基于因素空间的模糊多种群粒子群算法

粒子群算法(Particle Swarm Optimizer,PSO)在处理较大数据的寻优问题时存在运行时间过长,易陷入局部最优的问题。文章基于传统粒子群算法,利用基于因素空间的特征选取法,优化特征数据组合,减少算法运行时间,利用多种群粒子群优化模型思想和模糊数学思想相结合提出基于因素空间的模糊多种群粒子群算法,增强了算法全局寻优能力并加快收敛速度,实现了算法的总体最优,改善了传统粒子群优化算法容易收敛到局部最优的缺陷。研究结果表明,与传统粒子群算法、动态多种群粒子群算法、基于密度峰值的多种群粒子群算法相比,文章所提出的基于因素空间的模糊多种群粒子群算法具有更优的寻找全局最优解能力和收敛速度。

多种群粒子群算法与混合蛙跳算法融合的研究

针对粒子群算法和混合蛙跳算法在复杂函数寻优上易于陷入局部最优值的缺点,提出一种新的粒子群与混合蛙跳融合算法.算法采用多种群粒子群方法,每次进化后,将各子群中的最优粒子组成新的群体,采用混合蛙跳模式进化,以提高种群的多样性.粒子群各子群的进化模式中,除考虑本子群最好的粒子外,还考虑整合群体最好的粒子.相对于其它一些改进的粒子群或混合蛙跳算法,融合算法概念简单,易于实现,具有良好的全局搜索能力和较快的收敛速度.基准测试函数的仿真结果表明,本文算法优于目前一些常见的改进粒子群算法.

异构多种群粒子群优化算法在水位流量关系拟合中的应用

通过8个复杂函数对一种异构多种群粒子群优化算法进行仿真验证,并与传统单种群粒子群优化算法进行对比。针对水位流量关系拟合中相关参数难以确定的不足,利用异构多种群粒子群优化算法优化水位流量关系相关参数,以云南省龙潭站、西洋站水位流量关系拟合为例进行实例研究,并与粒子群优化算法、最小二乘法拟合结果进行对比。结果表明:异构多种群粒子群优化算法收敛精度远远优于粒子群优化算法,具有较好的计算鲁棒性和全局寻优能力。该算法对龙潭站和西洋站水位流量关系拟合的平均相对误差绝对值分别仅为0.27%和0.50%,拟合精度优于粒子群优化算法和最小二乘法。利用异构多种群粒子群优化算法优化水位流量关系可以获得更好的拟合效果。

Maklink环境下机器人导航路径的蛙跳多种群粒子群优化

为了减少机器人导航路径长度和优化时间,提出了基于蛙跳多种群粒子群算法的路径规划方法。建立了机器人工作环境的Maklink模型,首先使用MS算法搜索出若干最短路径,然后提出了蛙跳多种群粒子群算法进行路径二次优化。将蛙跳算法的深度搜索思想引入到粒子群算法中,提出了多种群粒子群算法的分群方法、更新策略和合作机制,进而给出了基于蛙跳多种群粒子群算法的机器人导航路径优化方法。经过仿真验证,蛙跳多种群粒子群算法具有最佳的优化效果,最短路径长度比MSCPSO算法减少了3.82%,比PSO算法减少了5.46%;另外,蛙跳多种群粒子群算法的运行时间比MSCPSO算法减少了25.53%,比PSO算法减少了18.79%。

基于多种群量子粒子群优化的属性约简

现代工业发展要求迅速、可靠地实现故障诊断。针对粒子群约简算法易陷入局部最优等问题,提出了一种多种群量子粒子群优化算法(MIQPSO)。该算法对量子粒子群算法进行分群,并通过接种疫苗,指导粒子朝更优化方向进化,提高了量子粒子群的收敛速度和寻优能力。利用UCI相关数据集,通过对Hu算法、粒子群算法、量子粒子群算法、多种群量子粒子群算法的粗糙集属性约简验证,结果表明,基于多种群量子粒子群优化的约简算法具有良好的约简效果。

求解大规模问题协同进化动态粒子群优化算法

随着工程技术的发展与优化问题数学模型的完善,许多优化问题从低维优化发展成高维的大规模复杂优化,成为实值优化领域的一个热点问题.通过对大规模问题的特点分析,提出了随机动态的协同进化策略,将其加入动态多种群粒子群优化算法中,实现了对种群粒子和决策变量的双重分组.最后,使用CEC2013的大规模全局优化算法的测试集对新算法进行测试,通过和其他算法的对比,验证算法的有效性.

