基于改进模拟退火-粒子群的配电网分布式光伏承载力评估

大规模分布式光伏并网给中压配电网带来严重功率反送,导致中压配电网出现节点电压越限和配电变压器反向过载问题.以系统潮流平衡、节点电压偏差、配电变压器反向负载率和线路载流量为约束条件,以分布式光伏并网容量与系统网络损耗之差的分布式光伏等效并网容量为目标函数,建立中压配电网分布式光伏承载力评估模型,并提出改进模拟退火-粒子群(SA-PSO)算法.对IEEE33系统和实际中压配电网进行分布式光伏承载力计算,结果表明,所建立的分布式光伏承载力评估模型适用于中压配电网节点电压稳定性与配电变压器安全运行问题评估;相较于其他算法,改进SA-PSO算法提高了评估模型计算的收敛速度与寻优能力,在相同约束条件限值下,所得线路分布式光伏承载力更高,且系统网络损耗更低.

基于离散二进制粒子群-模拟退火算法求解0-1背包问题

0-1背包问题是最典型的组合优化问题之一。目前,有很多算法来解决这个问题,主要分为两类:一个是传统的算法,虽然它在低维和小规模的背包问题中有一个良好的寻优性能,但对于高维大规模的背包问题解决能力显然不占优势;另一个是仿生智能算法,它虽然能够很好地解决高维大规模的背包问题,但使用单一算法总是存在一定的局限性。在搜索解的过程中缺乏全局搜索能力,易陷入局部最优解。针对这一问题,提出了BPSO-SA算法,利用BPSO算法的全局搜索的优点,再引入了SA算法的退火过程中思想,使算法避免陷入局部最优解。通过大量的实验测试,验证了该文提出的算法的可行性,并且具有更好的寻优能力。

基于离散粒子群算法的管道保温结构优化研究

针对目前管道保温结构优化算法不稳定、结果优化程度不高的问题,建立以经济效益为目标函数,以满足国家散热损失标准等条件为约束函数的离散型数学模型。以BPSO算法为基础改变其位置更新规则,防止种群进化失效;采用自适应权重增加粒子的全局和局部搜索能力;充分利用模拟退火算法的思想避免出现早熟现象。应用改进的算法分别对普通蒸汽管道和核电站的蒸汽管道进行系统仿真实验。结果表明,该算法能够在满足国家散热损失标准等条件下取得最优解,可以为管道保温结构提供合理的优化方案。

粒子群-模拟退火混合算法在群控电梯中的应用

针对高层建筑电梯多、分布散、维修不及时等问题,提出了一个优化调度、报警维修及时的群控电梯系统;采用多目标优化方法建立数学模型,利用粒子群算法的概念简单、收敛速度快、易于实现的优点,同时引入模拟退火思想来克服粒子群算法易陷入局部最优的缺陷,对目标函数进行优化,PLC编程计算出参数,上位机调度计算,根据算法结果,优化电梯,合理调度;经过MATLAB仿真分析表明,该系统节省了平均候梯时间、平均乘梯时间和系统能耗,缩短了故障时间和维修时间,具有较大的应用前景。

基于模拟退火-粒子群算法的卤素灯阵列照度均匀性研究

光照均匀性问题是太阳模拟器照明系统的主要问题。针对目前卤素灯作为光源进行灯阵光照均匀性的阵列设计多采用理论计算的方法,复杂繁琐,不易施行的缺点,将数值优化方法应用于卤素灯阵列结构设计中,与单一的算法不同,模拟退火算法与粒子群算法相结合的方式,突破了单一算法的局限性,得到的结果更加良好,均匀性更佳。通过编程优化灯阵中每个灯的坐标,将最优结果导入光学仿真软件进行照度分析,实验数据显示,3种灯阵下的光照均匀度分别为91%、87%和91%,同等条件下的六边形灯阵的光照均匀度要比圆形的均匀度好,采用最优化方法,可使实验更加简单可行。

基于改进的模拟退火-粒子群算法的区域综合能源系统经济性运行

为了缓解当前化石能源使用危机的问题,在考虑了储冷、储热和储电设备的基础上,构建了区域综合能源系统(regional integrated energy system,RIES)的经济性模型。将天然气购买的成本、购电成本和设备运行成本之和作为目标函数,将系统综合运行成本考虑的更为周全,约束条件中不仅包括各设备的能量交互损耗、储能设备的功率和容量约束,还引入了重要负荷备用,提高了RIES的供电可靠性。利用改进的模拟退火-粒子群算法对所提模型进行求解,大大加快了求解算法的收敛速度。案例分析表明,提出的求解算法求解速度更快,进一步减少了系统综合运行成本。

