基于改进多元宇宙算法的配送路径优化研究

随着城镇化速度加快,城乡结合区域配送问题受到广泛关注。由于城乡间交通条件存在差距,因此配送车队构成和路径安排成为制约物流运输的主要矛盾。本文针对如何降低城乡混合区域条件下的配送成本,构建了模糊时间窗混合车队的城乡混合区域配送的车辆路径数学模型(The vehicle routing problem in mixed urban and rural and regional distribution of mixed fleet,VRP-MURMF)数学模型,并提出一种基于模拟退火算法改进的多元宇宙算法,采用逆序轮盘赌策略,使其在一定概率下向较差宇宙方向移动,避免陷入局部最优,在对比试验中,在探索后期比其他算法仍然具有较强的寻优能力,证明了本文算法的有效性。

多元宇宙优化算法改进SVM参数

针对支持向量机(SVM)参数难以选择和确定的问题,采用一种新式元启发式优化算法——多元宇宙优化算法(MVO).并在传统多元宇宙优化算法(MVO)的基础上针对TDR值下降速度慢而导致旅行距离增加的问题,提出改进多元宇宙优化算法(IMVO),将改进多元宇宙优化算法用于支持向量机的参数优化和选择问题上.使用UCI标准数据库中的数据进行数值仿真实验.研究结果表明:采用改进多元宇宙优化算法优化的支持向量机有较强的寻优性能,稳定性较好.

基于改进多元宇宙优化算法的光伏系统最大功率点跟踪

在局部遮蔽条件下,光伏阵列的功率输出曲线呈现多峰特性,传统控制算法无法持续准确地跟踪最大功率输出点,该文提出一种基于改进多元宇宙优化(MVO)算法跟踪全局最大功率点的方法(IMVO)。引入螺旋更新和自适应压缩因子,增强了算法的全局搜索能力;改变旅行距离率的更新方式,加快了算法的收敛速度,3方面改进有效提高了算法的寻优能力。仿真结果表明:在均匀光照、局部遮蔽和变光照强度3种条件下,改进多元宇宙优化算法均能持续稳定地跟踪最大功率点,在收敛时间和收敛精度上均有较大提高,由此验证了该算法在最大功率点跟踪控制中的可行性。

基于改进型粒子群优化算法的非对称级联开关电容多电平逆变器

针对粒子群优化PSO(particle swarm optimization)算法在应用到逆变器的特定谐波、消除脉宽调制SHEPWM(vselective harmonic elimination pulse-width modulation)所存在的全局搜索能力差、且容易陷入局部最优等问题,提出1种改进型PSO。通过在搜索过程中引入遗传算法中的垂直交叉运算,以及采用精英保留策略来提高算法的全局搜索能力、局部搜索能力和保留优秀的个体,由此提高开关角精确度,改善SHEPWM的性能。使用所提算法对新型非对称级联开关电容多电平逆变器的SHEPWM非线性超越方程进行求解,解决了传统数值法对初值依赖性高及传统PSO求解开关角精确度低等问题。仿真及实验结果验证了所提拓扑结构的可行性和所提算法应用到SHEPWM中的有效性。

基于改进斑点鬣狗算法的并网型微电网优化调度

为了实现并网型微电网的经济运行,提出了一种基于改进斑点鬣狗(improved spotted hyena optimization, ISHO)算法的并网型微电网优化调度方法。以微电源维护成本、柴油机发电成本和购售电成本组成微电网调度成本,构建了以微电网调度成本最小为目标函数的并网型微电网调度模型。采用Logistic映射、非线性递减控制参量和反向学习等策略对斑点鬣狗(spotted hyena optimization, SHO)算法进行改进,获得ISHO算法。采用ISHO算法对并网型微电网调度模型进行求解,并将优化结果与其他算法进行对比分析,结果表明,ISHO算法获得的最低调度成本为3 575.25元,相比其他几种对比算法的求解精度更高,验证了ISHO算法在微电网优化调度方面的有效性。

基于改进多元宇宙算法优化ELM的短期电力负荷预测

为改善因人工神经网络参数随机初始化对短期电力负荷预测带来的不足,提出一种基于改进多元宇宙(improved multivariate universe optimizer, IMVO)算法优化极限学习机(extreme learning machine, ELM)的短期电力负荷预测方法。算法的改进包含3个方面。首先,添加beta分布的随机数得到改进Tent混沌映射方法,采用遍历均匀性更好的改进Tent混沌映射方法使MVO算法得到好的初始解位置。其次,采用指数形式改进传统MVO算法的旅行距离率,利用指数形式改进后可使算法在整个寻优迭代前中期保持较高的全局开发水平。然后,采用精英反向学习的方法改进宇宙群。通过基准函数测试改进前后算法的性能,表明IMVO算法具有更好的稳定性和鲁棒性。最后,利用IMVO算法优化ELM的权值和阈值,建立IMVO-ELM短期电力负荷预测模型。通过实例分析和实验对比,表明IMVO-ELM模型的稳定性、预测精度和泛化能力均优于其他模型。