基于多种群分层粒子群优化算法的电力系统低压减载优化方法研究

低压减载是维护电力系统电压稳定的一道重要防线。最优减载问题是离散变量(地点和轮次)和连续变量(各轮的控制量)的混合优化问题。提出了一种利用多种群分层粒子群优化算法(HSPPSO)求解最优减载问题的新思路,采用受动态电压约束的系统最优潮流所建立的优化模型,以所切负荷总量最小为目标函数。最后以IEEE-39节点作为算例,结果与标准粒子群算法(PSO)和遗传算法(GA)对比,得出在同样的稳定裕度和迭代次数要求下,HSPP-SO算法总能够得到最小的减载量,表现出了在求解UVLS问题时的良好适应性。

基于粒子群算法的GPR与电测深共同反演及等值现象消除

电测深曲线的同层等值现象普遍存在于观测误差范围内,地电断面的模型参数不同,而对应的电测深曲线却完全相同,给层状介质的电测深反演带来极大困扰。为消除电测深中等值现象,如实反映层状介质的各层电性参数、厚度等信息,这里提出一种改进的多种群粒子群反演算法,增加同等模型下包含探地雷达几何参数信息的新全局极值点,实现电性参数与几何参数的共同反演,消除单一电测深曲线的S等值现象。通过H型和A型三层电测深曲线的S等值现象数值算例,并将改进的多种群粒子群反演结果与标准粒子群进行了分析和对比。结果表明,加载了探地雷达几何参数信息的改进型多种群粒子群算法,能有效地消除等值现象,更准确地反演出地电模型的各层电性参数和几何参数。

改进粒子群算法集成解决动态单元构建与布局问题（英文）

为了降低产品生命周期缩短对生产系统的影响,对动态单元构建与布局问题同时进行了优化.首先介绍了单元构建与布局问题,考虑到不同阶段的产品需求变化及机器产能限制,适当地将单元进行重新布置.然后,以最小化物料搬运费用为目标函数,建立了数学规划模型.其次,提出了基于沟通学习策略的动态多种群粒子群算法,使各种群粒子重组之前以规定策略进行位置共享,避免陷入局部最优和收敛较慢的困境.最后,在不同条件下进行了仿真对比实验,结果表明,所提出的算法具有更好的收敛稳定性以及更快的收敛速度.

双层多种群PSO在水库群供水优化调度中应用

针对水库群供水优化调度问题,提出了一种带差分进化的双层多种群粒子群算法(DE-TMPSO)。该算法实现粒子群优化算法的群体拓展和双并行运行机制,针对性地提高粒子群算法的全局搜索能力,同时采用不同粒度的多子群并行机制、种群间的双向最优信息流动以及引入差分进化策略也提高了该算法的局部搜索能力,在一定程度上避免了"早熟"现象的发生,具有较好的稳定性,收敛速度也得到了提高。该算法应用于我国南方某流域的水库群供水优化调度问题中,调度结果合理,为求解高维、复杂的水库群供水优化调度提供了新的思路和方法。

基于改进粒子群的检修任务调度模型构建及仿真研究

针对电力传输网检修任务调度的智能化需求,提出一种基于改进多种群粒子群的检修任务调度模型。对此,本研究首先以平均检修工作时间、检修运行风险值作为目标构建目标调度函数;其次在对比粒子群算法的基础上,提出多种群粒子群算法,并针对粒子群算法容易陷入局部最优的问题,对惯性权重、学习因子和初始粒子群进行改进,同时融入细菌趋化行为对粒子群的位置进行更新;最后通过仿真编程的方式,采用上述的改进算法对目标函数进行求解,得到该方法无论是在种群多样性,还是在目标函数值和平均检修时间方面,改进算法都具有明显优势。

群智能优化算法优化支持向量机的方法及应用

水质评价过程具有多变量、非线性、不确定等特点,传统的粒子群算法训练神经网络的水质评价模型收敛速度慢、泛化性能差。为了克服传统模型的缺点,提出了利用动态多种群粒子群算法训练支持向量机的模型,并利用多种群粒子群算法优化支持向量机结构参数。该模型结合了粒子群算法的搜索性能以及支持向量机的高效性、强鲁棒性等优点,提高了模型的泛化能力。通过对新疆某流域站点的水文数据进行仿真,结果得出该方法的相对误差为2.74%,远低于传统粒子群算法4.21%的相对误差,由此证明该模型的应用效率及精度得到提高,适用于日常水质评价工作。

虚拟企业风险管理的两层分布式决策模型

为降低虚拟企业的风险,提出新的虚拟企业风险管理的分布式决策模型。该模型分为上层和下层,分别描述了虚拟企业中盟主和盟员的决策过程。盟主为虚拟企业中的各个成员分配预算资金,盟员在分配到的预算资金下选择最优的风险控制措施组合,以减小风险。当虚拟企业的成员数量、风险因素及其措施的数量较大时,该问题的搜索空间将十分巨大。针对虚拟企业多成员的特点,设计了多种群粒子群算法进行求解。仿真分析表明了该算法的有效性。

