协同智能的蝙蝠差分混合算法

为解决差分进化算法后期收敛易陷入局部最优和早熟收敛的问题,提出一种群体智能优化算法,即协同智能的蝙蝠差分混合算法。利用蝙蝠个体脉冲回声定位的特点,与差分种群相互协作,在当前最优解gbest附近进行一次详细搜索,有效增加种群的多样性,跳出局部最优。通过蝙蝠种群和差分种群两个种群的相互协作,较好平衡全局搜索和局部开发之间的能力。为验证算法有效性,选用9个常用的基准测试函数和5个0-1背包问题,与标准粒子群算法、带高斯扰动的粒子群算法、蝙蝠算法、差分算法、烟花算法相对比,仿真实验表明,所提算法总体性能优于其它5种算法。

粒子群差分混合算法在PID参数优化中的应用

为有效提高PID控制器的性能,提出了一种粒子群差分混合算法(PSO-DE),并应用于PID参数优化中.算法利用一个选择判断因子来确定每个个体的更新方式,使用简化粒子群算法(s PSO)和改进后的差分进化算法(DE)来共同产生新一代个体,并将其应用于PID的参数整定中.仿真结果表明,相较于粒子群算法和差分算法,混合算法在PID控制器的参数优化中具有更好的全局搜索能力,而且控制精度较高.

基于差分进化粒子群混合算法的多无人机协同区域搜索策略

为提高无人机群在未知环境中的区域搜索效率,提出一种多无人机协同区域搜索策略。首先,根据区域搜索任务需求,建立包含区域覆盖率、区域不确定度、目标存在概率三种属性的区域信息地图;其次,以最大化搜索效率、同时最小化无人机搜索过程中的能耗为目标,建立无人机区域搜索滚动时域优化目标函数,指导无人机在线决策搜索路线;然后针对传统群智能优化算法易陷入局部最优的缺陷,设计差分进化粒子群混合算法在线求解该多目标优化问题,提高算法的寻优性能,从而提高无人机的搜索效率。最后,通过数值仿真实验,对所提算法进行验证,仿真结果表明,文中设计的基于差分进化粒子群混合算法的多无人机协同区域搜索策略与传统的群智能优化算法相比具有更高的区域搜索效率。

基于异维变异的差分混合粒子群算法

针对粒子群(Particle Swarm Optimization,PSO)算法和差分进化(Differential Evolution,DE)算法存在容易陷入局部极值、进化后期收敛速度慢和收敛精度低的局限性,提出了一种基于异维变异的差分混合粒子群(UDEPSO)算法。首先,为了提高群体多样性,使用熵度量初始化粒子;其次,在粒子迭代的过程中,根据粒子的分布特点,引入异维变异学习策略和维度因子以引导粒子及时跳出局部极值达到最优解;最后,将所提算法在10个典型的测试函数上进行了仿真,其在9个测试函数的收敛精度和标准差上取得了显著的效果,远优于PSO算法、DEPSO算法以及CDEPSO算法。实验结果表明,UDEPSO算法在优化收敛精度和效率上具有较强的优势。

差分进化混合粒子群算法求解项目调度问题

针对求解资源受限项目调度问题(RCPSP),提出了基于差分进化(DE)的混合粒子群算法(PSODE)。通过在PSO种群和DE种群之间建立一种信息交流机制,使信息能够在两个种群中传递,以避免个体因错误的信息判断而陷入局部最优点。采用标准测试函数和具体算例进行检验,结果表明PSODE算法可以较好地解决RCPS问题。

含分布式发电的改进混合整数差分算法的配电网重构

提出采用改进混合整数差分算法解决含分布式发电以降低网损为目标的配电网重构的新方法。该方法将网损最小作为目标函数,通过引入加速操作和迁移操作,克服了种群规模较小时传统差分算法易早熟的问题,而且提高了全局搜索能力。同时提出以环路为基础的整数编码方法,减少了编码长度,大大提高了可行解的比例,从而进一步提高其计算效率。最后讨论了减少计算量的措施。计算结果表明,在含有分布式发电的情况下,该方法不仅可以有效地降低网损,还能够达到提高供电电压质量的目的。以IEEE33节点为例,验证了该方法的可行性。

基于混合差分蜂群算法的城市电动汽车充电站布局规划

考虑城市内电动汽车的动态分布以及充电站建设的规模、成本等,建立以充电站的建设成本、运营成本和输电损耗为基础,以道路交通流量为约束条件,充分考虑区域地理条件、运行成本等综合优化模型。在确定目标函数的基础上,使用混合差分蜂群算法优化区域内充电站的空间布局。混合了差分进化算法和人工蜂群算法,提高了收敛速度,并且使目标函数值更优。最后用算例证明所使用的模型与优化算法在优化充电站布局方面的可靠性和优越性。

