基于改进灰狼优化算法的含光伏配电网动态无功优化

针对光伏并网对配电网造成的电压波动、线损增加,以及光伏和负荷出力的不确定性等问题,本文构建基于二阶锥规划的线性凸优化模型,通过控制有载调压变压器和电容器组动作,以及光伏逆变器和静止无功发生器无功补偿能力约束,对日前日内双时间尺度无功优化模型进行动态分析,在简化求解过程的同时加大找到全局最优解的可能性。提出一种基于混沌学习初始化、非线性收敛因子、最优粒子柯西扰动结合蜘蛛猴算法位置更新方式的改进灰狼优化算法,防止算法陷入局部最优并增强其全局搜索能力。最后,运用改进的灰狼优化算法对含光伏的IEEE 33节点系统进行建模仿真,结果表明该算法具有寻优效率高、收敛速度快的优点,验证了算法的可行性和高效性。

基于非线性搜索策略的改进灰狼优化算法及其应用

灰狼算法(GWO)在大工业复杂的优化问题求解中存在许多不足之处,如容易陷入局部最优解、收敛速度慢、最优解精度低等缺点,由此提出一种改进的灰狼优化算法.在灰狼算法的基础上,通过引入非线性参数和新的位置迭代更新方程,构建一种基于非线性策略的灰狼优化算法,并通过软件实现算法.通过8个标准测试函数在多维度下的数值对比实验和一个工程设计优化问题求解,分析验证算法的稳定性和优越性,并证明其性能均优于原有的GWO系列算法,是一种具有潜力的元启发式算法.

基于改进型灰狼优化算法和窗函数加权的稀布矩形平面阵列天线综合

针对在阵列孔径、阵元数目、最小阵元间距等多约束条件下的稀布矩形平面阵列天线优化问题,提出了基于改进型灰狼优化(improved grey wolf optimizer,IGWO)算法和窗函数加权的稀布矩形平面阵列天线综合方法。首先,利用Tent混沌映射、非线性收敛因子、优势狼动态置信策略和对立学习策略对灰狼优化(grey wolf optimizer,GWO)算法进行改进,增加算法的种群多样性和跳出局部最优的能力。然后,利用窗函数对阵列单元进行加权,生成位置分布矩阵,减少稀疏矩阵优化时间,提高优化效率。最后,利用位置分布矩阵生成稀疏阵列,再运用IGWO算法进行多约束条件的稀布优化。为验证所提方法的有效性进行了仿真实验,实验结果表明,本文方法可以有效提高阵列天线的性能,降低峰值旁瓣电平,对于解决在多约束条件下的阵列分布问题,具有一定的工程意义和参考价值。

基于灰狼优化算法的PCNN中药材显微图像分割

为有效分割中药材显微图像的目标信息,提出了一种基于灰狼优化算法(Gray wolf optimization,GWO)的改进型脉冲耦合神经网络(Pulse coupled neural networks,PCNN)中药材显微图像自动分割方法。首先,从适应处理显微图像的角度出发对传统PCNN模型进行简化与改进;其次,在训练图像中提取香农熵值作为GWO的适应度函数来自适应调节PCNN关键参数——链接系数β,进而实现图像目标的最优分割;最后,将所提算法与聚类分割法、OTSU法、传统PCNN法进行了实验比较,并用骰子系数、体积重叠误差、相对体积、精确度和交并比等常用医学图像分割评判标准对4种处理方法做了客观评价。实验结果表明,所提方法能够实现图像的自适应分割,较好地保持了图像细节、纹理及边缘等信息,对不同显微图像分割准确度高,改善了图像的分割性能,具有较强的适用性。

基于灰狼优化算法的多机电力系统稳定器参数最优设计

灰狼优化(grey wolf optimizer,GWO)算法作为一种新的、高效的群体智能优化算法,可应用于电力系统优化问题。提出了采用GWO算法的多机电力系统稳定器参数优化设计方案。将传统超前-滞后型电力系统稳定器(PSS)的参数设计建模为基于特征值的二次性能目标优化问题,通过向左半复平面移动机电振荡特征值实现对不同运行状态下机电模态阻尼系数的最大化进行寻优。GWO算法具有对初始取值不敏感,优化效率较高和全局寻优性能好等特点,因此被用来迭代搜索最优PSS参数值。通过IEEE New England 39节点算例的特征值分析和非线性时域仿真,验证了基于GWO算法优化整定的电力系统PSS在各种系统运行状态下抑制系统机电振荡的有效性和鲁棒性,并通过与传统相位补偿方法设计的PSS阻尼性能对比,表明所提GWO算法优化PSS参数具有明显优越性。进一步的算法性能分析表明,GWO算法具有对初值不敏感和稳健性强等优点。

