层状地基土水平抗力比例系数反演的杂交粒子群算法

土的水平抗力比例系数是基坑支护结构变形计算的重要参数,针对层状地基土中水平抗力比例系数反演的多目标优化问题,结合支护结构水平位移实测值和杆系有限元法,提出基于粒子群算法(PSO)的层状地基土水平抗力比例系数反分析法。给出水平抗力比例系数和目标函数精度双控的反演计算收敛条件和水平抗力比例系数最优解稳定条件。在利用基坑工程数值模型验证反演参数准确性基础上,运用工程实例进一步验证杂交粒子群算法(breedPSO)在水平抗力比例系数反演计算中的适用性。对比分析优化方法的计算效率和反演参数的收敛特性。结果表明:杂交粒子群算法具有更高的计算效率和计算精度,为合理反演水平抗力比例系数提供了有效途径。

基于改进杂交粒子群算法的农村微能网多能流优化调度

西部农村地区电网薄弱,光伏和风电扶贫投资未考虑配套输配电设施,用以处理生物质废弃物的沼气受季节性温度变化影响运行经济性不佳,为解决上述问题,该文提出利用沼气作为气源含可再生能源的冷-热-电-气多能流农村微能网供能架构,建立相应的多能流微能网调度模型,针对粒子群算法早熟、容易陷入局部最优的问题,提出采用动态调整惯性权重的杂交粒子群算法进行求解,算例结果表明,通过对系统内各设备的调度,有效降低系统日运行成本,在冬季,采用改进型杂交粒子群算法所得日运行费用相比采用基本型粒子群算法降低7.6%,其相比系统未优化所得日运行费用降低79.1%;在夏季,相比基本型粒子群算法与未优化分别降低17.0%、71.2%,实现微能网的经济运行,证明了本模型和算法的正确性。

一种求解云服务组合全局QoS最优问题的改进杂交粒子群算法

针对云计算环境下云服务体系的构建研究了云服务组合的全局Qo S最优问题,提出一种改进杂交粒子群算法.该算法通过动态因子和二阶振荡机制的引入改进速度更新和动态参数机制,丰富了种群的多样性,并且提高了算法的全局搜索能力.同时采用的杂交策略也降低算法对问题模型的依赖性.通过对无局部Qo S限制和有局部Qo S限制条件下的云服务组合仿真实验结果分析得出该算法能够求得质量更高的全局Qo S值,并且运算耗费时间随问题规模基本呈线性增加趋势,说明该算法能够适用于大规模云服务组合问题.

计及阀点效应负荷经济分配的杂交粒子群算法

提出了一种用于求解复杂的非凸、非线性具有阀点效应的火电有功负荷经济分配问题的杂交粒子群算法(HPSO)。HPSO通过粒子追随自己找到的最优解和整个群的最优解来完成优化,并在此基础上将遗传算法的杂交思想引入到PSO算法当中,使其避免局部最优。算例的仿真结果表明:本文的算法有效、可行,可望应用于更广泛的优化问题。

杂交粒子群算法在工程几何约束求解中的应用

工程几何约束问题等价于求解一系列非线性方程组。粒子群算法是一种进化计算方法。它通过创建更好的种群搜索解空间。新的种群基于新的个体而产生。借鉴遗传算法的思想,提出了杂交PSO算法的概念。粒子群中的粒子被赋予一个杂交概率。在每次迭代中,依据杂交概率选取指定数量的粒子放入一个池中。池中的粒子随机的两两杂交,产生同样数目的孩子粒子,并用孩子粒子代替父母粒子,以保持种群的粒子数目不变。实验表明该方法是有效的。

杂交粒子群算法在列车运行调整中的应用研究

针对列车运行调整存在约束条件多、求解难度大等问题,结合城市轨道交通列车运行特点,建立了优化的列车运行调整模型。在此基础上,引入遗传算法中的杂交思想,采用改进后的粒子群算法对此模型进行求解,给出了求解算法的具体步骤,并采用西安地铁2号线数据进行仿真验证。结果表明,采用杂交粒子群算法解决列车运行调整问题是一种有效的方法,并且其优化能力优于标准粒子群算法。

基于杂交粒子群算法的FIR数字滤波器设计

介绍了杂交粒子群算法的原理,通过三个典型Benchmark函数对该算法的收敛精度进行了测试。将杂交粒子群算法应用到FIR数字滤波器的设计中,从而计算出FIR数字滤波器的系数。通过高通和带通两个实例进行仿真实验,并与Parks-McClellan算法设计的滤波器进行对比,结果表明,采用杂交粒子群算法设计FIR数字滤波器具有更好的通带和阻带特性,是一种有效的方法。