一种求解函数优化的混合差分演化算法

为了解决传统遗传算法易陷入局部最优解的问题,在多父体杂交算法和差分进化算法的基础上,提出了混合差分演化算法。该算法的核心在于,采用多父体杂交算子保证算法的遍历性,通过淘汰相同个体来保持群体的多样性,并以较小概率随机选取部分个体进行差分进化操作,从而充分利用最优个体的信息达到了加快收敛速度的目的。对复杂函数的寻优实验验证了混合差分演化算法的有效性。

立体弯折线缆线束电磁耦合分析的时域混合算法

受复杂系统布线空间的制约,线缆通常为线束结构,并呈现弯折和空间立体分布形态。目前,针对立体弯折线缆线束(BSCs)的电磁耦合,仍缺乏高效的时域建模分析方法。因此,该文基于时域有限差分(FDTD)方法和传输线(TL)方程,提出自适应线缆网格技术,结合高效插值技术和电荷守恒定律,研究了一种高效的时域混合算法,实现立体弯折线缆线束的电磁耦合时域快速同步计算。首先,将立体弯折线束整体结构按照弯折节点分解成多段独立的子线束。然后,基于传输线方程和FDTD方法,结合自适应线缆网格技术和插值技术,构建各段空间立体分布的子线束电磁耦合模型,并求解得到线束沿线各点的瞬态响应。最后,根据电荷守恒定律,构建弯折节点的等效电路模型并求解得到节点处的电压,实现各段子线束之间的干扰信号传输。通过理想导电板上和屏蔽机箱内立体弯折线束电磁耦合的数值模拟,从计算精度和耗用时间方面与CST和FDTD-SPICE的仿真结果进行对比,验证所提方法的正确性和高效性。

混合差分进化-和声搜索算法在结构工程中的应用

为了增强HS算法跳出局部最优的能力,将差分进化算法(DE)的变异和交叉引入到了HS算法中.这种改进的HS算法被称为混合差分进化-和声搜索(HDEHS),它既具有很强的收敛性,又能有效地防止自身陷入局部最优.实验结果表明,与文献中算法比较,HDEHS算法在解决结构工程优化问题中能够找到更好的解,它是解决结构工程优化问题的一个有效的选择.

学习型混合差分进化算法优化月台调度问题

为提高配送中心的管理水平,减少物流园区中等待作业的配送车辆的排队时间,研究了配送中心中的月台调度问题。首先,考虑月台—车辆兼容性约束和车辆作业时间窗约束,建立了以最小化总加权提前、拖后惩罚为目标的数学模型;然后,提出一种学习型混合差分进化算法,根据问题特征设计了月台调度问题的编解码方法,设计了一种学习型算子选择机制为算法在线选择交叉、变异算子,采用变邻域搜索算法作为局部搜索算法增强算法的搜索能力;最后,通过正交试验,确定了算法参数水平,进行对比实验,证明了所提模型和算法能够有效求解月台调度问题,从而帮助配送中心更好地进行月台调度管理。

混合差分进化算法在舰载机出动调度中的应用

研究舰载机舰面航空保障问题,通过合理规划舰载机在舰面多阶段工位上的保障顺序和时序以提升舰载机的出动效率,并将问题抽象为考虑阶段转移时间的混合流水车间调度模型。针对传统智能算法求解混流车间问题时存在的搜索效率低和易陷入局部极值点的不足,提出了一种混合差分进化算法。为提升算法的求解效率,设计了基于先入先出和最先空闲机器原则的解码策略。其次,引入了交叉、变异参数的自适应控制策略以提升算法的全局搜索能力,并在算法框架中嵌入一种基于模拟退火的多邻域局部搜索策略。最后通过仿真验证了算法对求解舰载机出动调度问题具有较好的收敛性和鲁棒性。

基于差分变异的混合蛙跳算法在配电网重构中的应用

提出了一种基于差分变异的混合蛙跳算法进行配电网重构。采用基于十进制环状编码方法解决了二进制编码产生大量不可行解的问题。给出了十进制环状编码的变异和选择策略,同时结合蛙跳算法的分组更新特点。应用该算法对IEEE33节点和PG&E69节点网络进行配电网重构仿真,结果表明,该方法能有效降低配电网损耗。

