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。

改进灰狼优化算法的草坪修剪机器人路径规划

为解决传统灰狼算法(GWO)用于全覆盖路径规划草坪修剪作业时易陷入局部最优、收敛速度慢、迭代次数高、除草效率低等问题,提出了启发式混沌算子灰狼优化算法(CGWO)。通过对GWO算法融入启发式思想与Tent混沌映射后,加入自适应的参数调节策略,调节加速因子及不同控制参数以增加搜索过程中的随机性,帮助算法跳出局部最优解,获得更好的全局搜索能力。仿真分析发现:改进后的灰狼优化算法即CGWO算法比GWO、PSO(粒子群算法)算法的路径成本、迭代次数、耗时更优,且路径更平滑。在3种草坪环境下,进行实车试验。结果表明:CGWO算法提高了全覆盖效率和除草效率,试验结果优于GWO和PSO算法。

基于多目标灰狼优化算法与RBF神经网络的真空灭弧室触头结构优化设计

在真空灭弧室触头开断过程中,合适的磁场分布有利于提高其开断性能;在合闸过程中,动、静触头间存在的电动斥力会导致触头出现弹跳现象。针对以上问题,首先建立了带铁芯式杯状纵磁触头的三维模型,进行了磁场分布与电动力的计算;为了进一步提高触头的性能,然后构建了以触头片开槽长度、开槽宽度、径向偏转角度、杯座斜槽高度及单个斜槽上下旋转角度为输入,电流峰值时刻触头间隙中心平面纵向磁场强度最大值、过零时刻中心点处磁滞时间、合闸时动静触头间的电动斥力分别为输出的RBF神经网络模型;最后结合RBF神经网络模型与多目标灰狼优化算法(MOGWO)对触头结构进行了优化。结果表明:与初始结构参数相比,当触头片开槽长度为19.74mm、宽度为3.94mm、径向偏转角为19.9°、杯座斜槽高度为18.0mm、斜槽上下旋转角为119.2°时,触头具有更好的磁场分布特性,且动、静触头间的电动斥力明显减小,有利于提高触头的工作性能。

渐进式分组狩猎的灰狼优化算法及其工程应用

针对灰狼优化算法(GWO)在求解复杂优化问题时存在后期收敛速度慢、易陷入局部最优的不足,提出了一种渐进式分组狩猎的灰狼优化算法(PGGWO)。首先,设计了非线性多收敛因子以增强全局勘探能力、避免局部最优;其次,提出了渐进式位置更新策略,该策略引入长鼻浣熊的包围策略和动态权重因子,前者在提高收敛精度和速度的同时避免局部最优,后者则动态地提升算法的收敛速度及全局寻优性能;最后,通过与标准GWO、4个GWO先进变体以及4个竞争力较强的新型进化算法对比,验证了PGGWO的有效性和先进性。在24个Benchmark函数和3个实际工程优化问题上的实验结果表明,PGGWO在收敛精度和收敛速度上具有明显优势,并且对约束优化问题也是有效的。

基于“炉–机对应”的炼钢–连铸排产灰狼优化算法

针对多品种、小批量、多规格、高质量的生产订单导致的前后工序/设备作业周期不匹配、炼钢–连铸区段复杂车间布局导致炉次在工序/设备前的等待时间过长影响生产顺行等问题,本文提出一种基于“炉–机对应”策略的灰狼优化算法,解决炉次在工序/设备前的等待时间最短的排产问题。首先,建立以浇次计划内炉次总等待时间最短为优化目标的炼钢–连铸过程排产模型;其次,引入“炉–机对应”策略求解所建模型,考虑车间布局和运输时间因素,在位置更新时判断个体是否满足“炉–机对应”策略,同时设置炉次等待时间为约束因素,当某一炉次在某道工序的等待时间超过约束值时,则对当前炉次重新求解排产计划。对某无精炼跨大中型炼钢厂的10个实际生产算例进行仿真,结果表明:本文提出的基于“炉–机对应”的灰狼优化算法的性能优于启发式算法和遗传算法;针对某炼钢厂产量占比超过80%的4炉对3机的生产运行模式,基于“炉–机对应”的灰狼优化算法求解计划内炉次的总等待时间平均减少20%,工序/设备前的等待时间超过30 min的炉次占比降低3%;前后工序炉机匹配度明显提升,以算例10的4号精炼炉对应的4号连铸机产线为例,本文算法的层流式“一一对应”的钢水占比由遗传算法的45%提升至51%。本文提出的算法为炼钢厂复杂排产提供了可行的解决方案。

