惯性权值和学习因子对标准PSO算法性能的影响

基于标准PSO算法,通过分析惯性权值和学习因子2类参数不同的取值策略对常用测试函数优化结果的影响,来探究2类参数对算法性能的影响.实验结果表明,2类参数恰当的动态改变不仅能明显提高单峰函数的寻优精度和收敛速度,而且能提高双峰和多峰函数的寻优概率;惯性权值主要影响算法的收敛速度,随着惯性权值的递增,算法收敛速度逐渐加快;学习因子主要影响算法的寻优精度,当反映粒子的自我学习能力和向群体最优粒子学习的能力的学习因子同增同减变化时,寻优精度提高;惯性权值递增结合2种学习因子的同增同减变化,或惯性权值递减结合2种学习因子的一增一减变化,均可使标准PSO算法性能得到显著提高.

基于混合PSO算法的简化群桥水域航路规划研究

针对群桥水域航路规划问题,分析了群桥水域特征,建立了群桥水域航路代价模型,分别运用基于自然选择的PSO、基于杂交思想的PSO和基于模拟退火的PSO对该问题进行了求解.通过与标准PSO算法规划结果对比,发现3种混合算法均能快速找到最优解,并且精度较高,得出了3种混合PSO算法在解决群桥水域航路规划问题方面均优于标准PSO算法的结论.

基于粒子群算法的CFB机组协调系统模型辨识

为了消纳风光等新能源,火电机组均需要参与到调峰调频中,机炉协调控制系统是机组AGC模式下的核心。熟悉控制系统被控对象的特性并且建立系统的动态模型,是提高系统控制品质的基础。该文以山西某电厂超临界350 MW循环流化床机组协调系统为研究对象,首先对研究对象的动态特性进行分析,依据生产现场闭环运行数据,利用标准粒子群智能算法,寻优得到两输入两输出的协调系统模型。然后选取其他时间段的采样数据作为模型验证数据,证实利用标准PSO算法对多变量系统建模的可行性。

粒子群算法在水电站引水系统优化方面的应用

水电站引水管道直径的取值影响水电站工程的造价和发电效益,是水电站引水系统优化设计的重要内容。以引水管道直径为变量,水电站净收益最大为准则,建立了水电站引水系统优化模型,分别采用标准PSO算法和改进PSO算法进行计算。结果表明,这两种方法均可用于水电站引水系统的优化,改进PSO算法优于标准PSO算法。

带有梯度加速的粒子群算法在边坡稳定分析中的应用

基于圆弧滑动面的假设,采用标准粒子群算法和加入梯度信息的粒子群算法进行边坡最危险滑动面的搜索及确定其最小安全系数,并与二分法的计算结果进行对比。研究表明,加入梯度信息的粒子群算法在保证结果有效的前提下提高了粒子群算法的收敛速度,是一种很好的改进方法。