考虑载客状态的改进孤立森林浮动车异常数据检测算法

为提高浮动车数据中异常数据检测能力及不同载客状态下的模型检测分析能力,提出基于S-DTA-IIForest(Summation&Difference Third Order Average&Improvement-Isolation Forest)的浮动车数据异常检测算法。构建由相邻两项求和(S)、三阶求和平均差分(DTA)的二维度空间SDTA特征向量;提出差额累计更新和动态区分辨识的改进孤立森林IIForest算法,通过设置停止阈值参数,避免当出现新样本异常值分数大于停止阈值时,仅更新样本不更新孤立森林模型的问题,设计每个二叉树区分辨识度参数,区分辨识度位于停止区间时停止二叉树生长,提高算法收敛性能,以ROC(Receiver Operating Characteristic)曲线下面积AUC(Area Under ROC Cure)、F1-score为指标对模型精度进行对比分析,并以重庆市中心城区学府大道开展实例验证。结果表明:本文S-DTA-IIForest组合算法AUC、F1-score分别为86.63%、0.89,AUC较传统孤立森林IForest(Isolation Forest)提高32.4%,运行效率提高1.29%,具有收敛速度更快、精度更高的优势,载客条件下模型AUC、F1-score较未载客分别提高7.7%、10.8%,组合算法对载客数据有更高的检测精度,且未载客状态数据异常率较载客状态增加71.4%,未载客数据异常率更高。

基于改进NSGA-Ⅱ算法的梯级水库多目标优化调度

针对在时间步长较小、计算时段数目较多时,传统智能优化算法在求解梯级水库联合优化调度问题上效率低甚至无可行解的问题,提出了一种改进NSGA-Ⅱ算法。该算法基于NSGA-Ⅱ算法框架,引入参考目标值、潜力目标值、偏移度以及变异引导算子来优化种群进化过程,强化迭代中的种群质量,使获得的解集更加接近真实的Pareto前沿。福建省金溪流域梯级水库多目标优化调度实例验证结果表明,改进NSGA-Ⅱ算法相对其他算法运算效率更高,优化结果更好,具有较好的实用性。

基于改进蚁群算法的机器人全局路径规划

针对传统蚁群算法存在初始信息素缺乏、收敛速度慢以及无法有效躲避障碍物等问题,文中提出了一种基于改进蚁群算法的全局路径规划。引入正态分布函数改进传统启发函数,提高了算法效率,缩短了算法收敛所需时间。自适应调整信息素挥发系数,限定信息素范围,避免过早收敛。对算法路径平滑处理,缩短路径长度,从而实现机器人的全局路径规划。仿真结果表明,在20×20环境下,文中算法平均迭代次数比传统蚁群算法减少了28代,收敛速度更快。平均拐点减少了33.3%,使路径更为平滑,克服了初始信息素缺乏,加快了收敛速度,减少了拐点数量,能够有效躲避环境中的障碍物,证明了该算法的可行性。

基于改进引力搜索算法的水轮机调节系统仿真

针对现阶段水电机组存在多种复杂工况、工程计算受限于算法本身的复杂性等问题,提出一种改进的引力搜索算法(改进PSOGSA),以此提高水轮机控制参数的优化性能,弥补传统控制策略难以满足动态需求的不足.首先,结合PSO算法,在GSA的速度更新公式中引入学习因子进行改进.其次,应用一种权重系数优化其位置更新公式,提高算法的自适应性.最后,结合相关仿真建模试验,使用所提改进PSOGSA对水轮机调节系统PID参数进行优化调节.仿真结果表明,在5%空载频率扰动下,改进PSOGSA的PID控制器明显优于上述传统算法,所调节的模型系统能在更短时间内趋于稳定,此时的超调量远低于传统算法,表明此改进PSOGSA在后续迭代中具备更高的迭代效率,并且改善了常规算法中易陷入局部最优的问题,从而证明了改进PSOGSA的合理有效性,水轮机调节系统的控制效果在一定程度上得到优化.