基于改进灰狼优化算法的机器人全局路径规划

随着智能机器人导航技术的发展,路径规划的研究也得到了越来越多的关注和重视。提出了一种改进的灰狼优化算法,用于解决路径规划中机器人容易陷入局部最优以及收敛速度慢的问题。首先,创建了一个二维空间模型,模仿机器人的路径规划过程。为了加强算法的全局搜索性能,在全局搜索阶段的位置更新公式中引入了动态扰动系数,并将位置更新公式中的控制参数由线性递减改进为非线性递减。其次,在局部搜索阶段引入了反向学习选择策略,以平衡灰狼种群的多样性和算法的局部挖掘能力,提高了算法的收敛精度。选择8种常见测试函数进行检验,数据结果表明了改进算法的有效性。最后将改进后的灰狼优化算法与原始灰狼优化算法、粒子群算法进行了对比实验,数据显示在简单、一般、复杂环境下,改进后的平均路径距离较改进前分别缩短了11.99%、7.79%、5.78%,平均迭代次数分别降低了75.63%、59.78%、43.67%,表明改进后的算法在最优距离和避障效果等方面都明显优于其他对比算法。

基于数据增强和特征注意力机制的灰狼优化算法-优化残差神经网络变压器故障诊断方法

为提高变压器故障诊断的准确性,提出一种基于数据增强和特征注意力机制的灰狼优化算法(grey wolf optimization,GWO)-残差神经网络(residual neural network,ResNet)故障诊断方法。针对变压器不平衡数据集对故障诊断模型产生的影响,利用带梯度惩罚的Wasserstein生成对抗网络(generative adversarial network with gradient penalty,WGANGP)对变压器数据进行数据增强。其次,在诊断模型的输入侧引入特征注意力机制,提升模型对平衡数据集中关键特征的敏感性。然后,为加速模型的收敛性,在训练的早期利用GWO-ResNet。最后基于某实测变压器数据集对所提出WGANGP-ATT-GWOResNet故障诊断模型的有效性进行验证。

基于灰狼优化算法的变截面点阵结构设计及性能优化

点阵结构因其比强度高、比刚度高,减振降噪性好和隔热吸能能力强等特点,已被广泛应用于航空航天和交通运输等领域主承力零部件设计.但现有的点阵结构设计大都基于等截面假设开展,严重制约了材料分布优化的寻优空间,无法满足质量敏感领域极致轻量化设计的迫切需求.而目前关于变截面点阵结构设计的研究大都基于实验的“试错式”经验调配模式,其相应的理论设计方法尚不完善.文章基于灰狼智能优化算法,提出了一种高效的变截面点阵结构设计方法.首先,基于水平集函数构建变截面点阵的显式几何描述模型,以实现变截面点阵几何形状的自由描述;其次,采用能量均匀化方法预测变截面点阵单胞的宏观等效力学属性,建立宏观点阵结构与变截面单胞构型间的内在联系;然后,以变截面点阵的几何描述参数为设计变量,材料用量为约束条件,最小化柔度为目标函数,构建变截面点阵优化数学模型,并采用灰狼优化算法实现上述模型的高效求解,得到性能优化的变截面点阵结构;最后,通过二维和三维数值算例和仿真分析共同验证了所提方法的正确性和有效性,并与相同条件下等截面点阵结构的承载能力进行了比较.结果表明:优化后变截面点阵结构的柔度相较于相同条件下的等截面点阵结构可降低30%以上,具有更优异的承载能力.研究结果丰富了变截面点阵结构设计理论,在高端装备极致轻量化设计领域具有重要应用前景.

基于IMQ惯性权重策略的自适应灰狼优化算法

针对灰狼优化算法(Grey Wolf Optimizer, GWO)寻优精度低、收敛速度慢的问题,提出了一种基于IMQ惯性权重策略的自适应灰狼优化算法(ISGWO)。该算法利用IMQ函数的特性,实现对惯性权重的非线性调整,从而更好地平衡算法的全局勘探能力和局部开发能力;同时,基于Sigmoid指数函数自适应更新个体位置,更好地搜索和优化问题的解空间。采用6个基本函数和29个CEC2017函数对ISGWO进行测试,并与6种常用的算法进行比较,实验结果表明ISGWO具有更优的收敛精度和速度。

