基于拟态物理学优化算法的微电网功率优化

考虑天气等因素对微电网有功功率平衡的影响,计及电力市场环境下的需求侧响应,将微电网负荷分为高赔偿可中断负荷(ILH)与低赔偿可中断负荷(ILL)。在保证微电网功率平衡以及满足潮流、电压、频率偏移和开关损耗等约束的前提下,以微电网总收益最大为目标函数,建立考虑切负荷操作的微电网功率优化数学模型,并利用拟态物理学优化(APO)算法进行求解。微电网14节点系统的仿真结果验证了所提算法的有效性。

基于拟态物理学优化算法的船舶转向避碰决策

针对多船会遇态势下的船舶避碰决策难题,提出一种基于拟态物理学优化算法的船舶转向避碰决策方法。该算法将《国际海上避碰规则》相关条款作为约束条件限定问题的可行域空间,同时考虑基于最近会遇距离和航程损失的船舶避碰目标函数,通过迭代进化获取全局范围内的最优解。仿真结果表明:将拟态物理学优化算法应用于船舶转向避碰决策中是可行、有效的,能为船舶驾驶员提供决策支持。

基于拟态物理学优化算法的船舶变速避碰决策

为能在狭窄水域多船会遇情况下快速给出安全有效的避碰决策,提出一种基于拟态物理学优化算法(Artificial Physics Optimization, APO)的船舶变速避碰决策方法。该方法利用APO算法的快速寻优能力,根据《国际海上避碰规则》对变速行动幅度的要求,限定算法中可行解的空间,考虑变速冲程和冲时对会遇的影响,提高最近会遇距离值的计算精度,建立基于碰撞危险度和变速能量损失的目标函数,迭代进化获得全局范围内最优的速度值,即船舶的决策速度。狭窄水域多船会遇案例的仿真结果表明:决策速度下船舶能够安全有效地避让各目标船舶,该决策方法可行且有效,能够为船舶驾驶人员提供避碰决策支持。

解决多目标优化问题的拟态物理学优化算法

提出一种解决多目标优化问题的多目标拟态物理学优化(MOAPO)算法。该算法利用为每个目标赋予随机权重的方法求得全局总目标,由此选取全局最好及最差适应值,并利用拟态物理学优化算法实现对Pareto最优解集的搜索。通过3个典型多目标优化测试函数对MOAPO和MOPSO进行比较,结果表明了MOAPO算法的有效性,特别是在保持解集分布性方面具有较好的性能。

拟态物理学优化算法在分布式电源选址定容中的应用

分布式电源接入点位置和容量的大小直接影响电网的安全性和经济性。文中建立了1个使配电网有功损耗最小的分布式电源选址定容优化模型。模型中考虑了电源接入容量和接入点对系统潮流、节点电压、线路负载及网络损耗的影响,并进行了相应的约束,以保证电网的安全稳定运行。采用拟态物理学优化(APO)方法对其求解,将接入容量、接入点、节点电压等拟态为物理学中的个体质量,每个个体根据自己的质量、速度及其他个体的引/(斥)力作用不断调整自己的运动和位置,通过全局最好、最差和自身适应值不断更新其质量,最终整个群体所经历的最好位置即为全局最优解,从而得到分布式电源的最佳接入位置和容量。最后采用标准IEEE-33辐射配电系统进行计算分析,并与粒子群(PSO)算法进行比较。APO算法的有功损耗减少更为显著,其平均电压和最低电压均好于粒子群算法的,验证了所提出的模型和方法是可行和有效的。

一种混合拟态物理学优化算法

在拟态物理学优化算法中,群体中所有个体都采用相同的作用力规则来产生后代,所有个体均表现出相同的搜索特征,使算法的种群多样性较差。借鉴物理学中不同环境下个体之间的物理规则不同,且遵循的运动规律亦不同,为算法迭代过程中不同的优化个体制定了不同的作用力规则,采用随机选择策略为不同个体动态分配不同的作用力规则,以增加种群多样性。然后用仿真实验验证了该混合拟态物理学优化算法的有效性。