模拟退火粒子群算法在矢量线数据压缩中的应用

首先根据矢量线数据自身的特点与压缩的要求,给出能够评估压缩后数据精度的目标函数,然后提出一种基于模拟退火的离散粒子群优化算法来实现矢量线数据压缩。实验结果表明,该算法较现有算法具有更好的效果。

定位-运输路线安排问题的改进离散粒子群优化算法

定位-运输路线安排问题(LRP)是集成物流中的一个NP-hard难题,为求解一类特殊的LRP问题,提出改进的离散粒子群优化算法.该方法采用整体优化的思想,将LAP和VRP集成在一起.通过合适的粒子编码方式,并改进粒子的运动方程,引入相应的变异算子和趋同扰动算子等,使得算法的适用性和性能获得了改善.通过仿真实验及与另2个典型算法的比较分析,证明了该算法的有效性.

求解Job-shop问题的改进混合离散粒子群优化算法

在详尽分析粒子群优化机理和作业车间调度问题的基础上,提出了结合遗传思想的混合离散粒子群优化算法.算法中增加了异于粒子个体极值点和全局极值点的第三参考点,使得粒子在更新过程中有更多的信息量调整自身状态.在粒子更新模型中引入了调整因子来调节收敛代数;在算法陷入局部最优时用模拟退火跳出局部最优,从而使算法收敛到全局最优.最后,对多个标准JSP问题进行了仿真测试,结果验证了改进算法的可行性和有效性.

基于0-1背包策略改进离散粒子群算法的产业链金融产品双边匹配优化模型

为解决产业链上各节点企业与金融产品复杂多样的匹配问题,从风险承受力与融资效率视角出发,提出基于0-1背包策略改进离散粒子群算法对双边匹配模型进行求解。以企业风险承受能力要求最小、融资效率最高为目标函数,利用偏好序信息计算出双边匹配主体的满意度,构建了双边匹配优化模型,并运用改进离散粒子群算法进行求解。该方法简化了粒子群速度和位移的更新迭代计算方式,有效地减少了算法冗余性,提高了模型求解的收敛速度和精度。以新能源汽车产业链为例验证了算法的运算速度和寻优能力,并与传统算法比较,结果表明改进算法的运算速度和寻优能力都得到较大的提高,较好地避免了过早收敛和收敛速度慢的缺陷。

一种求解典型JSP的改进离散粒子群优化算法

针对NP-hard性质的作业车间调度问题,设计了一种改进的离散粒子群优化算法。引入遗传算法交叉算子和变异算子来实现粒子的更新,并将变异思想和模拟退火算法思想融入该算法中对全局最优粒子的邻域进行局部搜索,很好地防止了算法出现早熟收敛。通过将该算法和标准粒子群优化算法用于求解典型JSP,计算结果对比表明,改进的算法具有很强的全局寻优能力;就综合解的质量和计算效率而言,改进算法优于标准粒子群优化算法。同时,将该算法结果与文献中其他相关算法结果进行比较,验证了该改进算法的有效性。该算法能够有效地、高质量地解决作业车间调度问题。

基于改进离散粒子群优化的连续属性离散化

为了解决数据挖掘和机器学习领域中连续属性离散化问题,提出一种改进的自适应离散粒子群优化算法。将连续属性的断点集合作为离散粒子群,通过粒子间的相互作用最小化断点子集,同时引入模拟退火算法作为局部搜索策略,提高了粒子群的多样性和寻找全局最优解的能力。利用粗糙集理论中决策属性对条件属性的依赖度来衡量决策表的一致性,从而达到连续属性离散化的目的,最后采用多组数据对此算法的性能进行了检验,并与其他算法做了对比实验,实验结果表明此算法是有效的。

基于退火粒子群和内点法的改进最优潮流算法

针对一般智能算法计算最优潮流(optimal power flow,OPF)问题收敛速度慢、精度低等问题,提出一种退火粒子群(simulated annealing based particle swarm optimization,SA-PSO)和预测-校正原对偶内点法(predictor-corrector primal-dual interior point method,PCPDIPM)结合的改进最优潮流算法。该算法采用SA-PSO优化待求系统的离散变量,而在SA-PSO的每一次迭代过程中,通过PCPDIPM优化待求系统的连续变量,并对粒子进行适应度评估。这种求解模式将SA-PSO求解离散变量方便和PCPDIPM优化速度快的优点结合在一起,发挥了两种算法的优势。多个算例结果表明,与SA-PSO算法相比,该算法具有寻优能力强,收敛速度快,计算精度高的优点。

