基于改进引力搜索算法的数控车削参数优化方法

为提高数控车削效率,优化生产质量,减少刀具磨损控制生产成本,提出一种基于改进引力搜索算法的数控车削参数优化方法。建立车削参数优化模型,通过多目标约束条件,确定参数优化的取值范围。通过多目标引力搜索方法,确定中心质点位置和质量,衡量质点优劣程度,经过迭代收敛在空间中搜索最优解。利用质点适应度函数并引入混沌思想改进算法实现全局优化。在混沌映射下反复推演质点的最佳位置,获得最终的优化参数最优值。实验结果表明:所提方法能很好地完成参数优化,降低生产成本,具备良好的有效性和鲁棒性。

基于混沌万有引力算法对APSIM模型中旱地春小麦产量形成参数的优化

为了解决APSIM模型中春小麦产量形成参数本土化率定过程中所面临的耗时长、精度差、效率低等问题,采用混沌万有引力(chaotic gravitational search algorithm, CGSA)算法,基于1971-2014和2018-2021年甘肃省定西市统计年鉴中的产量数据以及2015-2017年定西市安定区凤翔镇安家沟村的大田试验数据、1971-2021年定西市安定区的产量和气象资料,对春小麦产量形成参数进行优化。结果表明,采用CGSA优化参数后,均方根误差(RMSE)、归一化均方根误差(NRMSE)和模型有效性指数(ME)的平均值分别为22.98 kg·hm^(-2)、1.393%和0.995,说明模型在甘肃省定西市春小麦产量的评估中表现出较好的适应性。此外,CGSA具有较好的全局寻优性能和较快的收敛性,为APSIM模型的参数优化提供了一种高效、精准的方法。

基于引力搜索算法的激光位移传感器参数优化

为了优化中等量程激光三角位移传感器性能及体积,以200 mm~500 mm量程为例,建立了数学模型实现结构参数优化。在传感器结构设计中,采用平面反射镜对光路进行折叠,以工作物距、透镜焦距、线阵探测器件位置以及反射镜位置为被优化量并定义了目标函数,采用引力搜索算法(gravitational search algorithm,GSA)实现对位移传感器的结构优化。经过算法迭代,相同宽度限制下所得优化后的结构参数与传统激光三角结构相比,在500 mm处灵敏度提高24.29%,非线性误差由11.40%降低为7.43%。结果表明,此结构与优化算法对激光三角位移传感器性能与体积有较大的正向优化效果。

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.

基于精英思想自适应改进万有引力搜索算法

为了解决万有引力搜索算法容易出现局部最优的问题,提出了一种新型改进万有引力搜索算法。该算法在质量的计算中引入随机因子;结合精英思想,基于适应度值对力进行有选择的合成,并且对更优粒子对应的力赋予更大的随机数;引入控制参数,自适应地更新粒子的位置,减小某些粒子过于随意变化带来的影响。通过以上这些操作,增强了算法的随机性,同时保证了算法的收敛性。经对10个基准函数进行仿真实验,结果表明新算法有更好的收敛速度和寻优精度,全局和局部优化能力增强。

基于克里金算法的LSRM多目标优化

针对应用于悬挂式列车的直线开关磁阻电机(LSRM),为提高LSRM的功率密度,在更小的初级体积下获得更大的牵引力和减重力,提出了一种基于克里金克里金算法对LSRM进行了多目标优化。首先,建立LSRM多变量多目标优化设计模型,采用理想点法建立统一的目标函数,并选择影响优化目标的电机尺寸作为优化变量,结合电磁和结构尺寸的实际情况给出了约束条件和优化变量取值范围;其次,确定了优化目标的优先级为平均牵引力、平均减重力和电机初级重量;最后,结合优化目标变化幅度给出了相应的系数向量,该系数向量下目标函数各分量均达到较好的优化效果,其中平均牵引力和平均减重力两项指标超过设计目标值,同时电机初级重量相较于原始尺寸电机也有下降。

基于改进人工电场算法的泵站优化调度

针对我国大型泵站运行效率不高、耗能大的问题,考虑电机和变频器的损耗,结合分时电价,建立泵站日运行电价最小的优化模型,采用人工电场算法(AEFA)求解。针对原始引力常数的计算方法会导致算法早熟和易陷入局部最优的问题,引入混沌映射进行改进。以山西省万家寨三级泵站为例计算求解,结果表明:与实际运行方案相比,人工电场算法优化方案节能率为5.7%~11.3%,改进后的人工电场算法优化方案节能率为9.9%~28.4%。算法改进后在计算精度、稳定性、计算时长方面都表现较好。