基于杂交粒子群算法的多元线性回归参数估计及预测区间研究

为了提高多元线性回归分析模型预测混凝土28 d抗压强度的准确性和可靠性,采用杂交粒子群优化算法估算模型系数,依据正态分布和t分布求出预测点置信度为95%的预测区间。实验结果表明:此模型的预测精度优于传统基于最小二乘估算的回归分析模型,且预测结果可以是相关量的取值范围,扩大了相关量的适用范围,提高了预测的可靠性。

基于杂交粒子群算法的汽轮机调速系统参数辨识

汽轮机调速系统对于机组动态行为及电力系统的电能质量有重要的影响,准确模拟调速系统运行控制特性对于提高电力系统稳定性水平意义重大。以BPA软件中的调速系统标准模型作为待辨识模型,通过对汽轮机施加频率小阶跃扰动,选择对频率阶跃响应影响较大的参数作为待辨识参数,采用杂交粒子群算法分别对调速器、执行机构及汽轮机环节进行辨识。在Simulink中搭建单机-无穷大系统,采用辨识模型计算得到的仿真值与与实测值的误差较小,表明将杂交粒子群算法应用于调速系统参数辨识的方法是有效的。

基于杂交粒子群算法的多元线性回归的双语教学态度预测模型

为了提高多元线性回归分析模型预测双语教学态度的准确性和可靠性,采用杂交粒子群优化算法估算模型系数。将调查数据分为建模样本数据和测试样本数据,测试结果表明基于杂交粒子群优化算法的多元线性回归模型具有较高的精确度。

基于改进自适应杂交粒子群优化算法和最小二乘支持向量机的空中目标威胁评估

评估空中目标威胁程度是防空指挥控制系统的核心环节,评估的准确程度将对防空作战产生重大影响。针对传统评估方法实时性差、工作量大、评估精度不足、无法同时进行多目标评估等缺陷,提出了一种基于自适应杂交粒子群优化(ACPSO)算法和最小二乘支持向量机(LSSVM)的空中目标威胁评估方法。首先,根据空中目标态势信息构建威胁评估系统框架;然后,采用ACPSO算法对LSSVM中的正则化参数和核函数参数进行寻优,针对传统杂交机制的不足提出改进的交叉杂交方式,并使杂交概率自适应调整;最后,对比分析了各系统的训练和评估效果,并用优化后的系统实现多目标实时动态威胁评估。仿真结果表明,所提方法评估精度高,所需时间短,可同时进行多目标评估,为空中目标威胁评估提供了一种有效的解决方法。

基于杂交粒子群响应面的边坡稳定可靠性算法

针对可靠度指标β数学优化模型的理论不足,以及常规数学优化方法易陷入于局部最优解的问题,提出了基于杂交粒子群响应面的边坡可靠性算法。新方法以β的几何意义为基础,在对正值物理量、非正态、非独立随机变量预处理的基础上,补齐了附加约束条件,完整地给出了可靠性求解的数学优化模型,并澄清了β的正负取值问题。采用二次响应面法构造极限状态方程,并基于杂交粒子群算法搜索β的全局最优解。3个代表性案例结果证明:完善后的可靠性数学优化模型理论正确,对从数学优化角度求解可靠性问题进行了有效补充;基于杂交粒子群响应面的可靠性算法具有较好的全局搜索能力和较高的精度,与蒙特卡洛法的计算结果接近,但迭代次数明显减少,计算效率更高。

杂交粒子群优化算法反演瑞雷面波频散曲线

针对传统粒子群算法反演面波频散曲线易陷入局部极值的问题,通过非线性的自适应惯性权重、引入压缩因子以及边界条件约束三种优化策略对该算法进行优化,提出一种杂交粒子群优化算法(Hybrid Particle Swarm Optimization,HPSO)进行瑞雷面波频散曲线反演,提高了反演的精度、减少了反演的多解性。通过典型地质模型的无噪声、含噪声及多模态理论频散曲线反演,验证了该方法的有效性、抗噪能力和多模态频散曲线联合反演能力;与边界约束粒子群算法反演结果的对比分析表明,HPSO具有更高的反演精度;最后,对实测数据进行了反演,验证了HPSO的适用性。

基于震荡权重粒子群杂交的过2采样DFT滤波器组优化设计

基于离散傅里叶变换(discrete Fourier transform,DFT)滤波器组的数字射频存储器具备宽频带覆盖和干扰宽带雷达的特点。针对临界采样时DFT滤波器组信道间混叠严重的问题,推导了过2采样DFT滤波器组的高效多相实现结构,将带间混叠减少了一半。为进一步提高重构信号的精度,提出了基于震荡粒子群杂交算法的滤波器频域设计方法,通过优化目标函数,提高了输出峰值信噪比,降低了最大输出误差,缩减了优化求解时间。仿真结果验证了过2采样DFT滤波器组结构的正确性,提出的震荡权重粒子群杂交滤波器设计可以精确地重构跨多个信道的宽频信号,具备干扰宽频信号的能力。

