基于小世界邻域PSO的含风场电力系统经济调度

以聚类系数大且平均路径短的NW(Newman-Watts)型小世界网络作为粒子群的拓扑结构,提出NW型小世界邻域粒子群优化算法(SW-PSO)。典型高维基准测试函数表明,该算法能有效避免基本PSO算法因群体间信息交互过快而陷入局部最优解的问题。将新算法应用于含风电场电力系统经济调度问题的优化求解,并根据优化调度的实际需求采用相应的调整策略以修正粒子,保证粒子在可行域中飞行寻优,使新算法的寻优精度显著提高。仿真实例表明,SW-PSO算法比传统PSO算法寻优效果好,是一种求解复杂大规模非线性规划问题的新方法。

小世界邻域优化的局部线性嵌入算法

通过分析稀疏数据或噪声数据,导出局部线性嵌入(LLE)算法出现失效的原因,由此提出了一种基于小世界邻域优化的局部线性嵌入(SLLE)算法.将复杂网络算法引入到流形学习中,利用小世界算法对LLE算法进行数据优化,并以最短路径和局部集群系数作为局部优化参数,解决了数据点不规则时以欧氏空间作为邻域判别标准在构建局部超平面造成嵌入结果扭曲的难题.通过3组标准测试数据集合比较了SLLE、LLE算法,结果表明SLLE算法的计算效果、鲁棒性、非理想数据的降维结果均优于LLE算法,且计算正确率至少提高10%.