算法搜索前期的全局探索能力和搜索后期的局部细化搜索能力。通过标准测试函数测试,实验结果表明算法是有效的,比基本萤火虫算法有了较好的寻优精度和收敛速度。

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。

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。

基于变尺度混沌优化方法的PID控制器设计

混沌优化方法是一种新兴的优化方法,它利用混沌系统具有的随机性、遍历性和对初值的极端敏感性等特点实现优化搜索,尤其对目标函数不可微、不连续的多参数寻优问题十分有效。把变尺度混沌优化方法引入到PID控制器的设计中,对PID参数进行优化并用SIMULINK对优化结果进行了仿真。结果证明,变尺度混沌优化方法算法简单有效,所设计的PID控制系统具有响应快、超调小和控制精度高等优点,具有很好的实用价值。

基于改进变尺度混沌优化的自标定位置视觉伺服

提出不一种基于改进变尺度混沌优化算法(Enhanced mutative scale chaos optimization algorithm,EMSCOA)的机器人动态自标定位置视觉伺服算法,算法在Mendonca-Cipolla和G.Chesi利用本质矩阵进行自标定的基础上进行了扩展.首先依据3个奇异值的特性在线生成目标函数,在进行动态自标定的同时,完成视觉伺服.算法抛弃了G.Chesi方法中对初值选取极为敏感的梯度下降法,采用改进的变尺度混沌优化算法动态优化摄像机内参数.把混沌变量映射到待寻优的5个内参数区间,通过设置内外两层循环,内循环进行混沌搜索,外循环负责缩小内参数搜索区间,避免了混沌优化在内参数区间的盲目重复搜索,提高了搜索效率.算法同时克服了G.Chesi方法迭代过程中要求选取初值时靠近摄像机内参数真值的限制,并可以通过设置参数范围来精确逼近5个内参数.另外,算法不需要物体精确的三维模型,只需要8个空间固定点坐标信息.仿真结果表明,该方法应用于基于位置的视觉伺服时运算速度快,同时对内参数变化鲁棒性强,实验结果证明了算法的有效性.

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。

变尺度混沌优化方法的改进及应用

针对变尺度混沌优化方法MSCOA(MutativeScaleChaosOptimizationAlgorithm)的缺陷进行了一些改进,以提高该方法的收敛速度和精确性。多个算例计算结果表明,这些改进是卓有成效的。文中还给出了将此方法应用于一个结构优化设计问题的计算实例,同时指出该例的原文献计算有误。

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。

变尺度混沌优化算法在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)对水电站中长期水库调度问题进行优化计算。变尺度混沌优化算法解决水电站中长期水库优化调度问题的主要思想是利用混沌运动的特点,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调度的最优调度线。水库优化调度问题是一个具有复杂约束条件的大型、多目标、动态非线性优化问题,将变尺度混沌优化方法应用到水库优化调度问题中,优化计算结果表明变尺度混沌优化方法为求解水库优化调度问题提供了一种有效方法,具有较大的实用价值。

变尺度混沌优化参数的LSSVM短期负荷预测

为解决短期电力负荷预测中LSSVM模型的参数难以确定的问题,利用变尺度混沌算法优化LSSVM模型的惩罚因子和核函数参数,构建了MSC-LSSVM模型,并将其应用于湖南省隆回县地区电网各小时点的数据分析和预测中。结果表明,MSC-LSSVM模型避免了人为选择参数的盲目性,预测精度较高。

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。

基于变尺度混沌优化策略的混合遗传算法及在神经网络中的应用

讨论了遗传算法优化神经网络连接权的优点及存在的局限性.应用变尺度混沌搜索策略,建立了一种新的混合遗传算法——混沌遗传算法.将改进后的遗传算法结合前馈型神经网络应用于储层油气预测,取得了较好的效果.

基于变尺度混沌算法的装甲装备技术状态评估方法

针对装甲装备复杂的结构,导致其技术状态评估参数权重分配相对困难,从而影响了状态评估准确性的问题,采用变尺度混沌算法进行权重分配。首先结合该算法对技术状态综合评定参数进行了重构,并采用一般的四级技术状态指标体系对权值的分配进行分析,详细介绍利用变尺度混沌优化算法求解最优权重向量的具体过程,最后通过实例验证了该方法的合理性与有效性。

计及静态电压稳定的变尺度混沌无功优化

选择系统有功网损作为目标函数,同时考虑满足电压水平和电压稳定性两个约束条件来探讨无功优化问题.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.将该算法应用于计及静态电压稳定的电力系统无功优化问题,并对IEEE14节点系统进行了仿真计算,计算结果验证了算法的有效性.

基于变尺度混沌优化搜索的局部阴影条件下光伏阵列MPPT研究

为提高混沌搜索在局部阴影条件下光伏阵列最大功率点跟踪中的速度和效率,提出一种变尺度混沌优化搜索方法。在搜索过程中首先采用Logistic映射产生混沌变量,将其映射到光伏阵列的输出电压空间;然后进行变尺度操作,将搜索区间缩小,直到搜索到最大功率点。研究结果表明:与传统混沌搜索方法相比,该混沌搜索方法能快速准确地跟踪最大功率点的变化,为局部阴影条件下光伏阵列最大功率点跟踪提供了一种新的有效方法。

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.