虚拟企业风险管理的组织化分布式决策模型

针对虚拟企业的柔性、成员的多样性和分布性等特征,及其带来的风险,提出了一个新的虚拟企业风险管理的组织化分布式决策模型.该模型分为2层,上层和下层,分别描述了虚拟企业中盟主和盟员的决策过程.决策过程中主要考虑了由于私有信息所造成的盟主与盟员之间信息不对称的情况.针对该优化问题搜索空间巨大,且虚拟企业具有多成员的特点,设计了多种群粒子群算法来进行求解,仿真分析表明了该算法的有效性.

基于MPSO的有限缓冲区多产品厂间歇调度问题的研究

研究了以最小化最大完工时间为目标的有限缓冲区多产品厂间歇调度问题,提出了一种基于多种群粒子群优化(MPSO)的间歇调度算法。该算法采用多种群,增加了种群初始粒子的多样性,在每一代子种群并行进化的过程中引入移民粒子,使子种群之间相互影响和促进,避免算法过早地陷入局部最优,提高了算法的全局搜索能力;每代进化后选出子种群中的优秀粒子作为精华种群,并对其进行变邻域搜索(VNS),进一步提高了算法的收敛精度。通过对不同规模调度问题的仿真,以及与其它算法的对比,证明了该算法解决有限缓冲区多产品厂间歇调度问题的有效性和优越性。

考虑限制性卖空的多期模糊投资组合优化模型

在实际证券交易中,卖空操作是一种重要的投资手段,因此本文研究考虑限制性卖空的多期模糊投资组合优化问题。将风险资产的收益视为梯形模糊数。在允许卖空的情况下,建立了带单期最低期望收益约束、破产控制约束和投资比例边界约束的多期可信性均值−下半方差−偏度投资组合优化模型。设计了一个改进的多种群粒子群算法对模型进行求解。最后,采用真实股票数据进行数值算例分析,说明了所提出的优化模型和算法的有效性。

风光储电动汽车换电站多目标运行优化

针对可再生能源与电动汽车充换电负荷之间的协调优化问题,建立了含风光储发电单元的电动汽车换电站多目标运行优化模型。采用多种群和动态自适应策略,提出了一种改进的动态多种群多目标粒子群算法,对这一多维、多约束、非线性的多目标优化问题进行求解。以某地区实际电网数据进行算例仿真,验证了模型和算法的有效性。结果表明,优化后的风光储电动汽车换电站不仅可以实现可再生能源的就地消纳,而且有助于减小负荷峰谷差。

考虑故障条件下电压稳定约束的最优潮流

为提高电力系统电能质量和电压质量、降低网损、保证电力系统安全经济运行,将潮流雅克比矩阵最小模特征值作为电压稳定性的指标,研究考虑故障条件下电压稳定约束的多目标最优潮流问题。用权重组合的方式将多目标转化为单一目标,权重的选取采用层次分析法。最优潮流的求解采用改进的多种群协同粒子群优化算法。该算法保留了原多种群协同粒子群优化算法的master-slave种群结构,在此基础上增强两种种群的协同作用。根据slave粒子群的特点,在每次迭代中引入更多的有效信息加以分享,有助于扩大粒子的搜索空间,提高跳出局部极小的可能性。此外,在master种群中使用了选择机制,提高向较好解空间搜索的速度,加快收敛。仿真算例取得良好的优化结果,说明了所提方法的有效性。

基于MPPSO的软件结构测试数据生成方法

软件测试中到达待覆盖的目标分支为多条独立路径时,应用基本粒子群优化算法生成测试数据的效率较低。为此,提出多种群粒子群优化算法的软件结构测试数据自动生成方法,包括改进个体迁移策略、重新定义谓词约束函数与采用并行性的搜索方法。实验结果表明,该方法的迭代数和执行时间分别为基本粒子群算法的1/7和1/3,在执行和搜索效率上有着明显的优势。

基于MCQPSO-SA优化的KFCM算法在入侵检测中的应用

同经典的FCM算法及其派生算法一样,KFCM算法对噪声及初始化中心敏感,容易陷入局部最优值。针对以上问题,本文提出一种改进的KFCM算法。通过引入多种群协同量子粒子群混合模拟退火算法(MCQPSO-SA)来优化KFCM算法,提高KFCM算法的搜索效率和全局搜索能力,使得算法较快地收敛到最优解。将改进算法用于构建入侵检测系统并通过模拟仿真实验表明,改进算法具有更好的检测性能,解决了传统的聚类算法在入侵检测中稳定性差、检测准确率低的问题。