基于灰狼优化算法的SSSC阻尼功率振荡控制器设计

静止同步串联补偿器(SSSC)是可实现阻尼系统功率振荡的重要交流输电装置。在研究了SSSC的基本拓扑结构和数学模型的基础上,分析了SSSC工作时产生具有可控幅值、相角的同步电压差与系统进行功率交换来实现补偿的动态调节过程。设计了一种含有灰狼优化(GWO)算法的功率振荡阻尼控制器,通过GWO算法实现了控制器主要参数的优化。搭建了接入额定容量100 MVA SSSC的电力系统仿真模型,模拟了分布式发电并网输出功率不稳定引发电网功率波动及三相接地短路故障等暂态工况,验证了本文引入的SSSC能起到良好的阻尼作用,提高电力系统的稳定性。

基于测距修正及改进灰狼优化器的DV-Hop定位算法研究

节点定位是无线传感器网络中的一个重要问题,基于测距的定位算法虽然定位误差较小,但在应用于室外三维环境时具有较多的局限性。因此,以原始的距离向量(DV-Hop,distance vector-hop)算法为研究基础,分别引入接收信号强度指示(RSSI,received signal strength indication)算法和最小均方误差(MMSE,minimum mean squared error)准则对算法的测距过程进行修正,同时采用改进的灰狼优化器对确定未知节点坐标的过程进行优化处理。仿真结果表明,相较于原始DV-Hop算法和IPDV-Hop算法,IGDV-Hop算法在初始参数下的平均定位误差率分别降低了28%和17%,定位效果得到明显改善。

基于灰狼-鸟群算法的特征权重优化方法

针对特征权重难以准确量化的问题,提出一种基于灰狼优化(grey wolf optimizer, GWO)算法和鸟群算法(bird swarm algorithm, BSA)的混合算法,用于特征权重的寻优。首先,将Chebyshev映射、反向学习与精英策略用于混合算法的初始种群生成;其次,将改进后的GWO算法位置更新策略融入BSA的觅食行为中,得到一种新的局部搜索策略;然后,将BSA的警觉行为与飞行行为用作混合算法的全局搜索平衡策略,从而得到一种收敛的灰狼-鸟群算法(grey wolf and bird swarm algorithm, GWBSA),通过GWBSA的迭代寻优可获得各特征的权重值。利用标准测试函数和标准分类数据集进行了对比实验,与遗传算法、蚁狮算法等方法相比,GWBSA具有较快的收敛速度且不易陷入局部最优,可以提高模式分类问题的求解质量。

基于改进灰狼优化算法的WSN覆盖优化

针对无线传感器网络(WSN)节点在随机部署时,存在分布不均匀的情况,从而导致覆盖率较低的问题,提出了一种改进的灰狼优化(GWO)算法.首先利用Tent混沌映射初始化种群,增加种群的多样性;其次利用改进的非线性收敛因子,平衡算法的全局搜索能力与局部搜索精度;最后将差分进化(DE)算法的变异、交叉的理念融入GWO算法,避免算法陷入局部最优,并提高算法的收敛速度.基本测试函数仿真结果验证了改进算法的有效性,随后将其应用于WSN覆盖优化问题,可以使节点的分布更加均匀,显著提高覆盖率,进而改善网络性能.