基于改进蚁群算法的外卖配送路径规划研究

从外卖配送员角度出发提出一种改进蚁群算法(Improved Ant Colony Optimization,IACO),在此基础上进行外卖配送路径规划研究.首先通过蚁群算法(Ant Colony Optimization,ACO)求解得到初始规划路径,然后通过大规模邻域搜索算法(Large Neighborhood Search,LNS)优化初始规划路径,通过将ACO和LNS算法结合,提高求解质量.为了验证方法的有效性,对外卖配送过程进行仿真,并且选用不同订单数量场景进行对照分析.根据最优配送方案路线图和目标罚函数的最优值可以得出,IACO算法是有效的,且可以提高外卖配送员外卖配送的效率.IACO算法不但能够提升配送的智能化水平,还从外卖配送员的角度提出一种更为人性化的配送方法,支持网络互联外卖平台派送系统的可持续化发展.

基于集成改进蚁群算法的作战环推荐方法

作战环推荐是依靠优化算法从作战网络中为指挥员推荐最优的作战环,以对目标形成高质量打击。未来作战中的作战环推荐面临体系规模大、决策节奏快的特点。对此,提出了一种集成改进的蚁群算法,能够实现高效、高质的作战环推荐优化求解。首先,将作战环推荐问题转换为一种基于多仓库路径规划的数学模型。然后,针对原始蚁群算法前期收敛速度慢、算法参数对结果影响大和容易陷入局部最优的问题分别提出了3种改进策略:基于边权重信息的信息素初始化、基于差分进化的蚁群算法参数自适应优化和基于遗传算子的全局搜索能力提升,并进行了集成改进。最后,在案例分析中对集成改进蚁群算法进行了分析和对比,验证了所提算法在不需要大幅提高耗时的情况下,优化结果要优于未集成改进的蚁群算法,且相比于原始蚁群算法提升效果显著。

基于改进KNN算法的新能源发电单元运行状态识别

目前识别发电单元运行状态的研究较少,数据来源以数据采集与监控系统为主,采集速度较慢。为此,提出了一种基于发电单元机端电气量数据并融合改进k近邻(KNN)算法的新能源发电单元状态识别方法,直接采集机端电气量数据用于快速判断发电单元状态。提出KNN算法的改进策略,克服了传统KNN算法准确度低、识别速度慢的缺点。利用电力系统分析综合程序获取用于状态识别的发电单元机端电气量数据,利用改进策略对数据进行预处理,并对比传统KNN算法、逐条使用改进策略的KNN算法对新能源发电单元状态识别的耗时与准确度。结果表明所提算法较传统算法的识别准确度和速度明显提升,能满足稳定控制过程中对新能源发电单元的状态感知需求。

改进灰狼算法优化GBDT在PM_(2.5)预测中的应用

针对灰狼算法易陷入局部最优解和全局搜索能力不足的问题,通过霍尔顿序列(Halton Sequence)搜索算法初始化狼群位置,避免灰狼算法陷入局部最优解和重复运算;引入莱维飞行和随机游动策略对灰狼算法的寻优过程进行优化,以增加算法的全局搜索能力;利用粒子群算法模拟灰狼种群得出的最佳适应度以用于惩罚项改进灰狼算法中的头狼更新策略。使用改进算法优化的梯度提升树(Gradient Boosting Decision Trees,GBDT)模型对北京市大气污染物监测数据中PM_(2.5)质量浓度进行预测,采用3种评估函数对各模型以及混合模型预测效果得分进行评估。结果显示,本文改进的灰狼算法对梯度提升树的优化效果优于其他算法,均方根误差E RMS为6.65μg/m^(3),平均绝对值误差E MA为3.20μg/m^(3),拟合优度(R^(2))为99%,比传统灰狼算法优化结果的均方根误差减少了19.19μg/m^(3),平均绝对值误差降低了10.03μg/m^(3),拟合优度增加了9百分点;与霍尔顿序列和莱维飞行改进的(Levy Flight-Halton Sequence,LHGWO)相比,改进的灰狼算法预测得分的均方根误差降低了10.39μg/m^(3),平均绝对值误差减小了6.71μg/m^(3),拟合优度提高了5百分点。研究表明了预测模型优化的有效性,为未来城市改善空气质量提供了科学依据和技术支持。

