基于混合策略麻雀搜索算法优化的DC-DC变换器自抗扰稳压策略

为抑制城轨列车频繁启停引起的牵引网电压剧烈波动,在车载储能DC-DC变换器中设计一种基于改进麻雀搜索算法的自抗扰控制器。首先,建立DC-DC变换器的一阶自抗扰控制器进行稳压控制;然后,为提高系统快速性和抗扰性,引入麻雀搜索算法进行控制器参数寻优;之后针对麻雀搜索算法易陷入局部最优的缺点,引入Tent混沌序列和多样化变异处理,并提出基于樽海鞘算法的新型改进算子对麻雀搜索算法进行改进;最后,根据列车的速度曲线进行仿真验证。通过实验对比,自抗扰控制器在启动加速阶段的电压调节时间相较于PI控制、传统自抗扰和麻雀搜索自抗扰分别减小0.012、0.006、0.003 s,在制动减速阶段分别减小0.0054、0.0025、0.0015 s,结果表明所设计的控制器的可行性和有效性。

融合粗糙数据推理的离散麻雀搜索算法求解HFSP问题

针对麻雀搜索算法(SSA)易陷入局部最优、无法求解离散优化问题等不足,提出了一种改进离散麻雀搜索算法(IDSSA)。抽象原始麻雀搜索算法的位置更新公式,针对个体的不同身份设计新的离散化启发式位置更新策略,并针对混合流水车间调度问题(HFSP)设计了编码与解码方式;引入粗糙数据推理理论,通过数学证明解释了引入理论的可行性与合理性,为算法提供理论支撑,提高可解释性;利用上近似的性质扩大搜索空间,提高种群多样性,避免算法早熟,结合划分及粗糙数据推理提出3种策略,促进种群间信息共享,调节种群的开发能力与探索能力,降低算法陷入局部最优的概率;使用改进离散麻雀搜索算法求解混合流水车间调度问题,对3个小规模实例与10个Liao经典测试集进行仿真实验,验证了改进离散麻雀搜索算法求解混合流水车间调度问题的可行性,通过与遗传算法、差分进化算法等经典算法的对比实验,证明了所提算法的优越性与改进策略的有效性。

改进麻雀搜索算法求解带削峰需求响应的混合流水车间调度问题

电力需求响应是用电高峰时期维护电网供需平衡的重要手段,而削峰是智能电网实现电力需求响应的主要方式。为了使采用混合流水车间生产的企业更好地参与削峰需求响应,优化生产调度,在混合流水车间调度问题中引入了削峰需求响应,建立了新的问题模型,并提出了一种改进麻雀搜索算法用于模型求解。针对标准麻雀搜索算法易陷入局部最优的问题,所提算法通过加入K-均值聚类替换策略改进了标准麻雀搜索算法的局部搜索能力。实验结果表明,所提模型和算法能够提供较好的削峰生产调度方案,满足企业实施削峰需求响应调度的需要。

基于改进麻雀搜索算法的冷链物流路径优化

针对城市间冷链物流对成本与时效的高要求,提出了一种改进的离散麻雀搜索算法。通过对麻雀维度序列的映射,实现了算法的离散化;引入基于维度的邻域模型以加强麻雀种群内的信息交流,降低陷入局部最优解的可能;引入动态因子以改进发现者位置更新公式,平衡算法的开发与勘探。采用23个标准测试函数进行测试,实验所得平均值与方差表明,改进算法的搜索性能与稳定性得到了极大的改善。采用6个标准VRPTW数据集测试改进算法求解复杂路径优化问题的能力,对比实验表明,改进算法能够以更快的速度求得更优的可行解,验证了改进算法的有效性与稳定性。最后使用小规模数据集可视化展示了改进算法在路径规划问题的提升。

基于改进麻雀搜索算法的变电构架优化方法

为了解决变电构架设计中的优化问题,采用改进麻雀搜索算法对其进行优化设计。在基本麻雀搜索算法中引入Circle混沌映射,以提高种群的多样性和算法的全局搜索能力;引入萤火虫算法对麻雀搜索算法进行扰动更新,使其易于跳出局部最优。建立尺寸优化的数学模型,采用罚函数法处理约束条件。先将改进后的算法用于典型桁架算例分析,证明其稳定性与有效性,再将其用于变电构架的优化设计,结果表明,采用改进后的麻雀搜索算法能够有效提升变电构架的优化效果。

