基于自适应反向学习秃鹰搜索算法的最优潮流计算

针对秃鹰搜索算法(BES)易陷入局部最优、全局搜索与局部开发难以平衡的缺点,引入反向学习策略,促使秃鹰个体进行竞争,结合柯西变异策略和自适应惯性权重因子,提出了一种自适应反向学习秃鹰搜索算法(AOBES),并将其引入最优潮流问题求解。IEEE30节点系统仿真结果表明,采用AOBES算法求解最优潮流问题具有寻优精度高、稳健性强等优势。

基于增强引力搜索和神经网络的图像分类

深度神经网络对于图像分类问题具有较好的准确性,但深度卷积神经网络的参数繁多且难以确定,针对这种情况,提出基于增强引力搜索算法和卷积神经网络的图像分类算法。为引力搜索算法引入对数引力常量衰减函数、交叉算子和变异算子,增强引力搜索的全局搜索能力。设计直接的深度神经网络编码形式,有利于加快引力搜索的计算速度,给出agent各个属性的更新方法。实验结果表明,该方法在保持较高图像分类准确率的情况下,成功加快了深度神经网络参数的学习速度。

一种移动充电器对无线传感器节点充电的调度模型

无线传感器节点能量有限的问题始终是其稳定运行的瓶颈。为保证节点具有稳定的能量供应,本文利用无线充电的方式为节点补充能量。首先,采用线性规划的方法对无线充电车的调度问题作出定义,同时综合考虑节点充电过程中的时间和空间因素,使用改进的引力搜索算法按需规划节点被服务的顺序。根据对节点被服务顺序的规划,使用单辆无线充电车携带多个可分离充电装置在多位置上为节点并发服务。最后,对所提出的算法进行仿真。仿真结果表明,所提出的算法在充电延迟方面明显优于现有的FCFS算法、NJNP算法以及经典的引力搜索算法。

基于EOSSA-ELM的光伏短期输出功率预测

为了进一步提升光伏短期输出功率预测的精度,提出一种改进的基于精英反向策略的麻雀搜索算法(EOSSA)优化极限学习机(ELM)的光伏短期输出功率预测模型。EOSSA利用动态安全值和精英反向学习来优化ELM模型的输入权值及阈值,可以有效避免ELM陷入局部最优,提升预测精度。与传统的ELM模型、SSA优化的ELM模型和Elman神经网络模型的比较结果表明,EOSSA算法的收敛速度及精度均优于SSA算法。EOSSA-ELM模型对于不同天气状况的功率预测精度高,具有较高的实用价值。

一种中国象棋机器博弈剪枝策略的改进方法

机器博弈一直被认为是人工智能领域最具有挑战性的课题,以中国象棋机器博弈中的应用为例,为了在有限时间内实现更深层次的博弈树搜索,本文研究了一种改进的剪枝策略。在传统α-β搜索算法的基础上,通过引入迭代深化和历史表等辅助剪枝手段,舍弃无价值的节点搜索,有效减少搜素节点数目,使剪枝更早发生以缩短搜索时间。实验表明这种改进策略的搜素算法的剪枝效率明显提高,在相同时间内搜索深度比原来的搜素算法更高,搜素的节点数也更多。

基于等量替代法的水电机组振动区优化运行

水电机组在实际工作中长时间落入振动区会导致水轮机组寿命减少甚至损坏。目前的电力电量平衡计算大多仅以经济效益为目标,而忽略机组振动区的问题,从而对实际生产造成影响,其经济性亦无法保证。为此,在建立水电机组电力电量平衡模型的基础上,以经济性最优为目标,首先在不考虑振动区的情况下采用变步长搜索算法得到每个机组的初始出力分配;再采用等量替代法调整此初始分配优化得到最终运行策略。实例仿真分析表明,经等量替代法优化得到的水电机组优化运行方案,可保证每个机组在最优经济性运行的前提下完全避开振动区工作,具有极高的实际应用价值,可为类似工程提供参考。