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。

改进势场蚁群算法优化路径自动规划

针对势场与蚁群联合的自主路径规划存在局部最优解、初始路径选择随机导致效率不高及环境适应性差等问题,提出了基于自适应域和参数自适应设置的改进算法。算法首先基于自适应域改进势场目标不可达问题,并过滤震荡点以平滑路径;其次,通过状态转移函数和信息素更新等相关参数的自适应设置,提高算法在收敛效率和搜索能力上的平衡性,进而提高对障碍环境的适应性。实验结果表明,所提算法能够有效避免局部最优、目标不可达和复杂环境的适应性问题,在路径长度和效率上优于实验采用的已有算法,从而验证了算法的有效性。

基于改进鲸鱼算法的混合储能系统容量优化配置

针对微电网中使用可再生能源的高随机性和间歇性等特征,提出了一种混合储能系统容量优化配置方法。该方法以混合储能系统成本最低、平抑可再生能源功率波动效果最优与电网联络线利用率最高为目标,通过建立混合储能容量优化配置模型并采用改进鲸鱼优化算法对所建立的模型进行求解得到最优混合储能系统容量优化配置。最终对比传统鲸鱼优化算法和传统粒子群算法来验证改进鲸鱼算法可以更合理地配置混合储能系统的容量,使可再生能源功率波动的平抑效果提高,同时也使微网联络线利用率变高,保证微电网可靠、经济地运行,进而实现资源的合理利用。

基于改进蝴蝶优化算法的瑞利波频散曲线反演方法

瑞利波频散曲线反演问题的多解性和反演目标函数的多极值特点,使得常规非线性优化算法可能会产生收敛不稳定、易陷入局部最优等现象。在基本蝴蝶优化算法的基础上采用动态开关概率,引入非线性自适应权重因子,既增加了算法前期的全局探索能力,也保证了后期的局部开发能力。同时,在迭代过程中对最优解进行逐维柯西变异,利用贪婪算法更新最优位置,引导种群向全局最优靠近,通过对4种常用的Benchmark函数的性能测试,表明改进的蝴蝶优化算法无论是在单峰函数还是多峰函数上的全局寻优能力明显优于遗传算法和粒子群算法。采用不同算法针对3种理论地质模型的频散曲线进行反演,发现改进蝴蝶优化算法在频散曲线含10%随机噪声的情况下仍然能够得到与理论模型更加接近的反演结果。最后将改进蝴蝶优化算法应用于实际瑞利波数据,反演结果与实际钻孔揭露的地层分布情况高度吻合。且与遗传算法和粒子群算法相比,改进蝴蝶优化算法在收敛速度、求解精度和稳定性方面都有显著的提升,具有一定的实用价值和应用前景。

基于改进鲸鱼优化算法的AGV柔性作业车间多目标优化调度

针对柔性作业车间的自动引导车辆(Automated Guided Vehicle,AGV)调度问题,基于可持续视角,考虑车间能耗问题,在机器和AVG数量均存在数量约束的条件下,以最小化最大完工时间、车间能耗和AGV使用数量为优化目标构建可持续柔性车间调度模型。首先,设计一种改进鲸鱼优化算法(Improved Whale Optimization Algorithm,IWOA),在标准的鲸鱼优化算法的基础上引入非线性收敛因子和自适应惯性权重以提升算法的搜索能力和收敛速度;其次,使用模糊隶属度理论构建了损失函数,以获得多目标模型的最优折衷解;最后,基于算例实验验证算法性能。实验结果表明改进鲸鱼优化算法在求解2个算例时均表现出良好的效果,为求解采用AGV运输的可持续柔性作业车间多目标优化调度提供了一种有效的实践途径。