基于改进灰狼优化算法的多区域虚拟电厂协调优化调度技术

为促进“双碳”目标的实现,通过电力低碳化的方式对不同地区虚拟电厂中分布式新能源进行协调优化调度,提出基于灰狼优化算法的多区域虚拟电厂协调优化调度技术。首先,构建经济效益最优的运行优化模型,将不同区域虚拟电厂分布式新能源互联,联合调度风、光发电机组与碳捕集机组;其次,由于构建的模型具有求解难度大、非线性强、维度高的问题,因此利用灰狼优化算法搜索效率高、收敛速度快、优化参数少的优点,对模型进行寻优求解,与此同时,提出了一种改进灰狼优化算法,提高了算法的全局寻优能力,解决了算法后期容易出现早熟以及局部最优的问题;最后,经过仿真分析,验证了所提方法能够实现不同地区虚拟电厂优化调度,降低了其碳排放量和净成本。

基于改进灰狼优化算法的移动机器人路径规划方法

提出基于改进灰狼优化(IGWO)算法的移动机器人路径规划方法。首先,将均匀分布空间与伪反向学习策略相结合,进行灰狼种群初始化;其次提出非线性收敛因子改进策略,使算法的前段搜索和后段寻优过程更容易得到平衡;接着,融合布谷鸟搜索(CS)算法搜索机制,更新灰狼个体位置,提高算法的全局寻优能力;最后,选用4个标准测试函数进行改进前后的测试对比实验,以及在栅格地图上进行路径规划仿真对比实验。实验结果表明,IGWO算法在测试函数上表现能更快收敛性、寻优结果更精确;路径规划仿真实验结果表明,IGWO算法的最短路径长度、平均路径长度、路径长度标准差均优于传统GWO算法。

基于改进混合灰狼优化算法的无人机三维路径规划

针对传统灰狼优化(Grey Wolf Optimization, GWO)算法求解无人机三维路径规划问题时会出现收敛速度慢、容易陷入局部最优等问题,提出一种改进混合灰狼优化算法——CLGWO。基于Cat混沌映射和反向学习策略初始化灰狼种群,为算法全局搜索过程中丰富种群多样性奠定基础;提出新型非线性收敛因子的改进策略,提高算法全局搜索能力。在灰狼位置更新中提出引入狮群优化(Lion Swarm Optimization, LSO)算法的扰动因子和动态权重,使灰狼具有主动的搜索能力,避免因灰狼失去种群多样性而陷入局部最优。为验证改进算法的有效性,进行了8个国际通用的标准测试函数收敛性对比实验和无人机三维路径规划仿真实验。实验结果表明,CLGWO算法在单峰、多峰函数上均有较好的收敛性、较高的寻优精度;三维路径仿真环境下,CLGWO算法的平均路径长度、平均迭代次数、平均运行时间相比于GWO算法分别优化了33%、31%、52%,且路径转折少,能较好地得到全局最优值,验证了CLGWO算法的有效性。

基于改进灰狼优化算法的柔性作业车间分批调度问题研究

针对以最小化最大完工时间为目标的柔性作业车间分批调度问题(Flexible Job shop Batch Scheduling Problem,FJBSP),提出了一种改进灰狼优化(Improved Grey Wolf Optimization,IGWO)算法,优化对象为工件的分批方案。首次将流体模型应用于FJBSP的求解,提出了一种基于流体模型的解码方法,用于获得更好的子批调度方案;然后改进了狼群的等级制度,避免了算法过早收敛;其次设计了一种全新的适应可变长编码的交叉方法,深入交流2个个体之间的分批信息,增强了算法的搜索能力和稳定性;再次,提出了能够动态更新个体游走率的自适应灰狼游走策略,兼顾了算法的搜索质量和收敛速度;此外,对领头狼使用自适应邻域搜索动态调整每种工件选择各邻域的概率,提高算法的局部搜索能力;最后,设计了9个算例和3组实验,验证了所提出的IGWO算法的有效性和优越性。

融合混沌灰狼优化算法的K-均值聚类算法

针对K-均值聚类(K-means)算法对初始聚类中心位置敏感、容易陷入局部最优的缺点,提出一种融合混沌灰狼优化算法的K-means算法。算法利用混沌系统的随机性和遍历性产生分布较均匀的Tent混沌序列来初始化灰狼种群,获得分布较均匀且多样性较高的初始解,提高了算法的全局搜索能力;在搜索全局最优聚类中心的过程中引入基于精英个体的变异操作,维持种群的多样性,提高了算法的的局部搜索能力,避免算法陷入局部最优。实验结果表明,与基本K-means、基于粒子群算法(PSO)改进的K-means、传统灰狼优化算法(GWO)改进的K-means相比,以上算法具有更优的聚类效果,更强的寻优能力。