解决作业车间调度问题的混合差分进化算法

文章提出了一种改进的差分进化算法—混合差分进化算法(Hybrid Differential Evolution Algorithm)来解决作业车间调度问题。为了防止基本差分进化算法陷入早熟收敛和局部最优,从2个方面对算法进行了改进。首先为了在进化初期能够保持种群多样性,后期减少缩放因子对最优解的破坏,提出了自适应的缩放因子F。其次交叉操作时采用分组交叉思想。通过对作业车间调度问题的研究,改进后的算法全局寻优能力和鲁棒性有了明显改进。

基于改进混合差分进化算法的水轮机调速系统空载PID参数优化

为优化水轮发电机组调速系统空载PID相关参数,提出一种改进混合差分进化算法(IHDE),即先根据某电站混流式水轮发电机组建立相应空载工况数学模型,其次引入IHDE对空载工况数学模型PID参数进行优化,由于DE算法易出现早熟收敛问题,对该算法缩放因子的取值进行优化;同时,为了增强差分进化算法(DE)的全局搜索性能,在DE的选择阶段加入模拟退火算法的个体更新机制进行选择操作;然后,提出一种改进的综合ITAE指标用于评价空载扰动的仿真结果,使得目标函数的评价方式更加准确且符合相关标准要求;最后,通过试验仿真与不同算法进行对比,验证了IHDE优化水轮发电机组调速系统PID参数的有效性。

基于自适应混合差分进化算法的大规模稀布子阵优化设计

本文对大规模宽带稀布线阵采用子阵划分的方法进行优化设计。将大规模阵列划分为若干个子阵降低了优化的计算量;通过每个子阵和子阵间的不等间距设计有效地降低了栅瓣。以宽带类八木印刷天线为例,采用自适应混合差分进化算法同时优化阵列的单元间距和激励系数,分别对笔形波束、扫描波束以及单脉冲波束做了优化设计,结果表明该方法是可以有效解决大规模稀布子阵优化问题。

基于混合差分蜂群算法的楼宇智能照明控制系统

照明用电在楼宇办公能源消耗中占有很大比重,降低能耗成为当前工作的重点。传统的照明用电方式采用开关控制或者常规PID控制,但因照明回路存在多变量、非线性因素难以收到理想效果。本文在构建一套无线照明系统的基础上,建立了灯光系统优化模型,通过混合差分蜂群算法优化每个灯具的功率设置,在保证室内照明度的前提下,降低了室内能耗。实验结果验证了在一个模拟办公空间,该系统能够在保证光照度在300lux的前提下,降低了35%的能量消耗。

基于混合差分进化算法的联合补货模型研究

综合考虑实际中普遍存在的补货资金约束、运输能力约束以及"部分产品不能同时运输"这一运输条件的限制,构建了结合产品运输策略的联合补货模型,并设计混合差分进化算法对模型进行求解,证实了模型的有效性。此外,对需求率和单位库存持有成本进行敏感性分析,结果表明这两个参数的变化均会使补货成本增加,且需求率对总补货成本的影响程度较大。而需求率和单位库存持有成本的增加还会使基本补货周期T减小,表明企业需更频繁地订货。

基于差分NSGA-Ⅱ算法的港口船舶协同调度优化

港口航道和拖轮资源的单一调度,很大程度上减少了船舶在港作业的效率。考虑进出港船舶和拖轮资源,以最小化总进出港船舶调度时间、总船舶在港等待时间以及总拖轮助泊作业时间为目标函数,以船舶协同作业时间转化及船舶航行安全为约束条件,构建船舶协同调度优化模型;为高效地获取模型的最优方案,将差分进化算法中的变异算子引入NSGA-Ⅱ算法,设计混合差分NSGA-Ⅱ算法。基于港口航道船舶实例数据,利用MATLAB进行仿真实验。结果表明:相比先到先服务规则(FCFS)和NSGA-Ⅱ求解方案,混合差分NSGA-Ⅱ求解出的最优方案能较大程度上减少船舶在港作业时间。

基于带有编码复用的离散混合差分进化算法求解KPC问题

为了高效求解KPC问题,通过结合具有不同编码结构的S-HBDE和ETDE两种进化算子,提出了一个具有编码复用的离散混合差分进化算法DHDE。首先,在单种群中利用具有(n+1)维空间的ETDE编码方式表示个体,然后通过记录DHDE在前一次进化模式中种群个体改善数目,自适应的选择下一次的进化算子来进化个体,进而获得实例的最优解。最后,通过将DHDE求解四类大规模KPC实例的计算结果与ETDE、S-HBDE和B-HBDE的计算结果对比,证明了算法DHDE不仅寻优性能好,而且稳定性强,是一个适合高效求解KPC实例的新方法。