混合果蝇优化算法PID参数整定方法的研究

【目的】解决基本果蝇优化算法(FOA)由于算法局限性而出现比例积分微分(PID)参数整定收敛速度慢且容易过早陷入局部最优的问题。【方法】为了在迭代前期具有更高的全局搜索效率,利用粒子群算法(PSO)寻找多个全局较优种群,迭代后期使用具有较强的局部寻优能力的FOA算法提高收敛精度,实现对全局搜索和局部搜索过程的优化。【结果】两个二阶时滞系统的阶跃响应测试结果表明,基于HFOA的PID控制器参数整定的上升时间、调节时间和超调量等指标更优,能够实现更好的系统响应性能。【结论】优化后算法具有控制精度高、响应速度快、鲁棒性好等优点,为PID参数优化提供了参考。

智能手机Wi-Fi RTT/PDR室内混合定位优化问题研究

在智能手机上利用无线保真(Wi-Fi)往返时间(round-trip time,RTT)和行人航位推算(pedestrian dead reckoning,PDR)实现亚米级连续混合定位是当前室内定位领域最受关注的研究方向之一。然而,复杂多变的室内环境和灵活多样的行人活动影响了Wi-Fi RTT/PDR室内混合定位的精度与稳定性。为此,需要对Wi-Fi RTT/PDR室内混合定位算法进行优化,包括非视距(non-line of sight,NLOS)与视距(line of sight,LOS)距离的识别、LOS距离误差补偿、RTT定位算法的改进、复杂行人活动识别算法的优化、PDR定位算法优化和混合定位算法的优化等,以提高混合定位算法的场景自适应能力。

基于混合遗传算法的海军航空兵场站物资配送车辆调度智能优化

为提升海军航空兵场站物资配送车辆调度效率,根据海军航空兵场站物资配送任务特点,建立了物资配送车辆调度优化模型,提出了混合遗传算法(hybrid genetic algorithm,HGA)对模型进行了求解。在HGA中引入了模拟退火(simulated annealing,SA)操作对经典遗传算法(genetic algorithm,GA)进行了改进:选择适合模型的编码方式和交叉算子;使用类似路径构造的方法构建初始种群;在遗传操作产生子种群之后,通过SA操作寻找子种群邻域中的潜在优秀个体,提升算法局部搜索能力。最后,通过与经典GA的对比实验,验证了所提算法的有效性和可靠性。

“新工科”下“智能优化算法”课程的教学方式探索与实践

文章围绕教学内容、教学方法与方式、教学实验等,根据课程特点对“智能优化算法”课程进行了改革,其中将启发式教学、案例教学和翻转课堂等方法综合应用于课程教学实践,利用线上教学平台、多媒体教学等手段激发了学生的学习兴趣,并提高了其学习能力,取得了较好的教学效果。

免疫禁忌混合智能优化算法在配电网检修优化中的应用

从配电网设备检修计划编制的实际需要出发,建立了考虑多种约束条件、以配电网经济性最好为目标的检修计划优化模型。针对该模型的特点,提出了一种充分结合免疫算法与禁忌搜索算法优点的混和优化策略,该策略针对配电网检修计划优化问题的特点设计了3种疫苗,并且构造了2阶段变异,在优化前期使用禁忌搜索变异算子,而在优化后期恢复为一般变异算子,从而保证了算法的快速收敛。通过实际计算和分析,验证了文中所提出模型和算法的正确性和实用性,以及与遗传禁忌混合智能算法相比的优越性,实例计算结果表明本文所采用的方法是有效的,免疫禁忌混合智能算法在收敛速度,爬山能力,解的质量和稳定性上都要优于遗传禁忌组合算法,更适合求解配电网检修优化问题。

一种基于混合遗传和粒子群的智能优化算法

粒子群算法(particle swarm optimization,PSO)原理简单、搜索速度快,但前期容易"早熟".遗传算法(genetic algorithm,GA)具有很强的全局搜索能力,但收敛精度不高.综合考虑二者优缺点,把遗传算子引入PSO算法中,并采用交叉搜索的方法,调整惯性权重以及变异方式使粒子得到进化,当粒子种群进化到一定层度后,对部分粒子进行变异处理,这样不仅避免算法陷入局部最优解,而且获得较高收敛精度和执行能力,可解决工程中非线性、多极值的问题.据测试函数以及与其他寻优算法的对比分析表明,此混合策略在求解精度、搜索效率和处理不同复杂度问题等方面都有很好的优越性,具有满足工程需要的能力.