混合引力搜索的自适应反向学习蜉蝣优化算法

针对蜉蝣优化算法全局探索能力较弱,易陷入局部最优的不足,提出了两种改进策略:利用引力搜索算法更新蜉蝣的速度公式,以增强算法的全局探索能力和局部开发能力;对蜉蝣种群执行自适应反向学习策略,以提高算法的收敛速度及求解精度。将两种策略分别引入雌雄种群中得到六种算法变体。仿真结果表明,雄性种群混合引力搜索算法且雌性种群引入自适应反向学习策略的变体性能最好,命名为GSA-OMA算法。与8个元启发式优化算法相比,GSA-OMA算法具有更好的寻优精度和收敛速度。

改进的万有引力搜索算法在函数优化中的应用

万有引力搜索算法应用于函数优化问题时易陷入局部最优解且优化精度不高。针对这些问题,提出了一种改进的万有引力搜索算法。该算法通过引入反向学习策略、精英策略和边界变异策略,显著地提高了万有引力搜索算法中粒子的探索能力与开发能力,获得了较强的全局优化能力和局部优化能力。通过对6个非线性基准函数进行仿真实验,结果表明:与基本的万有引力搜索算法、加权的万有引力搜索算法和人工蜂群算法相比,改进的万有引力搜索算法在求解复杂函数的优化问题时具有更好的优化性能。

基于万有引力搜索算法的电厂锅炉NO_x排放模型的参数优化

以某330MW煤粉汽包锅炉为测试对象,以支持向量回归机为基础,利用最小二乘支持向量机和一种新的寻优算法———万有引力搜索算法进行了综合建模及参数优化.结果表明:建立的模型较好地实现了对电厂锅炉NOx质量浓度排放量的预测;与遗传算法、蜂群算法和粒子群算法相比,万有引力搜索算法能更好地找到未知优化参数,使得所建模型具有更高的预测能力和泛化能力,从而有效控制燃煤电厂NOx的排放量.

基于改进万有引力搜索算法的微网优化运行

微网为分布式电源并网提供了有效的技术途径,微网的优化运行是微网领域的重要研究课题。综合考虑经济成本、环境效益和网损等多个运行指标对微网的优化运行进行数学建模;通过引入反向学习机制、精英策略和全局记忆性,提出基于改进万有引力搜索算法的微网优化运行方法,并将其应用于解决多目标多约束的微网优化运行问题;最后,通过算例验证了所提出的算法的正确性和可行性。

基于万有引力搜索算法的微电网风光储容量优化配置

针对规模化风光储发电单元运行可靠性差、经济效益低等问题,通过采用多目标万有引力搜索算法,实现对风光储发电单元的优化配置。建立发电单元的输出功率模型,包括风力发电机输出功率模型、光伏电池输出功率模型和储能电池输出功率模型;采用某地区2015年1月至12月的风光数据,得出风机、光伏电池一年的输出功率。以风机、光伏电池及蓄电池的容量为决策变量,以成本、能源浪费率及缺电率最小为优化目标,得到最优风光储容量配置组合。

基于改进引力搜索算法的无功优化仿真研究

针对引力搜索算法(GSA)在求解电力系统无功优化时出现早熟收敛和局部搜索能力差的问题,引入粒子群算法的记忆功能和加速机制,形成改进引力搜索算法(IGSA)。将GSA和IGSA基于Matlab对IEEE30节点测试系统进行电力系统无功优化仿真。仿真结果表明:IGSA算法避免了早熟现象,增强了局部搜索能力,能获得质量更高的最优解。该仿真实验可加深学生对电力系统无功优化的理解和对智能算法的认识。

基于引力搜索和粒子群混合优化算法的证券投资组合问题研究

本文研究考虑交易成本的投资组合模型,分别以风险价值(VAR)和夏普比率(SR)作为投资组合的风险评价指标和效益评价指标。为有效求解此模型,本文在引力搜索和粒子群算法的基础上提出了一种混合优化算法(IN-GSA-PSO),将粒子群算法的群体最佳位置和个体最佳位置与引力搜索算法的加速度算子有机结合,使混合优化算法充分发挥单一算法的开采能力和探索能力。通过对算法相关参数的合理设置,算法能够达到全局搜索和局部搜索的平衡,快速收敛到模型的最优解。本文选取上证50股2014年下半年126个交易日的数据,运用Matlab软件进行仿真实验,实验结果显示,考虑交易成本的投资组合模型可使投资者得到更高的收益率。研究同时表明,基于PSO和GSA的混合算法在求解投资组合模型时比单一算法具有更好的性能,能够得到满意的优化结果。