基于改进灰狼优化算法的自移机尾控制方法

为更好地解决自移机尾的姿态控制问题,将改进后的灰狼算法(GWO)融入到比例积分微分控制器PID控制器中,设计模糊控制器,提出改进的GWO优化模糊PID控制系统架构,实现自移机尾的迈步自移、同步举升、侧移校正的安全控制动作。建立带式输送机自移机尾液压控制系统数学模型,设计自移机尾侧移动作控制仿真与自移机尾多液压缸同步举升控制仿真,通过仿真分析的方法分别对比未加算法的PID控制效果,以及改进前后的灰狼算法所优化的模糊PID控制效果。结果表明:采用PID模糊控制器并融合改进后的灰狼优化算法,可以使自移机尾安全控制系统性能更稳定、控制效率更高。

基于BRGWO算法和滤波Smith预估器的气弹系统时滞控制

气弹控制系统的驱动器、闭环信号回路在实际中会存在时滞环节,由于气弹敏感性和环境复杂性,时滞会引起控制信号迟延并导致气弹控制极速恶化、甚至造成系统失稳,该问题以往研究较少。针对翼型时滞气弹控制问题,设计了一种基于BRGWO算法和改进型滤波Smith的最优气弹控制方法。首先,引入二阶滤波器改进Smith预估器,设计了翼型气弹控制器;然后,创新设计了一种双向随机灰狼优化算法(bidirectional random grey wolf optimization, BGWO),提高了时滞下气弹控制参数的全局寻优能力,该算法改进了不同等级灰狼的狩猎策略,提高跳出非理想值机率、避免陷入局部最优。利用最小增益原理,在理论上证明了闭环系统稳定性。仿真结果表明,对比传统智能优化算法(如遗传算法、灰狼优化算法)和多种已有控制器(经典Smith、PI-PD型Smith和传统滤波Smith预估器),该方法具有更强的时滞补偿能力和更优的气弹控制性能,在不确定时滞、不确定风速、刚度变化和驱动干扰等算例下,保持了优良的时滞气弹控制效果,具有较强的鲁棒性。

基于改进灰狼优化算法的多机电力系统稳定器参数优化

提出了灰狼优化算法与差分进化算法相结合的多机PSS参数设计方案。首先建立了发电机、励磁系统、PSS的线性化微分方程;其次构建了基于机电模式阻尼比的优化函数,通过DE-GWO算法进行迭代搜索,实现对不同运行方式下机电振荡模式阻尼系数的最大化寻优;最后在PSASP中搭建了云南电网滇西南地区部分电网,通过非线性时域仿真验证了基于DE-GWO优化算法的PSS在不同运行方式下抑制机电振荡的有效性和鲁棒性,提高了系统的阻尼。

基于灰狼优化算法的微电网并网控制器参数优化设计

提出一种基于灰狼优化(GWO)算法的微电网并网控制器参数优化方法。将并网控制器参数设计问题转换为以控制误差为目标函数的优化问题,采用GWO算法进行优化,从而简化控制器参数设计的过程。针对微电网电磁暂态仿真的数学模型复杂、仿真时间长等缺点,提出采用微电网的动态相量模型对控制器进行参数优化。最后,通过基于GWO算法和微电网动态相量模型得到并网控制器优化参数,并将参数优化的动态相量模型与电磁暂态模型进行对比。仿真结果证明了提出的微电网控制器参数优化方法的可行性、准确性。

基于模拟退火算法和改进灰狼优化器的异构无线传感器网络路由协议

合理利用节点的能量异构特性延长网络生命周期是异构无线传感器网络(HWSN,heterogeneous wireless sensor network)的主要目标之一。因此,根据节点能量的异构性提出了一种基于模拟退火(SA,simulated annealing)算法和改进灰狼优化器(GWO,grey wolf optimizer)的HWSN路由协议SA-MGWO(SA-modified grey wolf optimizer)。首先,该协议通过为能量异构的节点定义不同的适应度函数进行初始簇的选取;然后计算节点的适应值,并将其视为灰狼优化器中的初始权重;同时,根据狼群与猎物的距离以及系数向量对权重进行动态更新,提高灰狼优化器的寻优能力;最后,利用模拟退火算法保证异构网络中最优簇集的选取。仿真结果表明,相比于SEP(stable election protocol)、分布式能量有效成簇(DEEC,distribute energy efficient clustering)、M-SEP及FIGWO(fitness value based improved grey wolf optimizer)协议,SA-MGWO协议的网络生命周期分别提高了53.1%、31.9%、46.5%和27.0%。