基于改进黏菌算法的光伏多峰值MPPT控制

针对传统最大功率点跟踪技术在局部遮阴等天气条件下存在无法追踪到全局最大功率点的问题,提出一种基于改进黏菌算法的MPPT控制。首先,对太阳电池模型及多峰值特性进行分析;其次,在黏菌算法中引入领导者策略和基于最优个体的凸透镜反向学习策略,在提高算法计算精度、收敛速度的同时克服了算法易“早熟”现象;最后,根据光伏阵列最大功率输出特性分别确定算法优化模型、初始化位置及重启机制。仿真与实验结果表明:基于改进黏菌算法的MPPT控制能快速、准确地跟踪到全局最大功率点,有效规避陷入局部最优问题,提高了光伏系统的转换效率。

多舱共配绿色车辆路径问题的改进变邻域搜索算法

针对社区团购前置仓配送场景中“多中心、高时效、多品类、高排放”难题,本文提出多车场带时间窗的绿色多舱车车辆路径问题(MDMCG-VRPTW),构建混合整数线性规划模型,并设计改进的变邻域搜索算法(IVNS)实现求解.采用两阶段混合算法构造高质量初始解.提出均衡抖动策略以充分探索解空间,引入粒度机制以提升局部搜索阶段的寻优效率.标准算例测试结果验证了两阶段初始解构造算法和IVNS算法的有效性.仿真实验结果表明,模型与算法能够有效求解MDMCGVRPTW,且改进策略提高了算法的求解效率和全局搜索能力.最后,基于对配送策略和时效性的敏感性分析,为相关配送企业降本增效提供更多决策依据.

改进哈里斯鹰算法的仓储机器人路径规划研究

为提高静态环境下仓储移动机器人路径规划效率,解决传统哈里斯鹰(Harris Hawks optimization, HHO)算法在路径规划中存在收敛速度慢且易陷入局部最优的问题,提出了一种基于Tent混沌映射融合柯西反学习变异的哈里斯鹰优化算法(HHO algorithmbasedon Tentchaotic mapping hybrid Cauchy mutation and inverse learning, TCLHHO)。通过Tent混沌映射增加种群多样性,以提高算法的收敛速度;提出指数型的猎物逃逸能量更新策略,以平衡算法的全局搜索和局部开发能力;通过柯西反学习变异策略对最优个体进行扰动,扩大算法的搜索范围,增强全局搜索能力。根据真实仓储环境搭建二维栅格环境模型,并在Matlab中进行仿真对比实验。结果表明:该算法的规划速度、最优路径长度以及最优路径转折次数较对比算法具有较好的效果,验证了应用于智能仓储环境下改进的HHO路径规划问题的可行性和鲁棒性。

一种车辆GPS轨迹数据的改进地图匹配算法

文中提出一种车辆GPS轨迹数据的改进地图匹配算法.以车辆GPS轨迹数据进行隐马尔可夫模型动态地图匹配后的缓冲区内候选路径为初始群体,以遗传算法中的改进的适应度函数为基准进行半交叉迭代,选择车辆轨迹更优的匹配路径;设计了改进地图匹配方法的算法流程;利用微软亚洲团队的GeoLift轨迹数据集验证了改进方法的有效性.