基于多元线性回归和改进粒子群算法的输电网监测点优化配置策略

输电网的安全稳定运行非常重要,一旦发生电压暂降就可能严重影响电力系统的安全和正常运行。为获取输电网的运行情况,需配置一系列数据采集设备。但是,配置大量监视器可能会导致高昂的投资和维护成本,且可能会产生不必要的冗余信息。为此,提出了一种基于多元线性回归和改进粒子群算法的输电网监测点优化配置策略,以确定监测器的最佳数量和位置。首先,为了减少监测设备的冗余,引入Mallow的Cp作为线性回归模型的评价标准,并对粒子群算法进行改进。然后,通过最小化未监控母线电压的误差平方和,对获得的整个系统的最优配置策略进行进一步筛选。最后,基于MATLAB/Simulink仿真平台,在IEEE 30-BUS系统中对所提出方法的正确性和有效性进行了验证。

基于改进差分进化算法的CCHP型微电网两阶段调度优化方法

由于CCHP型微电网两阶段调度需求的随机性,导致优化难度较大,难以找到有效的解决方案。因此,本文提出基于改进差分进化算法的CCHP型微电网两阶段调度优化策略。将微电网运行状态空间划分,构建CCHP型微电网两阶段调度优化模型,利用改进差分进化算法对微电网两阶段调度优化方案进行求解,实现CCHP型微电网两阶段调度优化。设计对比实验,实验结果证明该方法的调度转化效率最高,能够最大限度地利用。

基于新型多元宇宙优化算法的IPPS与多源供能协同优化

为推动制造企业绿色转型发展,针对企业IPPS与多源供能协同优化问题,提出了新型多元宇宙优化算法。通过嵌入子种群融合初始化策略、NSGA-Ⅱ变异策略、外部档案的扰动策略等多方面的改进操作,扩大了种群个体的多样性,开发了新的搜索范围,提升了算法的寻优性能,提高了Pareto解集的质量。通过多能源消耗对比实验,验证了多源供电能源体系能够有效提高可再生能源消纳比例,助力制造企业节能减排目标的实现;通过算法对比实验,验证了新型多元宇宙优化算法对解决制造企业IPPS与多源供能协同优化问题的有效性、可行性及竞争性。

改进多元宇宙算法在航空发动机不暖机模型修正中的应用

航空发动机不暖机会产生性能损失,此时原有发动机模型已经不能准确表达发动机性能,因此,需要利用模型修正技术对原有的发动机模型进行修正,以获得发动机不暖机情况下的数学模型。提出了一种改进多元宇宙优化算法(Multi-verse optimization,MVO),并将其应用于发动机不暖机模型的修正研究。在常规MVO算法基础上,修改虫洞机制公式,解决解区间偏离0轴较远时寻优计算易陷入局部最优的问题,并引入混沌思想,通过混沌化初始宇宙和在每一代最优宇宙附近区域内进行混沌搜索,增强了算法的全局搜索能力。将改进后的算法应用于发动机模型的修正研究,并将常规MVO,改进MVO,粒子群算法(Particle swarm optimization,PSO)和遗传算法(Genetic algorithm,GA)四种算法的修正结果进行了对比。结果表明:修正后发动机不暖机模型精度得到很大提高,其中推力误差仅为0.07%,能够满足舰载机起飞动力学模型输入条件的精度要求;改进MVO算法对发动机模型的修正效果优于常规MVO算法,且相比PSO和GA,改进MVO修正效果同样更优。

基于支持向量机-改进型鱼群算法的CO_2优化调控模型

提出了融合支持向量机-改进型鱼群算法的CO_2优化调控模型,为CO_2精准调控提供定量依据。设计了嵌套试验,采集不同温度、光子通量密度、CO_2浓度组合下的黄瓜光合速率,以此构建基于支持向量机的黄瓜光合速率预测模型;以预测模型网络为目标函数,采用改进型鱼群算法实现二氧化碳饱和点寻优,获得不同温度、光子通量密度组合条件的CO_2饱和点,进而构建CO_2优化调控模型。异校验结果表明,CO_2饱和点实测值与预测值相关系数为0.965,最大相对误差3.056%。提出的CO_2优化调控模型可动态预测CO_2饱和点,为实现设施CO_2精准调控提供了可行思路。