三维片上网络离散量子粒子群布图算法研究

三维片上网络在多种性能上均优于二维片上网络,已成为研究热点。布图算法直接影响芯片的面积和布线长度,成为三维片上网络优化设计的重要方向。提出一种基于离散粒子群算法的三维片上网络布图优化算法,与之前常使用的模拟退火算法相比,不再使用单一解局部扰动的方式得到整个解空间,该算法采用初始化随机种群并不断迭代的进化方式,具有更优的搜索能力和更快的收敛速度。仿真结果表明,采用该算法选择布图方案可以显著降低微片延迟,节省CPU计算时间,尤其是在IP核数量众多的测试用例和高注入率情况下效果更为明显,如对于ami49测试用例当注入率为100%时,基于离散量子粒子群算法的结果和基于模拟退火算法的结果相比,平均微片延迟减少了20.63%,CPU平均时间减少了69.40%。

混合离散粒子群的任务调度算法及应用

针对粒子群算法存在易陷入局部极值、精度差的缺点,引入了模拟退火的思想,研究了一种混合粒子群优化算法,防止早熟现象的产生,使种群在更新迭代中保持了多样性,并将混合算法应用到典型的任务规划调度问题求解中,通过仿真验证了混合算法的有效性,与单一的离散粒子群算法相比,提高了调度问题的求解效果。

腐蚀性危险品储运选址-路径优化建模与求解

为保障腐蚀性危险品的储运安全,研究一类选址-路径优化建模与求解方法,协同解决储运中心选址、配送路径优化和车辆配置决策。根据危险品的腐蚀性特征,以道路为风险影响对象,设计风险度量模型。考虑危险品配送过程的运量递减特征,采用双商品流建模方法,建立总成本最小和总风险最小的选址-路径优化模型。根据模型计算复杂度,设计模拟退火-多目标粒子群混合算法和求解步骤。最后,通过实例和测试算例来验证模型和算法的有效性,计算结果表明:新模型和算法能在263 s内对30个节点规模的问题求得有效方案。相较于传统风险模型,新模型能降低8.00%的总风险和3.53%的总成本;相较于常规多目标优化方法,新算法能缩短近90%的求解时间。

带时间窗车辆路径问题的混合粒子群算法

将粒子群优化算法与模拟退火算法结合,提出了一种求解车辆路径问题的混合粒子群算法.实例计算及与遗传算法比较的结果表明:应用混合粒子群算法可以快速地求得带时间窗车辆路径问题的优化解;该算法是一种求解离散组合优化问题的有效方法.

三轴压缩围压与峰值应力、应变关系的改进粒子群神经网络研究

岩石三轴压缩试验中,峰值应力和应变是应力-应变曲线重要的控制数据,通常情况下,随着围压的增大,峰值应力和应变也会相应增大。试验结果表明,围压与峰值应力、应变之间并非简单的线性关系。使用模拟退火技术对粒子群神经网络进行了改进,提出采用改进粒子群神经网络建立围压与峰值应力、应变非线性关系的方法。通过实例,说明所提方法是可行的。

基于交叉操作的二进制混合粒子群算法求解背包问题

针对离散变量空间的组合优化问题,提出了基于遗传算法的交叉操作和模拟退火思想的二进制混合粒子群算法。为提高算法的收敛速度,在传统的二进制粒子群算法中结合了模拟退火思想来引导当前最优解的进化。同时为了简化算法的结构,引入遗传算法中的交叉操作来替代速度和位置的更新操作。仿真实验比较了传统的二进制粒子群算法(BPSO)、二进制退火粒子算法(BSAPSO)、二进制交叉粒子群算法(BCPSO)和二进制混合粒子群算法(BHPSO)的性能。结果表明:二进制混合粒子群算法在收敛速度、全局寻优能力和算法收敛的稳定性方面都优于其它三种算法,而二进制交叉粒子群算法的思想结构比较简单,收敛速度和全局寻优能力明显优于传统的二进制粒子群算法,二进制模拟退火粒子群算法在收敛性方面和全局寻优能力方面只是略好于传统算法。由此说明引进交叉操作和模拟退火思想对改善传统二进制粒子群算法具有明显的效果。

基于改进粒子群算法的配网电容器优化配置

随着国民经济发展,配电网规模不断扩大。依照经验配置电容器的局限性日益显著,具体表现为电容器容量配置的不足或过剩,部分电容器需要时由于局部电压的限制而不能投入。将模拟退火粒子群算法用于解决配电网电容器优化配置问题,建立了相应的数学模型,目标函数为配电网有功网损费用、电容器的购置及安装总费用最小,该算法将电容器的安装位置及安装容量离散化,采用基于适应度值的动态阈值来控制实施局部搜索的粒子数目,来改善算法摆脱局部极值点的能力,提高算法的收敛速度和精度。对一个33节点配电网的电容器优化配置结果表明了模拟退火粒子群算法的合理性和优越性。