采用改进多目标粒子群算法的斜拉桥阻尼器参数优化

为克服大跨度斜拉桥黏滞阻尼器优化设计效率低、多个相互制约的减震控制目标的问题难以权衡,基于遗传算法的“变异”方法,提出了改进多目标粒子群算法来进行阻尼器参数优化设计。建立大跨度斜拉桥的有限元模型,开展了全桥地震响应分析,根据抗震需求在桥梁纵向设置黏滞阻尼器;分别建立了塔底弯矩、阻尼力和梁端位移的减震响应与阻尼器参数之间的响应面数学模型;以减震响应面模型为研究对象,通过该算法进行阻尼器参数全局自动寻优分析,确定了阻尼器的最优参数,并与采用参数敏感性分析方法确定的一组阻尼参数进行对比分析。研究结果表明:该优化方法具有计算精度好、优化效率高和更好地权衡多个相互制约的减震控制目标的优点;通过优化算法获得的阻尼器参数组合相比采用参数敏感性分析方法获得的阻尼参数组合的减震响应,塔底弯矩增大1.73%,阻尼力减小5.97%,梁端位移减小1.66%;在无需多次有限元试算的基础上确定了更高精度的阻尼器优化参数组合,在提高减震效果的同时大大提升了计算效率。

基于改进鲸鱼优化算法的离场航班时刻优化

面对航空客货运输服务迅速增长、各地机场离港高峰时段拥挤度激增的情况,需要对离场航班进行优化配置,降低高峰时段离场总延误时间,同时保障航空公司申请的航班时刻总偏移。考虑航班时刻唯一性、走廊口流量限制、机场容量限制等因素,建立双目标离场航班时刻优化模型,运用精英反向策略与黄金正弦算法对鲸鱼优化算法(WOA)进行改进后求解。以北京首都国际机场为例,使用AirTOp对优化后的结果进行仿真验证。结果表明:优化后航班平均延误减少77.62%。因此,改进鲸鱼优化算法可以有效降低离港高峰时段延误,增强机场运行效率,合理配置有限的时刻资源。

基于改进蜜獾算法的波能转换器阵列优化

针对波浪能转换器(WEC)阵列发电效率提升问题,提出一种基于改进蜜獾算法的三系WEC阵列优化方法.首先,为克服原始蜜獾算法(HBA)收敛速度慢、收敛精度低等缺陷,引入佳点集初始化、混沌机制和蜜獾种群变异3种策略对原始HBA进行改进.此外,为了验证改进蜜獾算法(IHBA)的先进性和有效性,开展2个浮标、10个浮标和20个浮标3个不同规模的WEC阵列优化实验.2浮标阵列仿真结果表明,WEC阵列优化存在多组最优解,且IHBA、HBA、遗传算法和粒子群优化算法都能以不同速度找到最优解.然而,随着WEC阵列规模的增大,3种对比算法都会陷入局部最优解.相反地,IHBA依然表现出较强寻优能力并能搜寻到全局最优解.最后,IHBA所获10浮标和20浮标的阵列q因子分别高达1.059和0.968,远优于其他3种算法.

基于改进哈里斯鹰优化算法的动态路径规划研究

针对传统栅格地图下的路径规划算法存在多峰值优化、无法实时避障等问题,提出了一种基于改进哈里斯鹰优化算法的动态路径规划方法。首先,提出方形邻格邻近扩散方法初始化哈里斯鹰种群位置,在路径规划问题模型下增加种群多样性;然后,提出一种非线性能量因子优化算法在搜索和开发之间的更新比例,提高全局搜索性能;最后,引入动态窗口法提高机器人实际运行路径的平滑程度,构造结合全局路径的动态窗口评价函数以改善动态窗口法前瞻性不足的问题。实验结果表明,所提方法可以兼顾实时避障和路径最优的需求。

多策略改进蜣螂优化算法及其在光伏发电功率预测中的应用

为了提高光伏发电功率预测的精确度,利用伯努利映射、鲸鱼优化算法的螺旋更新机制和最优个体自适应t分布3种策略改进标准蜣螂优化算法。通过在8种标准测试函数上进行验证,结果表明改进后的算法在收敛速度和寻优能力方面均有显著提升。进一步地,采用改进蜣螂优化算法优化长短期记忆网络模型(IDBO-LSTM)进行光伏发电功率预测,并与其他6种模型进行对比实验。预测结果表明,相较于其他模型,IDBO-LSTM在3种不同的天气类型下都展现出来更好的预测性能。与DBOLSTM模型相比,IDBO-LSTM的平均绝对误差率分别下降了0.08%、3.51%、4.02%。

