用基于小生镜技术的改进遗传算法解决TSP问题

针对TSP搜索空间随城市数的增加而计算难度增大的问题,引入了基于小生镜的改进遗传算法,丈中介绍了这种算法的步骤和实验结果．与传统的简单遗传算法(SGA)相比,既可以避免陷入局部最优解,又可以提高搜索速率．

基于小生镜和RBF-ELMAN网络的入侵检测方法

为了提高网络入侵检测的检测率以及降低相应的误报率和漏报率,同时尽可能地减少检测时间,提出另一种基于小生境和ELMAN神经网络的入侵检测模型。首先,利用ELMAN网络具有较强的记忆能力和径向基函数神经网络具有很强的非线性映射能力的优点,提出了一种基于RBF神经网络和ELMAN网络的模型——RBFELMAN网络,并给出了RBF-ELMAN网络模型的训练方法。为了防止算法陷入局部最优,提出了一种基于小生境算法对网络结构优化的算法,并给出小生镜遗传算法的优化方法,实现对网络的权值的进一步学习。为了验证方法的有效性,将方法与其它代表算法方法进行比较,实验结果表明了方法具有较高的检测率和较低的漏报率和误检率,同时具有较高的检测效率。

多峰函数优化的自适应小生境克隆选择算法

为了解决deCastro在2000年提出的CLONALG算法在多峰值函数优化时多峰搜索能力弱,训练时间长的问题,提出自适应小生境克隆选择算法(ANCSA)。该算法运用自适应小生镜技术、高频变异算子和小生镜免疫优势选择技术来对原有算法进行改进。新算法具有较强的全局和局部搜索能力,并且搜索时间较短。理论分析和仿真研究结果表明,相比CLONALG算法,提出的算法能够在较短的时间内搜索到所有的全局最优解和更多的局部最优解。

基于聚类的小生境克隆选择算法

基于聚类的小生境克隆选择算法是针对小生境克隆选择算法计算复杂、参数设置困难等缺点而提出的。新算法删除了计算复杂度较大的抑制算子,引入聚类算子,并对算法的部分流程进行了调整。新算法不仅计算复杂度降低,而且无需预知峰的个数等先验知识,仅根据样本数据即可找到全部峰值点。仿真实验验证了C-NCSA的完全收敛性;并且通过与小生境克隆选择算法的对比实验证明:在相同的实验条件下,C-NCSA的执行时间比NCSA明显降低。

基于GA的矢量水听器阵相位误差校正方法

针对矢量水听器阵的阵列流型和误差模型,研究当矢量水听器各通道存在相位误差时,应用music算法进行方位估计和应用遗传算法进行相位误差校正的问题。为校正误差,针对传统遗传算法在对方位和相位误差进行联合估计时可能存在早熟等缺点,提出了一种将自适应和小生境技术混合的遗传算法,用动态的自适应函数值分配传统遗传算法中固定的交叉、变异概率,得到最优解,用小生境技术可以得到全局最优解。最后通过计算机仿真,验证了算法的可行性和准确性。

遗传算子作用机理分析及其改进

文中分析了遗传算子的作用机理 ,指出了随机性的标准遗传算法的不足之处 从遗传算法角度来看 ,虽然随机交叉方式增强了开辟新的、可能是有用的搜索空间的能力 ,但由于缺乏对可能的交叉效果 (子代质量 )方面的考虑 ,也会带来交叉的有效性以及优化效率不太理想等方面的问题 为此引入了基于交叉机制的小生境技术 对于提高交叉后子代的质量和拓广交叉后子代具有多样性有一定的意义 提出了共享函数和共享度的概念 所提出的共享函数的概念限制了群体内某一特殊“物种”的无控制的增长 。

改进粒子群算法的永磁同步电机多参数辨识

针对一般粒子群算法辨识永磁同步电机(PMSM)参数由于其粒子在迭代后期易陷入局部最优而导致辨识精度不高的问题,提出一种将小生镜策略和混沌变异策略相结合的混沌变异小生境粒子群算法(NCPSO)。该算法为在连续三次迭代过程中对适应度值变化小的粒子为中心生成小生镜群体,并对该小生境群体中的最优粒子进行混沌变异。在同步旋转dq轴坐标系下建立PMSM满秩离散数学模型,将定子dq轴电压设为辨识模型和实际测量值的输入,设计了NCPSO辨识PMSM参数的适应度函数。该辨识方法不需推导复杂的电机数学模型,可同时辨识定子绕组电阻、定子绕组dq轴电感和永磁体磁链4个参数。经仿真结果表明,该算法的4个参数辨识误差都在0.14%以下,经实验结果表明,其辨识偏差都在2.15%以下。