基于灰狼优化器改进蚁群算法的物流配送路径优化算法

蚁群算法在求解多任务物流配送路径优化中,存在参数设定缺乏标准及不同情境下参数设定各不相同等问题,本文提出一种基于灰狼优化器的改进的蚁群算法的路径优化算法。针对传统蚁群算法参数设定不确定等问题,通过引入灰狼优化器,借助灰狼优化器进行全局搜索的特点以及渐进式搜索的特性,找到蚁群的最优参数,从而自动获取最优参数,解决蚁群算法的参数配置问题。最后,将改进后的算法应用于多任务物流配送路径优化中。实验结果表明,提出的算法能够自动得出更优的参数,算法具有良好的求解精度和稳健的鲁棒性。

基于灰狼优化器和蜜蜂算法的新混合优化算法

文章基于灰狼优化器和蜜蜂算法两种种群优化算法,将两者的优点结合,提出一种新的混合优化算法来克服原算法的缺点。为了评估新的混合优化算法的性能,通过对基准函数的测试分析,将新的混合优化算法和原有算法进行了比较,验证了新算法的性能的优越性。

重选精英个体的非线性收敛灰狼优化算法

针对灰狼优化算法(GWO)存在的求解精度较低、后期收敛速度较慢、易陷入局部最优的缺点,提出一种改进灰狼优化算法(EGWO)。该算法引进两种改进策略:用以平衡算法全局搜索性和局部开发性的非线性收敛因子调整策略和用以降低陷入局部最优风险的精英个体重选策略。通过在9个基准测试函数上的实验与标准GWO算法,以及文献提出的5种改进灰狼算法和4种其他算法进行对比,从算法寻优的精确性和鲁棒性两个方面验证两种算法改进策略的有效性。实验结果表明,两种改进策略都能提升算法性能,综合使用两种策略的EGWO在收敛速度和求解精度都明显优于其他比较算法。

基于多策略融合灰狼优化算法的特征选择方法

针对基本灰狼优化算法(grey wolf optimizer,GWO)在求解复杂优化问题时存在解精度低、探索与开发能力不平衡、收敛速度慢和易陷入局部最优的缺点,提出一种基于多策略融合的改进灰狼优化算法。首先,设计一种基于正弦函数的非线性过渡参数策略替代原灰狼优化算法中的线性递减策略,以实现算法从勘探到开发的良好过渡;其次,利用个体自身历史最佳位置和决策层个体共同引导群体进行搜索,以加速算法收敛速度和提高寻优精度;然后,在当前最优灰狼个体上引入小孔成像学习策略产生新的候选个体,以降低算法陷入局部最优的概率。选取6个基准测试函数进行数值实验。结果表明:改进算法在求解精度和收敛速度指标上均优于其他比较算法。最后,将改进算法用于求解特征选择问题,对10个基准数据集的仿真结果表明,改进算法能有效地提高分类精度和选择最优特征。

基于变分态分解与灰狼优化支持向量机的齿轮箱故障诊断

由于行星齿轮齿轮箱的振动信号具有非平稳、非线性特性,在复杂工况下,会对其早期微弱的故障信号造成干扰,不能正确地识别出故障信息。为解决以上问题,采用基于变分模态分解(variational mode decomposition,VMD)与灰狼优化支持向量机的故障诊断方法。利用中心频率近似方法,求解出了变分模态分解的参数K,对分解出的本征模态函数(intrinsic mode function,IMF)分量进行相关性分析,优选出分量进行信号重构。将重构信号进行故障特征提取,利用灰狼优化支持向量机的方法进行故障模式识别。实验结果表明:采用所提方法对行星齿轮箱的故障识别准确率达到99.375%。

基于模糊控制的权重决策灰狼优化算法

针对灰狼优化算法后期收敛速度慢,求解精度低等问题,提出一种基于模糊控制的权重决策灰狼优化算法.首先,提出一种新的非线性收敛因子,以提高算法的全局搜索能力及收敛速度;其次,提出一种基于模糊控制的权重决策策略,通过模糊控制器对决策层的个体赋予不同权重进行种群位置更新的决策,增强算法的寻优能力.选取23个标准测试函数对该算法及对比算法进行数值实验,实验结果表明,本文提出的改进的灰狼优化算法在求解精度和算法稳定性等指标优于对比算法.