基于改进离散型麻雀搜索算法的配电网恢复重构方法

针对传统智能优化算法在恢复重构中搜索空间大、不可行解多,且易早熟收敛、效率低等问题,提出了一种基于改进离散型麻雀搜索算法的配电网恢复重构方法。利用配电网每生成一个环路需断开一个开关来保持其辐射状的思想,采用基于有序环矩阵的整数编码方式对多个环路内的开关状态进行编码。结合Sin混沌映射、Metropolis和扰动机制设计了改进的离散型麻雀搜索算法,并将其应用于配电网恢复重构模型的求解。大量仿真表明所提方法能有效实现恢复重构,使重构后配电网的供电可靠性和供电质量得到改善。

基于改进麻雀搜索算法优化的RSSI定位

针对传统接收信号强度指示(RSSI)测距受环境中不同因素干扰,导致定位精度不高的问题,提出基于改进麻雀搜索算法(ISSA)优化的RSSI定位算法。首先,通过混合滤波对RSSI值优化处理,剔除异常值并消除波动,RSSI测距模型将滤波后可靠的信号值换算为距离。其次,对基础麻雀搜索算法(SSA)进行改进,得到未知节点的精确坐标。实验结果表明:与另一种ISSA及粒子群优化万有引力搜索算法(PSOGSA)混合定位算法相比,该算法具有更高的定位精度。

基于改进麻雀搜索算法的微电网优化调度

针对微电网优化调度问题,提出一种混合策略改进的麻雀搜索算法。首先,将微电网优化调度问题变成多维函数优化问题,并建立约束条件。其次,利用Sin混沌序列初始化种群;然后在位置更新阶段引入学习系数和变异算子;最后引入自适应t分布和动态选择概率,来改善麻雀搜索算法的搜索能力。通过标准测试函数仿真实验和对微电网优化调度模型求解,验证了所提算法具有更高的精度和更快的收敛速度。

基于混合麻雀搜索算法海洋管线内腐蚀速率预测

为提高海洋管线腐蚀速率预测精度,建立基于混合策略麻雀搜索算法(HSSA)优化的深度脊波神经网络(DRNN)腐蚀预测模型。首先通过种群初始化,改进发现者、加入者和侦查者位置更新公式的混合策略提高麻雀搜索算法(SSA)的模型性能。随后利用HSSA对DRNN的权值和阈值进行迭代寻优,降低随机选取参数对模型性能的影响,提高模型预测精度,采用核主成分分析法(KPCA)提取出原始数据中的主要特征。最后,以中国海南东部某海底管道数据进行验证,并与其余4个模型对比。结果表明:HSSA-DRNN模型预测结果较其余模型更接近实际值,且MRE、RMSE指标均优于对比模型,证明所提模型能更准确可靠的预测海底管道腐蚀速率。

螺旋探索与自适应混合变异的麻雀搜索算法

针对麻雀搜索算法(SSA)收敛速度慢,易陷入局部最优的问题,提出一种螺旋探索与自适应混合变异的麻雀搜索算法(SHSSA).首先,采用一种无限次折叠的ICMIC混沌初始化种群,增加种群多样性和遍历性,为全局寻优奠定基础;其次,融入一种螺旋探索策略,增强发现者探索未知区域的能力,提高算法的全局搜索性能;然后,提出一种基于精英差分和随机反向的混合变异策略,加快算法收敛速度,改善算法跳出局部最优的能力.基于12个基准测试函数的仿真结果表明,SHSSA与其余3种算法及2种改进的麻雀搜索算法相比,收敛速度更快、寻优精度更高,稳定性更强.最后,将SHSSA应用于多阈值图像分割中,实验结果表明,相较于基本SSA算法,SHSSA的分割速度和分割精度均得到了提升.

一种用于DGPS整周模糊度解算的混合策略麻雀搜索算法

针对麻雀搜索算法(SSA)在计算差分全球定位系统(DGPS)整周模糊度过程中出现的全局搜索能力弱、易陷入局部最优等问题,提出了混合策略麻雀搜索算法(HSSSA)。首先,通过引入Circle混沌映射初始化种群,提高初始种群的多样性,增强算法的全局寻优能力;其次,将粒子群算法中各个粒子的速度策略引入发现者位置更新公式中,提升算法寻优能力;最后,使用高斯变异策略对最优麻雀位置进行扰动,增强了跳出局部最优的能力。将所提算法应用于9个不同特征的基准函数进行实验,结果表明,HSSSA算法有着良好的寻优精度和收敛速度。在GPS/BDS实测数据的3000个历元的解算中,相比传统LAMBDA算法和SSA算法,HSSSA算法有着更高的解算成功率,可达99.2%。