混合智能算法及其在供水水库群优化调度中的应用

将遗传算法中的进化思想和蚁群算法中的群体智能技术有效地耦合,提出了一种基于两者的混合智能算法,应用于供水水库群系统的优化调度研究中。算法利用蚁群算法的并行性、正反馈性以及良好的全局寻优能力,避免搜索陷入局部最优,同时借鉴遗传算法的进化思想,利用杂交、变异算子来进行局部寻优,使其能快速搜索到全局最优点。在种群随机搜索过程中嵌入确定性的模式搜索,使得算法同时具有随机性和确定性。结合模拟退火思想,构造了罚因子处理约束条件,使该算法对水库优化调度问题以及其他优化问题具有一定的通用性。通过实例验证,并与大系统聚合分解经典算法进行比较,结果表明该算法是可行的和有效的。

基于竞价的日发电计划混合智能优化算法

针对电力市场下基于竞价的日发电计划的特点 ,提出一种充分结合遗传算法和排队算法各自优点的混合智能算法。该算法利用遗传算法在求解离散组合优化问题上的强收敛性和鲁棒性进行机组优化组合 ,利用排队算法的简洁性和快速性进行经济功率分配。同时 ,利用基于专家知识的免疫遗传算法来提高机组优化组合的计算速度。通过对某实际电力市场基于竞价的日发电计划的计算和分析 。

基于混合群智能优化的虚拟网络映射算法

网络虚拟化是突破网络发展僵局的一项重要技术,而虚拟网络映射(VNE)是网络虚拟化的一个主要问题。提高底层网络资源的利用率和收益是虚拟网络映射的主要目标。针对底层网络支持路径分裂的情况,建立了整数线性规划(ILP)模型,并提出基于混合群智能优化的虚拟网络映射算法。该算法在兼顾映射开销和映射均衡性的基础上利用粒子群优化算法(PSO)和遗传算法(GA)迭代优化映射方案。仿真实验结果表明,与现有的主流研究成果相比,该算法显著地提高了底层网络长期平均运营收益与虚拟网络请求接受率。

一种混合遗传算法在压电智能结构振动控制全局优化设计中的应用

本文针对采用压电作动器／传感器的智能结构，研究了振动控制中作动器／传动器的配置以及反馈增益的全局优化设计问题。根据目标函数的特点，提出了一种与梯度下降法相结合的浮点数编码的混合遗传算法，并融合设计了排序选择、自适应交叉变异等一些简单且优良的遗传操作，它能快速有效地解决全局优化问题。通过对一个智能板结构的算例，证明了该方法的可行性和优越性，该方法可以进一步应用于更为复杂的工程优化问题中。

基于差分进化粒子群混合算法的多无人机协同区域搜索策略

为提高无人机群在未知环境中的区域搜索效率,提出一种多无人机协同区域搜索策略。首先,根据区域搜索任务需求,建立包含区域覆盖率、区域不确定度、目标存在概率三种属性的区域信息地图;其次,以最大化搜索效率、同时最小化无人机搜索过程中的能耗为目标,建立无人机区域搜索滚动时域优化目标函数,指导无人机在线决策搜索路线;然后针对传统群智能优化算法易陷入局部最优的缺陷,设计差分进化粒子群混合算法在线求解该多目标优化问题,提高算法的寻优性能,从而提高无人机的搜索效率。最后,通过数值仿真实验,对所提算法进行验证,仿真结果表明,文中设计的基于差分进化粒子群混合算法的多无人机协同区域搜索策略与传统的群智能优化算法相比具有更高的区域搜索效率。

基于混合智能粒子群算法的广义电源主动配电网优化配置

研究广义电源接入主动配电网的优化配置问题。提出一种电压偏差指标。建立综合考虑投资经济效益、电压偏差及污染气体排放指标的多目标优化配置模型。提出一种混合智能粒子群算法,在优化过程中引入快速非支配排序策略、精英保留策略和拥挤距离计算策略以改善其全局搜索能力。对IEEE-33节点、PG&E-69节点配电系统进行计算,分析在不同负荷水平下各指标的变化情况,研究负荷变化时广义电源的最佳配置。研究表明,广义电源的接入与合理配置能够有效提高投资运行效益和系统电压稳定性,同时说明该方法能够保证配置方案的多样性和多目标优化过程的寻优性。