基于改进仿射算法的主动配电网区间调度

针对高渗透率分布式可再生能源的不确定性和仿射算法结果的保守性影响调度计划的问题,提出基于改进仿射算法的主动配电网区间优化调度模型及其求解方法。以区间变量表征分布式可再生能源中风机和光伏出力的不确定性,利用带有误差修正机制的灰色马尔可夫模型得到风机和光伏出力的区间预测值。建立综合考虑主动配电网运行约束和灵活性指标,以综合运行费用最低和净负荷波动最小为目标的主动配电网多目标区间优化调度数学模型。在仿射算法的非线性运算中引入区间泰勒公式,提出一种改进仿射算法并将其应用于主动配电网潮流计算,并通过CPLEX和INTLAB对调度模型进行联合求解。修改的IEEE 33节点系统的仿真结果表明,区间优化调度可为调度人员提供更直观的主动配电网状态量上、下界信息,而且所提方法的计算效率更高,所得区间结果的保守性、可靠性和有效性更优。

基于改进金豺算法的短期负荷预测

针对电力负荷序列波动性和预测精度不高的问题,提出一种基于变分模态分解、排列熵和改进金豺算法优化双向长短期记忆网络的预测模型。首先,利用变分模态分解重构原始负荷序列,再采用排列熵理论对分解后的子序列进行熵值重组;然后,利用改进金豺算法对双向长短期记忆网络的参数进行优化,并对每个子序列建立预测模型;最后,组合各模型结果得到最终预测值。实验结果表明,本文模型预测精度更高,与真实值拟合度更好。

基于改进蝙蝠算法的多目标移动储能调度

在大规模电动汽车的随机充电等因素的影响下,电网峰谷差等问题突出。首先,计算所需多类型移动储能(电动汽车、移动储能车、氢燃料发电车)调度功率,考虑交通能耗,建立各类移动储能模型。其中,针对电动汽车交通能耗,根据电价对用户参与意愿的影响,建立相应的补贴体系。其余类型则只计及交通能耗成本。然后,建立以的配电网负荷峰谷差、新能源利用率、配电网运行成本为目标,利用超平面的概念自适应地确定不同目标函数的权重,将多目标归一化,建立三类移动储能协调调度模型。而后,使用改进蝙蝠算法求解,得到多类型移动储能协同调度的方案。其中,基本蝙蝠算法引入柯西变异逆累积分布函数等改进,得到改进蝙蝠算法,该算法有效提升优化速度、全局搜索能力。最后,在IEEE33节点系统中,进行仿真验证,结果证明了该调度方案的有效性。

事件触发改进一致性算法的孤岛混合微电网并联互联变流器分布式协调控制策略

在交直流混合微电网中,并联互联变流器(parallel bidirectional power converters,BPCs)可以实现大容量的功率传输,以满足新型电力系统在空间上的供需匹配。如何在占用更少资源的同时协调控制BPCs实现功率的比例共享,是交直流混合微电网中BPCs控制的研究难点。因此,该文设计了一种针对BPCs的事件触发改进一致性协调控制策略。以归一化下垂控制为基础,提出了改进的比例功率一致性算法,实现BPCs间高精度比例功率共享。在此之上,基于BPCs比例功率误差建立事件触发改进一致性算法,并预设触发函数的预判阈值,从而降低系统在稳定状态下的通信次数。最后进行仿真对比分析,结果表明该文提出的方法相比基本一致性算法通信量减少98.35%;同时,与现有控制策略相比,该文提出的方法有着更好的控制性能。

基于改进蝴蝶搜索算法的DGPS整周模糊度快速解算

为了快速准确地解算差分全球定位系统(DGPS)整周模糊度,提出了一种改进蝴蝶搜索算法(IBOA)求解整周模糊度。首先在蝴蝶优化算法(BOA)的香味系数中加入一个自适应权重,弥补BOA算法觅食行为中较弱的搜索能力;其次使用动态切换概率权衡BOA算法中全局搜索与局部搜索的比例;最后在全局搜索和局部搜索阶段引入新的迭代位置更新策略,提升了算法全局搜索能力和跳出局部最优能力。与最小二乘模糊度降相关平差算法(LAMBDA)算法进行1000个历元数据的解算对比实验,结果表明所提算法的平均搜索成功率比LAMBDA算法提高了5.07%。