一种混合麻雀搜索算法

元启发式算法由于可产生多样的解决方案在科学及工业领域受到了广泛的应用,麻雀搜索算法(SSA)是一种相对新颖的基于群体的元启发式算法,已被证明具有较好的寻优求解性能。由于在某些情况下麻雀种群多样性不足,导致算法寻优精度低,易陷入局部最优,因此提出了一种混合麻雀搜索算法(HSSA),首先利用反向对立学习策略提高初始种群质量,其次混合了模拟退火算法的Metropolis准则,避免算法陷入局部最优。为了验证算法的性能,利用HSSA对多个单峰和多峰测试函数进行求解,实验结果表明,与WOA、SSA和IPSO相比,HSSA具有更快的收敛速度和更高的求解精度。

基于麻雀搜索算法的土壤重金属X射线荧光光谱重叠峰解析

近年来随着土壤重金属污染的加剧,和人们环境意识的逐渐提高,科研人员对快速检测土壤重金属含量方法的研究正在不断深化。目前,X射线荧光分析法(XRF)是广泛应用于土壤重金属污染检测的方法。但由于X射线荧光光谱仪的能量分辨率有限,而一些重金属元素的荧光产额较低,一些元素的相邻谱峰出现了重叠现象。针对XRF法中元素相邻谱峰的重叠问题,提出了一种基于麻雀搜索算法(SSA)的光谱重叠峰解析方法。首先,将从河北保定地区采样得到的土壤,制备出不同含水率、不同重金属元素含量的样本并用X射线荧光光谱仪获取原始光谱数据。接着,对光谱数据进行预处理,采用谱聚类算法剔除异常光谱样本,采用Savitzky-Golay五点二次去噪法和线性本底法完成对光谱的去噪和本底扣除,并对光谱净计数用随机数法生成大量模拟光谱数据,以备后续算法使用。然后,用期望最大化法(EM)对重叠峰进行初步解析,首先设置EM算法的初始参数,并将生成的模拟光谱数据代入EM算法,当达到迭代次数时,即可初步得到高斯混合模型(GMM)中各高斯峰的期望、方差和权重参数。但由于EM算法容易受初始参数设置的影响,且易陷入局部最优而导致结果不准确,还需对EM算法进一步优化。本研究采用SSA对GMM的各参数进行全局优化,在设置SSA算法的基本参数后,将100组由EM算法得到的参数作为该算法的初始种群,并设置合适的适应度函数,通过迭代,最终得到全局最优参数,实现了重叠峰的分解。SSA受参数设置的影响较小,相比于一些传统的优化算法,如遗传算法(GA)、蚁群算法(ACO)、粒子群算法(PSO)等,具有收敛速度快、不易陷入局部最优的特点,因此,采用此算法,可以达到较好的优化效果。通过对重叠峰解析结果的分析表明,该算法可在较少的迭代次数下得到较准确的解析结果,可广泛应用于能谱重叠峰解析。

基于离散布谷鸟搜索算法的拆卸序列规划方法

文章提出一种基于离散布谷鸟搜索算法的拆卸序列规划性方法,该方法以赋权拆卸混合图模型为理论基础,并以此为基础建立了可拆卸条件。首先,建立离散布谷鸟搜索算法和拆卸序列规划之间的映射关系;其次,基于最优拆卸方向分层筛选顶点集合组成初始种群;再次,利用离散Levy飞行对鸟巢位置进行变换,利用离散巢寄生行为进行鸟巢的局部调整。在达到最大迭代次数后,对属性值比较好的几个鸟巢进行解码并判断可行性,最终得到最优可行拆卸序列。以管路模型为例,分别利用离散布谷鸟搜索算法、遗传蝙蝠算法和粒子群优化算法进行了拆卸序列规划。经过比较后发现,该方法求解出的拆卸序列质量较高。

多策略协同改进的麻雀搜索算法

针对麻雀搜索算法(SSA)种群多样性差、易陷入局部最优等问题,提出了一种多策略协同改进的麻雀搜索算法(ISSA)。首先,ISSA采用一种融合转移概率的边界学习策略的发现者位置更新方式,扩大发现者搜索范围并丰富其种群多样性;其次,ISSA在麻雀跟随者更新过程中引入混合粒子群机制,扩大目标跟随个体的选择范围;最后在算法寻优过程中,ISSA利用模糊推理系统动态监控种群陷入局部最优的概率,以差分变异操作提高种群跳出局部最优的能力。采用CEC2017测试函数中的12个函数作为性能基准函数,将ISSA与标准SSA及其他四种改进的麻雀搜索算法(ESSA、CSSOA、SSASC、MSSA)进行性能测试,基于实验数据的Friedman检验表明,ISSA能获取更好的性能。