基于混合智能优化算法的非线性AVO反演

针对常规叠前AVO反演存在强烈依赖于初始模型、易陷入局部最优值等问题,对基本遗传算法进行了自适应改进,然后将改进遗传算法与粒子群算法相结合,发展了遗传—粒子群算法混合的GA-PSO协同进化智能优化算法;对比改进遗传算法、粒子群算法及GA-PSO协同进化算法反演的理论模型合成地震记录的纵波速度、横波速度及密度,表明后者具有精确的反演结果及更强的稳定性和抗噪能力;最后利用GA-PSO协同进化算法对实际地震数据进行叠前AVO非线性反演,验证了算法的应用效果和适用性。

基于模糊理论、遗传算法和神经网络的切削参数混合智能优化

提出一种基于模糊理论、遗传算法和神经网络的混合智能优化技术,给出优化目标的优化数学模型,详细叙述了遗传算法的寻优过程,模糊理论的应用及神经网络的训练和学习获取优化切削参数的技术,并给出各种优化目标下的切削参数混合智能优化与普通搜索方法的对比实例。

基于混合智能算法的电力系统经济调度优化模型研究

在以电力系统的发电总燃料量、氮氧化物排放量和电价等3个因素为目标函数,以系统有功平衡、系统正负备用、输出功率以及输出功率上升速率等相关约束条件的基础上建立了电力系统经济调度的加权优化模型.同时,在综合了粒子群-人工鱼群算法的基础上构建了混合智能算法.最后,用10个机组所组成的火电厂的优化调度问题作为案例,采用混合算法进行求解及结果分析,以说明电力系统经济调度加权优化模型的有效性以及综合智能算法的收敛性和稳定性.

基于改进混合樽海鞘群算法的航空发动机模型求解方法

针对传统智能优化算法在求解航空发动机模型非线性方程组时收敛速度慢、精度低的问题,提出采用樽海鞘群优化算法(salps swarm algorithm,SSA)。为了提升标准SSA求解复杂发动机模型的随机搜索能力,采用了混沌映射、正余弦算法、自适应权重、逐维变异策略对SSA进行改进,并且更进一步调整了算法流程(Process improved SSA),提高算法收敛概率,最终将Process improved SSA与Newton-Raphson算法结合为混合算法,并以适应度值作为算法切换的判断条件以提升混合算法的计算效率。仿真实验验证了Process improved SSA求解航空发动机模型的有效性。仿真结果表明混合算法能够实现全局收敛并提升收敛速度,且能够在模型输入强瞬变仿真时实现快速收敛。

智能优化算法的混合策略分析、设计和建模

首先对国内外混合智能优化算法进行了研究,分析并揭示了现有各种算法中起作用的关键机制和元件,然后提出了一个混合智能优化算法模型,用于解释现有混合算法取得优良性能的根本原因,并为设计新的混合算法提供指导作用。

极地邮轮关键设备总体选型混合优化算法研究

针对极地邮轮关键设备总体选型问题,建立了含耦合约束的多目标优化模型。基于对该优化模型的解空间分析,提出了一种新的混合优化算法。其混合策略为:将差分进化(Differential Evolution, DE)算法的交叉及选择操作引入鲸鱼优化算法(Whale Optimization Algorithm, WOA)中,通过部分维度更新实现对耦合约束的主动适应,并通过贪婪选择实现对优势个体的保护。以某极地小型邮轮的设备选型问题为测试算例,对本文所提的混合优化策略进行了验证。测试结果表明,所提混合优化策略可以有效提升算法在极地邮轮关键设备总体选型问题上的优化性能,且得到的优化方案相比原方案具有更高的评估得分,更满足用户的需求。

基于混合智能算法的电力系统无功优化研究

研究了电力系统的无功优化功问题,给出了结合电力市场实行的无功优化目标函数。在分析了遗传算法和蚁群算法各自优缺点的基础上,将遗传算法与蚁群算法融合,利用遗传算法的交叉、变异操作产生蚁群算法新的搜索路径,以此提高混合智能算法的全局搜索能力和收敛速度,并将混合智能算法应用于实例进行仿真。仿真结果表明,该混合智能算法具有快速的收敛速度和优良的全局优化能力。

用混合遗传算法进行工程智能优化的方法研究

智能优化是从诸多新兴学科衍生出来的前沿科学,遗传算法是智能优化的重要工具之一。该文针对遗传算法存在的不足,用混合遗传算法解决了工程智能优化问题,弥补了遗传算法存在的缺陷,在工程实践中证明了混合遗传算法在性能和质量方面的优越性。