粒子群算法研究进展

粒子群算法(PSO)是一种仿鸟群觅食行为的智能优化算法,是目前解决组合优化问题的重要工具之一。为了扩展粒子群算法在工程实际中的应用范围,有助于针对工程应用进行算法选择,本文讨论了粒子群算法理论基础,详细阐述了该算法的实现步骤与特点,并分析讨论了几种典型粒子群算法的计算方法与特点,即杂交粒子群算法(HPSO)、离散二进制粒子群算法(BPSO与DPSO)、协同粒子群算法(CPSO)及免疫粒子群算法(IM-PSO)。最后,根据粒子群算法的研究现状,展望了该算法所面临的挑战与进一步研究方向。

变量相关情况下基于杂交GA-PSO算法的结构协同优化

为解答实际工程中变量相关情况下的高维小概率失效问题,将子集模拟与重要抽样法结合起来,根据重要抽样的概率密度函数获取的相关变量的样本点来构造中间失效事件,从而将小失效概率问题转化为一条由一系列易于求解的较大条件失效概率的连乘积组成的马尔可夫链(Markov chain,MC),并直接抽取相关样本点来高效模拟结构的可靠性灵敏度。由此创建失效概率对各变量均值、方差(包含相关系数)的可靠性灵敏度最低以及体积最小的多目标优化问题,并提出多目标协同优化的思想,同时,针对可靠性灵敏度作为目标函数因误差导致多目标协同优化难以收敛的问题,提出利用误差的思想与方法;为加速遗传算法(Genetic algorithm,GA)与粒子群优化(Particle swarm optimization,PSO)算法的收敛,提出克隆与进化同时并举的精英策略及相似交配的思想,并用此GA得到的个体与PSO算法杂交,以进一步提高其收敛性;最后,以盾构三级行星减速器的三个行星架为例,运用上述算法对所建数学模型进行求解,结果表明:①所提直接抽取相关样本的MC能很好地模拟出相关变量的可靠性及灵敏度,免除了变量独立化过程反复转换的繁琐;②提出的杂交GA-PSO协同算法较GA与PSO算法有更快的收敛速度,当相关系数为0.7时,可使该行星架的总体积减小7.06%;③证实将可靠性灵敏度作为目标函数时所提利用误差的思想与方法的可行性与正确性。

基于杂交BPSO-SVM的网络故障特征选择

为提高网络故障诊断系统的诊断精度,节约计算资源,针对需要处理的含有大量无关或冗余特征的数据,提出了一种基于杂交BPSO-SVM的网络故障特征选择算法.该算法采用封装器模式,以SVM的分类准确率和特征压缩比作为适应度函数来指导杂BPSO进行特征选择,将选择出的最优特征子集用于故障诊断.运用Kdd’99数据集的实验结果表明,杂交BPSO-SVM提高了诊断精度,降低了特征维数,可进一步提升网络故障诊断效果.

一种基于用户通勤行为的家庭能量管理优化策略

随着电动汽车快速发展,V2G技术可大幅降低家庭能量管理系统中用户的用能成本,但V2G会影响用户出行。针对此问题提出了一种基于用户通勤行为的家庭能量管理系统优化策略,通过极大似然估计和蒙特卡罗模拟构建用户出行模型,其次将杂交粒子群与混沌算法、免疫算法相融合,利用多重混沌免疫杂交粒子群算法(MCIHPSO)对目标函数进行求解,最后,通过仿真及实验验证了本文所提控制策略显著降低V2G功能对用户出勤的影响。

基于削峰填谷的微电网并网运行的优化调度

基于微电网中的光伏和风力等可再生能源发电占主导地位,而其具有很强的随机性和波动性,不遵循人工调度,而传统电网的调度模型不能直接应用到微电网等问题,借鉴大电网的调度经验,针对微电网本身特点,建立最小发电成本和最少污染物排放的2个目标函数。针对大电网存在较大的峰谷负荷差等问题,通过控制蓄电池充放电时段和功率、大电网交互功率和时段,以实现大电网的削峰填谷的目的。针对微电网优化调度是一个多目标、非线性、多约束条件的模型,提出杂交粒子群算法对模型进行求解,针对粒子群算法中可能存在的局部收敛和收敛速度慢等问题,随机搜索取值代替失去进化的粒子和选择杂交过程。仿真结果验证了微电网优化调度模型的正确性和有效性,以及杂交粒子群算法的收敛性。

改进的倾转旋翼机平稳过渡控制系统设计

针对倾转旋翼机在过渡模式下的过渡过程极其不稳定,控制系统设计难度大的问题,研究了倾转旋翼机平稳过渡控制方案。设计了平稳过渡控制系统结构,提出了改进的基于杂交粒子群的神经网络PID控制律设计,给出了该控制算法的具体流程。以XV-15为例进行仿真验证,结果表明提出的方法比BP神经网络PID方法得到的曲线变化更加平稳,没有出现幅值较大的震荡,达到了预期控制效果。