改进型人工鱼群算法及复杂函数全局优化方法

在分析人工鱼群算法存在不足的基础上,对人工鱼群算法加以改进,提出了一种改进型人工鱼群算法。该算法提高了全局搜索能力和收敛速度,并用于求解具有变量边界约束的非线性复杂函数最优化问题。仿真结果表明,改进后的人工鱼群算法具有精度高、搜索速度快等特点,是一种求解复杂函数全局最优化的智能算法。

多元轨迹同步化问题的改进型DTW算法

针对间歇生产过程故障诊断中各批次数据轨迹时间长度不一致 ,导致应用 MPCA/ MPL S准确建模及故障诊断失效的问题 ,本文将动态时间错位 (DTW)算法用于所观测的数据轨迹时间长度的同步化 ;并在此基础上进一步提出了递推式和粗格子点两种 DTW改进算法 .仿真结果表明 ,两种 DTW改进算法能够有效地同步化各批次轨迹 。

基于改进型免疫遗传算法的母管制机组负荷优化分配

改进型免疫遗传算法在遗传算法中引入了免疫系统的抗原识别、抗体多样性、免疫记忆、浓度调节等机制,且将遗传竞争分为子种群间和子种群内部个体间的两级竞争,从而能够快速、稳定地收敛到全局最优点。为此,提出了一种基于免疫遗传算法的母管制机组负荷优化分配方法,以提高机组运行的经济性。实际计算结果证明,该方法对机组的负荷优化分配具有良好的优越性。

应用改进遗传算法的S9型10kV级电力变压器优化设计

以新S9型 10kV级电力变压器为设计对象 ,对传统遗传算法进行了研究和改进 ,并在此基础上编制了一套“电力变压器优化设计系统”软件。本文介绍了对遗传算法的改进和电力变压器优化设计软件的功能 ,同时给出了S9型 10kV级电力变压器优化设计的实例。结果表明 ,改进遗传算法是一种适合于变压器优化设计的简便有效方法。

采用改进型遗传算法的农网运行优化方案

为了有效地推进农网改造工程,在建立基波潮流、谐波潮流、无功功率补偿和农网规划数学模型的基础上,提出了一种改进型遗传算法的农网运行优化方案,即采用遗传算法寻优与灵敏度信息指导相结合之法,编制出农网基波及谐波潮流、无功补偿和优化运行软件程序包。结果表明,在线可观测基波、谐波潮流和无功补偿等状况,优化后比优化前电流谐波总畸变率平均下降了1.66%,3、5、7次谐波放大水平平均降低了约1.2%,农网年运行费用节省了13.2%。

基于改进PSO⁃GSA算法的快速开关型电网故障限流器优化配置

针对快速开关型故障限流器(fast switch fault current limiter,FSFCL)在电网中布点和容量优化问题,提出一种基于改进PSO-GSA算法的FSFCL全局优化配置模型。首先分析了FSFCL的基本原理,采用基于支路阻抗的灵敏度法缩小搜索空间;将限流效果及限流器成本作为优化目标,构造适应度函数;然后利用粒子群算法改进万有引力搜索算法(PSO-GSA)并对该混合算法进一步改进,制定算法优化流程。同时,由于依据人工经验在直接选择最终配置方案时可能会达不到最佳的效果,通过建立方案评价模型,依据相对熵原理确定各指标组合权重,再利用加权逼近理想点排序法(technique for order by similarity to an idea solution,TOPSIS)对方案进行排序,选取了最终配置方案。文中的方案评价模型可避免仅凭人工经验选择安装FSFCL线路的盲目性,有效地降低了电网规划成本。最后采用IEEE39节点系统算例仿真验证了该全局优化配置模型和方案评价模型的有效性。

基于改进型遗传算法的前馈神经网络优化设计

阐明了遗传算法和神经网络结合的可行性,提出了一种改进的面向神经网络权值学习的遗传算法。通过对XOR问题的实验,显示出其快速学习网络权值的能力,且能摆脱局部极值的困扰和初始权值的限制从各方面都表现出优于标准遗传算法和BP算法的性能。

求解组合优化问题的改进型量子进化算法

根据组合优化问题的特点,提出了一种求解组合优化问题的改进型量子进化算法。借鉴小生境协同进化思想初始化种群,增加了个体多样性;采用动态策略调整量子门旋转角,加快了收敛速度;采用"优体交叉"策略实施染色体交叉操作,增强了局部搜索能力。利用典型组合优化问题——2个多维0/1背包问题实例对算法性能进行验证,结果表明了该算法的可行性和有效性。

基于改进型蚁群算法的货物作业车取送模型优化

介绍了蚁群算法及其改进型的原理、模型和算法实现过程,并采用改进型算法对货物作业车取送数学模型进行了优化计算。优化计算结果表明,改进型蚁群算法的优化计算切实可行,为类似其他的铁路运输优化计算提供了新的思路和方法。