永磁同步电机多参数辨识方法研究

针对永磁同步电机(PMSM)多参数辨识困难的问题,该文提出一种初始参数优化的混沌变异小生镜粒子群优化(NCOPSO)算法,并设计一个含有5个待辨识参数(定子绕组电阻,定子绕组交、直轴电感,永磁体磁链,转动惯量)的满秩数学方程组。该算法首先使用粒子群算法优化基本粒子群算法3个初始参数(惯性系数ω,学习因子c1、c2)。再对优化后的粒子群使用小生镜策略,以连续多次迭代适应值变化小的粒子为中心构造一个小生镜群体。最后使用混沌变异策略,在每次迭代过程中,以每个小生镜群体最优粒子为基础迭代生成一个混沌序列,将序列中最优粒子随机替换当前小生镜群体某一粒子,同时对小生镜群体最差粒子进行初始化。经电机仿真与实验验证了该算法的可行性与准确性。

基于改进NPGA算法的多目标优化云任务调度算法

随着云计算的不断发展,传统的单目标优化下的任务调度已经不能满足用户的服务质量要求。论文选取运行时间、费用和负载均衡建立多目标优化的云任务调度模型,提出一种改进的多目标小生境Pareto遗传算法(NPGA),采用相似任务序列交叉操作加快进化,再采用位移变异避免算法过早收敛。此外,通过自适应选取比较集合规模和小生境半径提高算法的收敛速度。仿真结果表明,改进后的NPGA算法在云调度中保持Pareto最优解的多样性和分布性更优。

考虑柔性负荷接入技术的智能电网线路规划模型构建

电力建设单位在规划建设智能电网线路过程中,没有重点考虑电网的柔性负荷影响因素,导致智能电网线路覆盖率低、信号强度弱和传输性能差等问题,文章提出了一种考虑柔性负荷接入技术的智能电网线路规划模型构建方法.首先,对不同类型智能电网的柔性负荷进行分析,根据分析结果建立对应补偿成本函数,在此基础上将通信可靠性和链路成本作为约束指标,以此构建智能电网线路规划模型,再采用改进小生镜遗传算法求解模型,实现智能电网线路的最优规划建设方案.实验结果表明,所提方法的线路覆盖率广、信号强度高、传输性能好,具有较高推广和使用价值.

蚂蚁算法和小生境遗传算法的融合

蚂蚁算法是一种新型的模拟进化算法,也是一种随机型智能搜索算法.较为系统的总结了算法的基本理论,分析了其基本算法解决TSP问题的模型,针对蚂蚁算法易出现停滞的缺点,把小生境遗传算法和蚂蚁算法融合,仿真比较实验结果表明优于基本蚂蚁算法.

基于小生境蜂群PID算法的微位移控制系统设计

针对微位移控制系统中参数整定精度低、控制效果不理想这一问题,本文提出了小生境蜂群PID控制算法(NABC-PID)来实现控制器参数的自整定和优化,以提高微位移控制系统的定位精度.NABC-PID控制算法将人工蜂群PID算法与具有维持解多样性的小生镜技术相结合,从而提高了算法的全局搜索能力和避免陷入局部最优.仿真实验结果表明,同蜂群PID算法相比较,基于NABC-PID算法的微位移控制系统具有响应速度快、超调小、稳态精度高等特点.微位移控制平台可视化监控界面的试验测试结果显示定位精度可达到0.012μm,移动误差位于0.010μm^0.020μm之间,满足纳米位移定位系统的控制精度要求.

基于多目标规划的分布式电源选址定容研究

为更好地解决分布式电源选址定容问题,提出一种改进的多目标粒子群算法,并分别利用改进的多目标粒子群算法和传统的多目标粒子群算法求解测试函数,来证明所提算法的有效性。之后,考虑经济、网损以及电压稳定性三因素建立了一个三目标的数学模型,并采用上述改进的多目标粒子群算法对模型求解。利用模糊满意度评价决策方法从得出的多目标Pareto解集中选择出最优折衷解,给予规划人员科学的决策依据。最后利用IEEE-33系统仿真来验证所提算法在分布式电源选址定容方面的有效性。