求解约束优化问题的中心引力优化算法及其工程应用

为了平衡算法的全局探测能力和局部搜索能力,提出一种基于交叉与变异的中心引力优化算法用于求解约束优化问题。该算法首先利用佳点集方法构造初始种群以保证粒子的多样性。以一定概率随机选择粒子与当前最优粒子进行算术交叉操作,引导粒子向全局最优解靠拢。对当前最优粒子进行多样性变异以避免算法陷入局部最优。标准测试函数和工程优化应用问题的实验结果表明,新算法能有效求解不同的约束优化问题。

自适应中心引力优化算法

针对函数全局优化问题,提出了一种自适应中心引力算法,以平衡全局探测能力和局部搜索能力。首先定义粒子的适应值函数,然后根据与平均适应值的比较,更新粒子运动时间,并引进交叉操作更新当前粒子位置,从而提高算法的收敛速度。最后选择8个典型测试函数进行测试,并与中心引力优化算法和其他粒子群优化算法进行比较。结果表明,该算法得到的结果十分精确,鲁棒性强,优于其他算法。

求解动态优化问题的改进多种群引力搜索算法

针对目前多种群算法解决动态优化问题时存在过多冗余计算、寻优精度低等缺陷,提出多种群串行搜索的引力搜索算法。采用多种群串行搜索的策略,便于当前子种群利用其他已收敛种群的进化信息。为解决多峰重复搜索而带来的冗余计算问题,提出具有约束条件的初始化策略,给予初始化的粒子以方向性的指引,避免其初始化在已寻峰区域;采用距离判决的策略发现并终止多峰重复搜索。为全面的监测环境变化及解决多样性丢失问题,提出一种监测环境策略及追踪策略。研究结果表明:所提算法,面对不同的环境变化程度以及不同的峰值数量,其求解精度都优于其他7种对比算法的求解精度,证明该算法在求解动态优化问题上的优越性。

基于引力搜索和粒子群混合优化算法的T-S模型辨识

提出了基于引力搜索(GSA)和粒子群(PSO)混合优化算法(GSAPSO)的T-S模型全局优化辨识方法.该方法充分整合GSA的勘探能力和PSO的开采能力,在GSA中引入PSO的个体最优值和群体最优值,同时改进惯性权重调整算法.T-S模型辨识分为结构辨识和参数辨识,采用聚类方法和GSAPSO算法同时辨识模型的结构和参数,从而实现全局优化辨识.仿真实例和比较分析证明了GSAPSO较标准的PSO和GSA有更强的全局优化能力和更高的辨识精度.

基于中心引力算法的箱型梁面几何尺寸参数优化

针对起重机箱型截面梁截面尺寸多变量有约束的优化设计问题,提出采用中心引力现代优化设计算法来优化设计主梁截面。首先根据起重机主梁的箱型截面几何参数以及主梁受力特点,以应力、扰度和工艺等约束条件建立主梁质量最轻的目标优化函数。采用罚函数法将有约束优化转化为无约束优化,并依据类天体运动的中心引力算法对箱型梁截面进行优化。仿真结果表明,该算法能够在整个可行解空间进行寻优,有效避免陷入局部最优解。优化后的主梁质量比传统设计方法减轻14.5%左右。

基于改进万有引力搜索算法的住宅区微网优化

微网容量优化是微网建设中的重要环节。针对目前住宅区微网经济性、稳定性、气象匹配性较差的问题,提出了一种多目标的优化方法。首先,给出了优化对象的目标函数和约束条件,提出了一种负载分类方法,设计了一种用于气象跟踪的风光互补组合系数,并分三个层次建立优化的数学模型。其次,利用杂交粒子群算法和风光互补组合系数改进万有引力搜索算法,分析网内负载的使用情况,求得微网内风/光/柴/储的最优配置组合。最后,从经济性、气象跟随性、网内能源结构和负载波动承受能力方面对比分析四种算例。算例验证了模型的可靠性。