基于多目标拟态物理学优化算法的城配网安全性评价方法研究

提出一种城配网安全性综合评价方法。该方法首先采用多目标优化方法构建安全性综合评价模型,模型包含了短路容量比、N-1越限数、重载变压器比例和电压越限率等4个子目标,然后基于不同运行方式的运行数据采用拟态物理学优化算法对指标值进行优化,最后采用组合赋权法量化计算安全性综合评价值和安全排名。以某城配网的实际运行情况作为仿真算例,首先验证了所提算法的计算性能,收敛速度最快约为28步,迭代结果也最小,安全性最好;然后实现了对不同城配网的安全性评价,EZ网安全性最好,AP网安全性最差,对城配网运行具有一定的指导意义。

基于博弈论和拟态物理学优化算法的变压器状态评价方法研究

提出一种变压器状态评价的新方法,对提高变压器运行可靠性具有一定的指导意义。首先构建了变压器运行状态的评价指标体系,该体系包括了溶解气体CH_4、油介损、绝缘电阻、泄漏电流、吸收比和油中微水等6个评价指标,然后基于变压器在不同运行方式下的运行数据,使用拟态物理学优化算法优化这6个指标的数据,并采用博弈论赋权法确定不同指标的权重值,最终将指标值与权重值进行组合叠加得到变压器运行状态的评价结果。以某市9台大型国产变压器作为仿真案例,基于该案例的实际生产运行数据,算例一验证了拟态物理学算法具有较好的优化效果,能够有效提高收敛速度,并得到更好的迭代结果;算例二实现了最终的变压器运行状态评价,其中9号变压器运行状态最好,3号变压器运行状态最差,这一结果对将来该市变压器的维护和检修具有重要的指导和借鉴价值。

基于非支配排序的多目标拟态物理学优化算法

将非支配排序思想引入到多目标拟态物理学优化(Multi-objective artificial physics optimization,MOAPO)算法中,将拥挤距离体现到MOAPO算法的质量函数中,提出了一种新的MOAPO算法。采用六个经典的多目标优化问题的测试函数对本算法进行性能测试,并与MOPSO算法、NSGA2算法及既存的MOAPO算法进行比较分析,实验结果表明,该算法具有更好的分布性。

多物态拟态物理学优化算法

针对拟态物理学优化算法(APO)运动规则较为单一,种群多样性较差的问题,引入多物态划分的概念,并根据物理学中分子的热运动规律,为不同个体选择不同的运动规则。首先对算法中个体的物态划分方法进行研究,将个体的适应值映射到(0,1)的区间内,采用较为相对的划分标准增强物态划分的合理性,其次为不同物态的个体选择不同的运动规则,最后通过6个优化测试函数的仿真测试,说明本算法在平均适应值及最优适应值的精度上优于原APO算法,方差的结果也显示本算法的稳定性。

利用拟态物理学优化算法的中超赛程优化方法

针对体育联赛中各参赛队伍的赛程安排问题,提出一种基于拟态物理学优化(APO)算法的赛程编排优化方案.首先,根据地图信息设定每支球队主场之间的公路距离.然后,以最小化总行程距离为目标,通过设置一些相关约束条件,构建一个带有惩罚因子的目标函数.最后,通过APO算法迭代执行优化过程,最终获得一个最佳赛程编排方案.实验结果表明,提出的方法能够有效降低球队行程距离,大大节约了赛程成本.

拟态物理学优化的认知无线电网络频谱分配

针对认知无线电网络中基于图着色模型的频谱分配问题,基于其非确定性多项式特性,以最大化网络收益总和为目标,提出了一种基于拟态物理学优化的求解算法.在拟态物理学优化算法中,将频谱分配问题的解映射为一个具有质量的微粒,通过建立微粒的质量与其适应值之间的关系,并利用万有引力定律定义微粒间的虚拟作用力的大小,使整个群体向更好的方向运动,实现群体寻优.给出了频谱分配问题的具体求解过程,并根据分配问题的二进制编码特点,改进了微粒的位置更新方程.仿真实验表明:本文算法能更好地实现网络收益最大化.

一种基于拟态物理学优化的多目标优化算法

提出一种使用拟态物理学优化(APO)解决多目标优化问题的算法(MOAPO).根据多目标优化问题的特点,借鉴聚集函数法的思想,利用APO算法实现了对多目标优化问题中Pareto最优解集的搜索,并且在搜索过程中动态调整惯性权重与引力因子,以增强非劣解的多样性.实验结果表明了将APO应用于多目标优化问题的有效性.通过与基于微粒群优化(PSO)的多目标优化算法及NSGA-II算法的比较,表明了MOAPO算法具有较好的分布性.