基于改进A^(*)算法+LM-BZS算法的农业机器人路径规划

针对目前农业机器人在全局路径规划过程中存在规划效率低、规划路径折线段多、折线角度大、作业不稳定等问题,以果园履带机器人为运动学模型,提出一种基于改进A^(*)算法+低阶多段贝塞尔曲线拼接(Low-order multi-segment Bezier curve splicing,LM-BZS)算法的路径规划方法。首先,根据先验地图获取果园环境信息,将果树和障碍物视作不可通行区域,并结合机器人本体尺寸,对不可通行区域进行膨胀拟合处理;然后,利用改进A^(*)算法搜索路径,对初步生成路径进行树行节点调整;最后,采用LM-BZS算法对调整后的路径点进行优化处理,生成符合果园履带机器人作业要求的行驶路径。仿真试验结果表明,相较于传统A^(*)算法,本文所提出的改进算法在无障碍和有障碍环境中,路径规划时间分别减少76.75%、86.40%,节点评估数量分别减少36.68%、39.37%;经LM-BZS算法优化所得路径在无障碍环境中,相较于传统A^(*)算法和高阶贝塞尔算法,平均曲率分别降低45.81%、18.94%;在有障碍环境中平均曲率分别降低56.98%、27.81%。场地试验结果表明,果园履带机器人在对本文算法生成路径进行跟踪行驶时,在无障碍和有障碍环境中,最大横向误差分别为0.428、0.491 m,平均横向误差分别为0.232、0.276 m,平均航向偏差分别为11.06°、13.76°,符合果园履带机器人自主行驶条件。

基于改进蚁群算法的农业机器人多田块路径规划方法与试验

[目的]针对丘陵地区因田块碎片化和障碍物影响农业机器人作业的情况,提出一种基于改进蚁群算法和A算法相结合的多田块路径规划方法。[方法]通过无人机构建农田遥感影像,利用栅格法对农田进行环境建模,再进行子区的划分与合并,在蚁群算法中引入区域启发函数,对不同区域内的移动代价作区分,通过人工增加最优路径中的信息素浓度并建立自适应信息素挥发系数,对信息素更新方法进行改进,以此求解作业子区间的最优遍历顺序,利用具有启发式搜索功能的A算法进行子区连接路径规划,最终实现多田块路径规划。[结果]MATLAB仿真试验结果表明,在子区数量为40时,采用改进蚁群算法进行规划的平均路径长度比传统的蚁群算法减少了3.19%,平均迭代收敛次数减少了79.5%;在路径遍历仿真试验中,农业机器人遍历路径覆盖率能达到100%,路径重复率为6.48%。利用农田无人机遥感影像和田间作业参数进行自然环境的仿真试验,进一步验证了该方法的有效性。[结论]本研究提出的方法能有效解决丘陵地区农业机器人多田块路径规划问题,可为丘陵地区农业机器人大面积作业提供路径参考与技术支持。

基于改进蚁群算法的复杂环境路径规划

针对蚁群算法在复杂环境下难以收敛、最优值差的问题,提出了一种改进蚁群算法。引入修正策略,提出两种局部修正方法以减少无效路径。提出一种自适应信息素更新机制,将初始信息素与蚂蚁所释放的信息素区分挥发;针对每次迭代蚂蚁所释放的信息素,通过设计时变挥发因子的变化律单独挥发,得到自适应挥发强度的信息素挥发机制。最后,将算法应用到不同复杂环境,与已有改进蚁群算法对比分析,研究结果说明改进算法在有效时间、平均距离、最短距离的优越性。