一种基于多种群对立平行进化策略的DE算法

针对微分进化算法应用于换热网络优化时易陷入局部区域和收敛精度不高的缺点,建立一种多种群对立的平行进化策略的微分进化算法.首先建立原始种群的对立种群;在此基础上,通过原始种群与对立种群的变异操作进行信息共享产生新的试验个体;最后运用多轮对立的思想保持多种群平行进化,使种群在保留当前求解信息的同时又能在求解域内进行更大范围搜索.对换热网络的经典算例计算表明,本文提出的多种群对立平行进化微分进化算法能够有效增强种群多样性,扩大算法的全局搜索能力,跳出局部极值陷阱,得到较好的优化结果.

基于NACS-PSO算法的光伏系统MPPT控制研究

对于局部遮阴下的光伏阵列,传统的最大功率点跟踪算法收敛速度慢、精度差、功率波动大且容易陷入局部最优。为此,提出一种基于新型自适应布谷鸟算法与粒子群算法相结合的复合算法。该方法在布谷鸟算法中引入自适应发现概率和自适应莱维飞行步长控制因子,同时加入对立种群策略,以提高算法收敛速度和全局寻优能力。在算法前期,用粒子群算法全局搜索快速找到全局最大功率点附近,后期用新型自适应布谷鸟算法在局部范围内精准寻优,以快速、准确和稳定地跟踪到全局最大功率点。仿真结果表明,本文提出的算法在四种光照模式下的收敛时间和跟踪误差分别为0.106s和0.012%、0.108s和0.034%、0.110s和0.059%、0.106s和0.031%,均优于其他算法,验证了本文算法在六种对比算法中,收敛速度最快、跟踪精度最高、功率波动最小、陷入局部最优的可能性最小。