在多目标群搜索算法(multi-objective group search optimization,MGSO)基本原理的基础上,结合Pareto最优解理论,提出了基于约束改进的多目标群搜索算法(IMGSO),并应用于多目标的结构优化设计.算法的改进主要有3个方面:第一,引入过渡可...在多目标群搜索算法(multi-objective group search optimization,MGSO)基本原理的基础上,结合Pareto最优解理论,提出了基于约束改进的多目标群搜索算法(IMGSO),并应用于多目标的结构优化设计.算法的改进主要有3个方面:第一,引入过渡可行域的概念来处理约束条件;第二,利用庄家法来构造非支配解集;最后,结合禁忌搜索算法和拥挤距离机制来选择发现者,以避免解集过早陷入局部最优,并提高收敛精度.采用IMGSO优化算法分别对平面和空间桁架结构进行了离散变量的截面优化设计,并与MGSO优化算法的计算结果进行了比较,结果表明改进的多目标群搜索优化算法IMGSO与MGSO算法相比具有更好的收敛精度.通过算例表明:IMGSO算法得到的解集中的解能大部分支配MGSO算法的解,在复杂高维结构中IMGSO算法的优越性更加明显,且收敛速度也有一定的提高,可有效应用于多目标的实际结构优化设计.展开更多
为克服电网谐波检测快速性与稳定性矛盾,基于神经网络自适应原理提出了一种级联神经网络自适应电网谐波检测的改进系统。改进级联系统初级运用大步长常规LMS(Least Mean Square)自适应神经网络单元提高检测跟随性能,次级通过嵌入均值滤...为克服电网谐波检测快速性与稳定性矛盾,基于神经网络自适应原理提出了一种级联神经网络自适应电网谐波检测的改进系统。改进级联系统初级运用大步长常规LMS(Least Mean Square)自适应神经网络单元提高检测跟随性能,次级通过嵌入均值滤波环节平滑权值波动的策略构造新的自适应神经网络单元,保证次级神经网络单元具有良好的电网谐波检测稳态精度。运用传递函数Z域变换分析嵌入均值滤波环节的电网谐波检测自适应神经网络单元的稳定性能,运算推导新的级联次级神经网络自适应单元的步长约束条件,保证改进系统既能够有效地提高电网谐波检测的跟随性能同时又可以提高检测的稳态精度。仿真实验表明改进的级联神经网络自适应系统能有效提高电网谐波检测动态性与精确性。展开更多
文摘在多目标群搜索算法(multi-objective group search optimization,MGSO)基本原理的基础上,结合Pareto最优解理论,提出了基于约束改进的多目标群搜索算法(IMGSO),并应用于多目标的结构优化设计.算法的改进主要有3个方面:第一,引入过渡可行域的概念来处理约束条件;第二,利用庄家法来构造非支配解集;最后,结合禁忌搜索算法和拥挤距离机制来选择发现者,以避免解集过早陷入局部最优,并提高收敛精度.采用IMGSO优化算法分别对平面和空间桁架结构进行了离散变量的截面优化设计,并与MGSO优化算法的计算结果进行了比较,结果表明改进的多目标群搜索优化算法IMGSO与MGSO算法相比具有更好的收敛精度.通过算例表明:IMGSO算法得到的解集中的解能大部分支配MGSO算法的解,在复杂高维结构中IMGSO算法的优越性更加明显,且收敛速度也有一定的提高,可有效应用于多目标的实际结构优化设计.
文摘为克服电网谐波检测快速性与稳定性矛盾,基于神经网络自适应原理提出了一种级联神经网络自适应电网谐波检测的改进系统。改进级联系统初级运用大步长常规LMS(Least Mean Square)自适应神经网络单元提高检测跟随性能,次级通过嵌入均值滤波环节平滑权值波动的策略构造新的自适应神经网络单元,保证次级神经网络单元具有良好的电网谐波检测稳态精度。运用传递函数Z域变换分析嵌入均值滤波环节的电网谐波检测自适应神经网络单元的稳定性能,运算推导新的级联次级神经网络自适应单元的步长约束条件,保证改进系统既能够有效地提高电网谐波检测的跟随性能同时又可以提高检测的稳态精度。仿真实验表明改进的级联神经网络自适应系统能有效提高电网谐波检测动态性与精确性。