基于改进粒子群算法的中深层地源热泵供暖系统运行优化

构建变工况运行且包含蓄热装置的中深层地源热泵供暖系统,基于改进粒子群算法,分别以运行费用、系统COP和地热能利用系数为目标函数对系统运行进行优化,并对优化结果进行比较和分析。结果表明:对应目标函数优化后的运行费用、系统COP和地热能利用系数分别为279.27元、6.4420和0.8527。以系统COP为目标函数的优化效果与运行费用相反,而与地热能利用系数相近。

基于改进秃鹰优化算法的海上混合光伏波浪能转换器阵列优化

近年来,海上能源发电技术备受瞩目,一种新兴趋势是将波浪能转换器(wave energy converter,WEC)与海上光伏(offshore floating photovoltaic,OFPV)相结合,形成混合光伏-波浪能转换器系统(hybrid PV-wave energy converter,HPV-WEC)。HPV-WEC具有提高海上空间利用率,降低成本以及实现功率稳定输出等优势。为了充分利用HPV-WEC系统之间的协同效应,在不增加新设备的情况下提高能源产量,提出了一种基于改进秃鹰优化算法(improved bald eagle search algorithm,IBES)的HPV-WEC阵列布局优化策略。IBES结合了莱维飞行策略和模拟退火(simulated annealing,SA)机制,以平衡局部开发和全局探索之间的关系。为了评估IBES在优化HPV-WEC阵列方面的有效性,进行了5个浮标和8个浮标规模的阵列优化,并将IBES与其他5种算法进行了比较。实验结果表明,IBES表现出实现最大总功率输出并具有显著的收敛特性。

基于改进遗传算法的飞行器光轴自动校准优化

飞行器光轴质量监控过程中,主要通过标准遗传算法完成光轴参数优化求解,易出现过早收敛和停滞现象的问题,导致校准优化后光轴偏移量依旧较大。为了降低飞行器光轴偏移量,提出基于改进遗传算法的飞行器光轴自动校准优化方法。以牛顿环干涉条纹为依据,采用正交实验方法实现光轴平行性自动校准处理,获取合理的光轴校准参数取值区间。针对飞行器光轴系统定义一个坐标系,在其中分析照准轴误差、经轴误差、纬轴误差和光轴指向误差,以最小光轴平行度综合误差为目标构建光轴自动校准优化目标函数。采用自适应交叉、变异概率改进遗传算法,对优化目标函数进行迭代求解,获取最佳光轴校准参数,实现飞行器光轴自动校准优化。实验结果表明,该方法优化处理后,飞行器高温光轴和低温光轴的偏移量仅为0.34 mrad、0.296 mrad,证明该方法降低了飞行器光轴偏移量,满足了飞行器光轴性能提升要求。

基于改进鲸鱼算法优化PID的转速控制

当汽轮机转速发生偏差时,需要操作员手动整定PID参数使转速达到稳定,但控制效果不佳且调节时间长,针对这一问题提出了一种改进的鲸鱼优化算法优化PID参数控制转速,通过引入反向学习策略和非线性收敛因子,在一台3MW的汽轮机的组态仿真中进行实验对比。结果表明:与鲸鱼算法、粒子群算法相比,改进鲸鱼算法寻优效果更好,进而有效地达到对汽轮机转速的控制。

