基于改进和声搜索算法的装配序列规划

针对装配序列规划问题,在现有研究的基础上将装配工作台翻转角和装配点移动距离纳入评价指标,并结合遗传算法提出了一种基于改进和声搜索算法的装配序列规划方法。在空间干涉矩阵约束下改进算法参数设置及新和声产生方式,使改进后的和声搜索算法各参数根据迭代次数动态变化,实现参数自适应,最后以齿轮泵为例验证了文中算法比基本和声算法及蚁群算法更优。

基于相空间重构的KPCA-HS-RVM网络流量预测模型

网络流量时间序列具有高维度、非线性和时变性等特征,针对传统时间序列模型预测精度较低的问题,提出了基于KPCA优化HS-RVM的网络流量预测模型:首先对网络流量时间序列进行相空间重构,寻找输入变量与输出变量对应关系,然后利用KPCA对网络流量样本进行核主成分特征提取,获取关键有效的信息,在此基础上,通过HS算法确定RVM的嵌入维数和核参数,最后利用超参数优化的RVM模型进行网络流量预测。为了交叉验证模型的性能,采用实际数据进行性能对比分析。结果表明,本模型性能优于HSSVM、RVM模型和GA-RVM模型,取得了良好的效果。

计及光热发电特性的光-风-火虚拟电厂双阶段优化调度

风电机组出力的间歇性和波动性导致风-火虚拟电厂的实际出力偏离其日前申报值。考虑到配置储热装置的光热电站出力可控的特点,将其聚合到风-火虚拟电厂中一同参与申报出力,建立计及光热发电特性的光-风-火虚拟电厂双阶段优化调度模型。以日前调度结果作为虚拟电厂申报出力,在实时调度中参与辅助平衡市场,通过改变光热电站的储热量来修正其输出功率,并采用收缩空间的和声搜索算法求解模型。仿真结果表明,光-风-火虚拟电厂可协调各单元出力,能够有效降低申报偏差,从而获得更高的运行收益,光热电站配置更大的储热容量,能够增强其调节能力,虚拟电厂可获得更高的经济效益。

基于隐Markov过程的网络信任评估模型

为了快速精确地刻画实体行为的高动态性,提出一种基于连续时间隐Markov过程的信任评估模型。不同于离散时间隐Markov信任模型,该模型充分考虑到信任的时间相关性,结合交互记录之间的时间间隔,将实体信任评估问题归结为连续时间隐Markov过程的学习问题。进而利用改进的和声搜索算法,给出求解隐Markov过程最佳参数的算法,该算法有效地保证了全局搜索空间,能够获得更好的解。在此基础上,利用已有交互结果序列和最优参数组,对实体的信任度进行预测。仿真实验表明,该模型能够快速地反映出实体行为的动态性,具有较高的精确度,且能抵抗部分恶意攻击。