基于差分蜂群算法的空间直线度误差评定

提出基于差分蜂群算法进行空间直线度误差评定。首先,基于产品技术几何规范(GPS)公差标准,用最小二乘法拟合计算得到符合最小区域条件的空间直线度误差评定的数学模型;然后,对差分进化算法的缩放因子进行改进,将改进后的差分进化算法与人工蜂群算法混合迭代优化,测试函数仿真显示,差分蜂群算法在计算精度、收敛速度方面存在一定的优势;最后,通过两个评定实例进行研究与对比分析。结果表明:差分蜂群算法相对于粒子群算法、混合教与学算法、最小二乘与鱼群混合优化算法在评定空间直线度上的计算精度分别提高了83.9%、54.5%、54.6%,相对于差分进化算法、人工蜂群算法的收敛速度有较明显提高。

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。

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。

基于差分蜂群算法的电力系统经济负荷分配

针对电力系统经济负荷分配问题,提出一种有效的差分蜂群算法.受差分进化算法的启发,该算法基于差分进化操作改进了雇佣蜂的搜索方式,提高了探索能力和收敛速度.此外,提出一种有效的修复机制以保证新个体的可行性.该算法在带有阀点效应和多燃料特征的典型电力系统经济负荷分配问题上进行了测试.仿真结果验证了所提算法的有效性.

基于能量迭代模型和蜂群优化的异构无线传感器网络节能分簇路由算法

针对无线传感器网络节能分簇路由通信时存在数据传输节点死亡数量较多、传输能耗输出较大的问题,提出一种基于能量迭代模型和蜂群优化的异构无线传感器网络节能分簇路由算法.首先构建网络通信能耗模型,以缩减能耗为目标结合差分蜂群算法及时优化网络节点分布;然后基于网络节点分布优化结果,制定异构无线传感器网络节能分簇方法,使用能量迭代选簇方法确定簇头,获取簇头半径完成异构无线传感器网络的通信节点节能分簇;最后设定通信簇头节点与基站之间的距离,确定节点通信时的路由等级,并结合多跳的路由通信方式,实现异构无线传感器网络的节能路由通信.实验结果表明,利用该方法进行网络节能分簇路由通信时,数据传输节点死亡数量最多为22个,节点传输最大能耗为21 nJ/bit,表明该方法节点通信节能效果较好.

基于差分进化人工蜂群算法的光伏最大功率跟踪策略研究

带有旁路二极管的光伏阵列在局部阴影时其P-U特性曲线会出现多个极值点,此时常规MPPT方法在多峰值寻优时可能会失效。对光伏阵列输出特性功率极值点的个数进行了研究,在此基础上将基于差分进化的人工蜂群算法应用于最大功率点跟踪。首先对蜜蜂的初始位置进行预定义初始化,避免遗漏极值点。将差分进化算法中的变异策略与人工蜂群算法相结合,实现时变条件下全局最大功率点跟踪控制。并且在上述算法中加入迭代终止策略,从而有效避免系统稳态时的功率振荡现象。在Matlab中搭建S-Function仿真模型,验证了该算法的有效性。

基于差分进化人工蜂群算法的云计算资源调度

为减少云计算的任务完成时间,提出基于差分进化人工蜂群算法的云计算资源调度方法。引入高斯变异和自适应因子改进人工蜂群算法,兼顾算法前期全局搜索能力和后期局部细致搜索;引入自适应交叉概率改进差分进化算法,兼顾算法的基因多样性和收敛速度;提出差分进化人工蜂群算法,两种改进算法并行寻优并及时交流最优解及位置信息,使两算法能够快速靠近最优解,减少算法迭代次数,提高算法收敛速度和精度。实验结果表明,差分进化人工蜂群算法调度的云计算耗时最少,随着任务量的增加耗时优势越明显。

基于差分演化二进制人工蜂群算法的多用户检测

最优多用户检测属于NP组合优化问题,人工蜂群算法作为一种简单有效的新兴启发式算法可以有效求解此类问题。针对基本二进制人工蜂群算法收敛速度慢、易陷入局部最优等缺陷,提出了一种基于差分演化的二进制人工蜂群算法,并应用于最优多用户检测中。算法采用多维邻域搜索策略,避免了连续域到离散域的转换,降低了算法复杂度,适合于实时处理。仿真结果表明,所提算法在抗多址干扰能力、抗"远近"效应能力和收敛性能方面均优于基本二进制人工蜂群算法。

改进的混合差分人工蜂群算法在辽宁东部城市供水量预测中的应用研究

用改进的混合差分人工蜂群算法对辽宁东部某城市供水量进行预测。结果表明:相比于传统算法,改进算法在目标聚类求解精度上具有较为明显的改善;改进的混合差分人工分群算法具有更好的收敛精度和预测精度,更适用于城市供水预测,改进算法预测的供水量和实测供水量的拟合误差为7. 1%,计算消耗时间为4. 3min,而传统算法的拟合误差为17. 3%,计算消耗时间为7. 8min;在远景年份2020—2030年,辽宁东部某城市年供水量将达到35. 15亿～45. 18亿m3,供水量将逐年递增。