基于改进NSGA-Ⅱ算法的考虑人机系数生产线平衡多目标优化研究

在现代制造加工生产线中,生产设备是制造业生产的重要组成部分。设备的充分利用对于生产需求的匹配度产生直接影响。文章参考“人机系数”的概念,构建了考虑生产线平衡率、平滑指数和人机系数的多目标优化函数问题,采用了改进的自适应NSGA-Ⅱ算法来求解该模型。研究结果表明,在满足客户节拍要求的前提下,调整人机系数可以提高生产线平衡率,降低平滑指数以及生产成本;通过数值算例验证了相比于传统NSGA-Ⅱ算法,改进的自适应NSGA-Ⅱ算法能寻找出质量较高、覆盖更广的近似Pareto解集,为决策者提供选择。证明了本研究方法的有效性和实用性,该研究为现代制造加工生产线提供了一种有效的优化方法,并为其他类似行业提供了借鉴。

基于改进GA算法的电力变压器优化设计

针对中小型电力变压器优化设计问题,同时响应国家节能减排的号召,对GA算法进行改进并分别应用到电力变压器优化设计中的有效材料成本单目标和总损耗的单目标中。将改进GA算法优化所得数据和使用原GA算法以及人工设计进行对比分析,结果表明改进GA算法优化效果较好,运行时间较快,能有效减少电力变压器所需的材料成本或损耗。

基于SLP法和改进遗传算法的生鲜电商仓储布局优化

生鲜电商企业的物流配送中心是作为连接供需两端市场的重要节点之一,其布局的合理性对工作效率有着重要的影响,进而影响着顾客消费体验的满意度。通过对Y企业某生鲜物流配送中心布局进行分析,采用系统布局设计法(SLP法)对各功能区之间的物流关系与非物流关系进行确认,构建了一个以功能区间搬运成本最小和综合物流关系最大双重优化目标的仓储布局优化模型,借助MATLAB工具,设计改进遗传算法对该模型进行求解,并与遗传算法求解进行对比,验证了所建模型和改进遗传算法的有效性,最后通过改进遗传算法解码得到科学合理的生鲜仓库布局方案。

融合改进遗传算法的电商物流末端多中心共同配送车辆路径优化研究

随着电商物流的快速发展,多中心的末端配送问题受到广泛关注。但目前的车辆配送问题一般是针对单个物流中心进行路径优化,并未考虑到资源调度更为复杂的多中心配送情况。研究对路径问题进行数学建模,并利用双层染色体编码模式的遗传算法对电商物流末端多中心配送车辆路径进行优化。研究过程中发现,传统遗传算法易陷于局部最优解,出现早熟现象。为解决此问题,对交叉概率与变异概率进行自适应调整,实现算法的改进。由此构建了融合遗传算法的配送车辆路径优化模型。通过实验分析可知,模型较其他模型优化结果减少路径长度11%以上,能够实现高质的路径优化,为物流配送节省成本与时间。

基于改进粒子群算法的主动配电网无功优化

随着分布式电源在配电网中的广泛应用,部分地区电压越限、有功网损增加的现象时有发生。但传统算法求解无功优化无法适应当代配电网的要求。因此,提出一种改进的粒子群算法应用于主动配电网无功优化。首先,建立有功损耗、电压偏移和、节点最低电压值的多目标函数,通过线性加权求和的方法将多目标函数转换为单目标。然后,提出一种基于种群集中度概念的惯性权重调整,并在算法的学习因子中引入正弦和余弦控制因子,利用改进后的算法进行主动配电网无功优化。最后,在改进的IEEE33节点上进行仿真,验证所提出算法的可行性、有效性。

基于改进秃鹰算法的微电网群经济优化调度研究

传统优化算法相较于智能优化算法在求解微电网群优化调度问题中较难寻出可行解或最优解,对此提出一种基于融合反向学习和柯西变异改进的秃鹰算法(IBES),在秃鹰搜索空间猎物阶段采用融合反向学习和柯西变异策略,使得秃鹰算法有效跳出局部最优,解决算法求解精度低等问题。通过与粒子群算法(PSO)、麻雀算法(SSA)、鲸鱼算法(WOA)进行对比,仿真结果表明IBES寻优精度更高,可有效减少微电网群系统的经济成本。