基于序值与拥挤度的拟态物理学多目标算法

根据约束多目标优化问题的特点,在拟态物理学优化(aritificial physics optimization,APO)算法的基础上,将无约束多目标APO(multi-objective APO,MOAPO)算法引入到约束多目标优化领域中。提出约束违反度的判断准则,并采取一种更为有效的约束处理技术,从而构造出一种解决约束多目标优化问题的基于序值与拥挤度的拟态物理学多目标优化(improved constrained rank multi-objective aritificial physics optimization,ICRMOAPO)算法。在随机搜索过程中动态调整引力因子与惯性权重,增强了非劣解集的多样性。实验结果说明了该算法的有效性,通过与序值约束多目标APO(constrained rank multi-objective APO,CRMOAPO)算法、非支配排序遗传(non-dominated sorting genetic algorithm,NSGA)算法、多目标遗传(multi-objective genetic algorithm,MOGA)算法的对比实验,表明了该算法具有较好的分布性能,为约束多目标优化问题的求解提供了一种新的思路与方法。

一种混合一维搜索的矢量拟态物理学算法

针对约束优化问题,首先引入收缩系数,使得越界个体沿着速度方向回到问题空间,并且保持搜索方向不变。然后利用违反约束量函数来判断个体是否在可行域内,用一维搜索的方法保证个体在迭代过程始终都在可行域内。最后利用矢量拟态物理学优化算法搜索目标问题的最优解。通过对10个典型约束优化测试函数的仿真测试,并与类电磁算法比较发现,本算法在最优适应值的精度上优于类电磁算法,方差的结果也说明了算法的稳定性,这表明该算法是简单有效的。

融合滤子技术的拟态物理学算法及其应用

针对复杂约束优化问题,提出一种滤子拟态物理学优化算法(FMAPO)。算法引入滤子技术,将个体适应度值和约束违反度构成滤子对,并共同作为个体评价指标代替罚函数,操作简便。反向学习理论、均匀分布机制和混沌变异操作的引入,保证了算法的全局搜索能力。采用几个标准约束优化测试函数进行性能测试,并将FMAPO算法用于带约束条件的起重机箱型主梁优化。通过几种典型算法进行函数测试仿真及工程优化问题的求解对比,仿真结果表明融合滤子技术的拟态物理学算法能有效求解约束问题且精度更高。

输电线路差异化运维计划优化

针对当前输电线路运行与维护工作资源不足、管理粗放等缺陷,提出输电线路差异化运维方法。建立以经济性、安全性、可靠性为目标函数的多目标优化模型,采用约束多目标拟态物理学(multi-objective artificial physics optimization,MOAPO)优化算法对该模型进行优化求解,非劣解集修剪采用虚拟力排序法,约束处理采用可行规则法,该算法收敛性能好,解决高维度多目标优化问题时计算速度快,且能有效保持解集分布性。将该模型与优化算法应用于某地区输电网络年度运维计划优化,与遗传算法计算结果的比较,验证了该方法的实用性。

输电线路差异化运维计划优化

因为传统的输电线路运行和维护工作存在着资源不足以及管理粗放等现象,目前针对于这些缺陷提出了输电线路差异化运维方法。这是一个多目标的优化模型,其中以经济型、安全性以及可靠性为目标函数,并且采用了拟态物理学优化算法,主要是对该模型进行优化求解。本文对于输电线路的差异化运维进行了阐述,对针对于遗传算法的输电线路差异化运维计划提出了优化策略,希望能给输电线路运维人员提供一定的参考价值。

结合APO算法的高光谱图像波段选择

提出了结合拟态物理学优化(APO)算法的高光谱图像波段选择方法.该方法中采用了类间可分性和波段组合的信息量两个主要性能指标的权重组合作为适应度函数.此外,在波段选择之前对高光谱图像进行了子空间划分,使得最优解中的波段间相关性较小,冗余度低.利用AVIRIS图像对提出的算法与经典算法中蚁群算法、遗传算法和粒子群算法进行实验,实验结果证明了本文算法较经典算法在所选波段性能和计算耗时方面都获得令人满意的效果.