基于改进麻雀搜索算法的服务功能链优化映射算法

为了实现5G网络场景下服务功能链的低成本高效率部署,提出了一种基于改进麻雀搜索算法的服务功能链优化映射算法。在服务功能链映射过程中,采用双层编码方式,将服务请求的组链方案和映射方案进行混合编码,然后使用改进离散麻雀搜索算法进行求解,得到该请求的服务功能链部署方案,并计算其映射权重。当同一时间片内存在多个请求类型时,按照映射权重对所有服务功能链进行排序,优先映射权重高的请求,以此减少延迟开销,提高节点计算资源利用率和链路资源利用率。仿真结果表明,该算法可以有效减少部署开销,提高资源利用率。

基于多个改进策略的增强麻雀搜索算法

针对麻雀搜索算法(SSA)存在寻优精度不高且易陷入局部最优的问题,提出一种基于多个改进策略的增强麻雀搜索算法(EMISSA)。首先,为平衡算法的全局和局部搜索能力,引入模糊逻辑来动态调整麻雀发现者的规模;其次,对麻雀跟随者进行混合差分变异操作以产生变异子群,从而增强EMISSA跳出局部最优的能力;最后,通过拓扑对立学习(TOBL)产生当前麻雀发现者个体的拓扑对立解,以充分挖掘搜索空间内的优质位置信息。通过2013年进化计算大会(CEC2013)中的12个测试函数评估EMISSA、标准SSA以及混沌麻雀搜索优化算法(CSSOA)等改进麻雀算法的性能。实验结果表明,EMISSA在30维情况下,在12个测试函数上获得了11个第一;在80维情况下,在所有的测试函数上都获得了第一。而在Friedman检验中,EMISSA的排名均获得了第一。将EMISSA应用于障碍物环境下的无线传感器网络(WSN)节点部署,实验结果表明,相较于其他算法,EMISSA获得了最高的无线节点覆盖率,节点分布更均匀,覆盖冗余更少。

基于模式搜索算法的电力系统机组组合问题

机组组合问题是一个复杂的大型混合整数非线性规划问题,目前尚未找到理想的解决方法。本文提出一种用于混合变量的模式搜索方法(GPSMV)解决机组组合问题。该方法能求解非凸、非线性、不可微甚至不连续的规划问题,理论上能保证全局收敛于稳定的解,其仅需要求目标函数及由约束条件构成的障碍函数值而不需要对目标函数和约束条件求导。在优化过程中离散变量作为独立的变量,而不是把原问题分成离散和连续两层来处理,适合于求解离散和连续的混合变量问题。最后对10～100机,26机24时段等六个系统进行仿真试验验证该算法。

基于量子群搜索算法的机组组合问题的研究

为提高群搜索优化算法的优化效果,提出一种新型量子群搜索算法,并应用于电力系统机组组合求解。采用量子位概率幅表示量子当前信息,避免了计算过程中的反复解码过程;利用量子旋转门进行种群更新,进一步简化了算法流程;提出一种改进的种群初始化策略和启发式约束处理策略,有效提高了算法搜索效率。仿真结果表明:与其他智能优化方法相比,所提算法全局收敛性更强,同时能保证较短的寻优时间。

一种适用于混合三端直流输电线路的故障定位方法

针对因结构复杂导致的混合三端直流输电线路故障定位困难的问题,提出了一种结合变分模态分解算法与改进卷积神经网络(CNN)的故障定位方法(VMD-CNN)。首先,利用PSCAD/EMTDC软件构建混合三端直流输电系统模型,获得故障电流数据,应用克拉克变换对其解耦,获取故障电流的线模分量;其次,对得到的线模分量进行变分模态分解(VMD),得到多个本征模态函数(IMF)分量,选取特征信息最丰富的IMF分量作为VMD-CNN模型的输入;然后,利用高效的分类模型支持向量机(SVM)判别故障发生的区域,将提取到的IMF分量作为SVM输入进行训练学习,可以准确判断出故障发生区域;最后,搭建VMD-CNN模型进行故障定位,挖掘出行波信号中蕴藏的故障信息,同时通过麻雀搜索算法优化CNN中的超参数,实现混合三端直流输电线路的精确定位。仿真结果表明:过渡电阻为100Ω,不同故障位置情况下的定位相对误差均在0.17%以内;故障位置为460 km,不同过渡电阻情况下的定位相对误差均在0.25%以内;过渡电阻为50Ω,不同故障类型情况下的相对误差均在0.3%以内。所提方法能够提升不同故障位置、过渡电阻和故障类型下的定位准确性。