基于灰狼优化算法的智能社区微电网能源规划策略

为满足智能社区的用户需求响应能力,进一步提高社区微电网的稳定性与经济性。首先,搭建了智能社区能源管理系统框架,阐述了能源管理系统的运行模式和信息采集与管理流程,提出了CPIDR和IPIDR,用户通过可控负荷和储能设备参与需求响应而获得奖励,建立了智能社区能源协调调度策略。其次,引用MWCM算法用于预测社区综合负荷、光伏、风力发电出力。最后,结合灰狼优化算法,以用户用电经济性为目标对函数求解验证。结果表明,该协调调度策略具有可行性。

融合多策略改进的灰狼优化算法

求解复杂优化问题时,灰狼优化算法存在收敛速度慢、容易陷入局部极值的缺点。针对此问题,提出了一种融合多策略改进的灰狼优化算法。首先采用混沌序列产生在解空间均匀分布的初始种群;然后结合精英反向学习机制进行最优解的搜索,引入收敛停滞监测策略,提升算法整体抗停滞能力,保持种群多样性;最后提出一种收敛因子非线性动态调整策略,提高算法的全局收敛速度和稳定性。对10个经典高维测试函数进行仿真实验,结果表明,改进算法能有效摆脱局部极值点,其全局优化性能优于标准灰狼优化算法。

多融合策略改进灰狼优化算法的图像分割

本文提出了一种多策略融合改进的灰狼优化算法的图像分割。首先,针对灰狼优化算法的收敛速度慢,易陷入局部最优解等问题分别采用Tent混沌映射优化、收敛因子非线性调整、透镜成像反向学习、修改位置更新方程策略来提升了灰狼算法的搜索性能和收敛速度,并通过不同的基准测试函数验证了改进算法的优越性。其次,通过改进的灰狼优化算法获取K均值聚类算法的初始聚类中心,并应用于图像分割当中从而进一步提高图像分割效率。最后,将所提出的方法应用于医学图像进行实验。实验结果表明,与传统的图像分割算法和其他优化算法相比,本文提出的方法明显提高了图像分割的质量和效果,且具有更好的鲁棒性和稳定性。

一种基于算术运算和透镜成像学习策略的改进灰狼优化算法

针对基本灰狼优化算法收敛速度慢,易陷入局部搜索的情况,提出一种基于算术运算和透镜成像学习策略的改进灰狼优化算法。该算法在基本灰狼优化算法的基础上,引入算术优化算法的乘除算子,利用带透镜成像的反向学习策略增强最优个体的多样性,增强算法的全局探索能力,提高收敛速度。对比实验结果表明,改进的灰狼优化算法具有收敛速度快、易跳出局部寻优状态,在30个基准测试函数的求解中获得了28个测试函数的最优均值,并且求解质量及普适性均优于最新的几种对比算法。

基于灰狼优化算法的机械臂避障轨迹规划

针对机械臂轨迹规划问题中机械臂各连杆均能实现全局避障的需求,提出一种基于灰狼优化算法的机械臂避障轨迹规划方法。首先对障碍物和机械臂进行包络模型简化,将碰撞检测问题转化为计算障碍物包络模型球心与各连杆连线中心线之间的距离是否过大的问题,并采用参数方程方法进行求解;其次采用含有待定六次项系数的多项式进行轨迹规划,通过调整六次项系数实现轨迹曲线调整,以满足避障需求;最后基于碰撞结果及其他运动学指标,加权后构建适应度函数并采用灰狼优化算法进行迭代优化,得出最优轨迹所对应的参数。通过MATLAB平台进行了仿真验证,结果表明:该方法能够规划出一条平滑且能够满足机械臂各连杆无碰撞需求的轨迹。

一种基于杂交进化的灰狼优化算法

灰狼优化算法(Grey Wolf Optimizer,GWO)是一种新型优化算法,常用于各种优化问题求解。然而,GWO算法在求解某些问题时,存在求解精度低、收敛慢和易陷入局部最优等缺陷。为解决这些问题,本研究将差分进化算法(Differential Evolution,DE)的杂交和优选操作引入GWO算法的初始化和迭代计算过程中,设计了一种基于杂交进化的灰狼优化算法。通过实验对算法性能进行评估,结果表明,该改进算法在计算精度、收敛速度和稳定性等方面具有显著优势。