基于区域策略寻优的地区电网AVC系统

目前传统地调自动电压控制系统(AVC)以母线电压、关口力率合格为控制目标的模式可提高系统电压、功率因数的合格率,但在降低系统网损等经济性上有所欠缺;而以相关无功优化算法为依据的控制模式能获得当前断面在经济上的理论最优解,但工程应用效果却不甚理想。以工程应用为导向,兼顾系统运行的安全性、稳定性与经济性,提出一种应用于地区电网AVC系统的区域策略寻优法,该方法能在区域内厂站间协调控制,相互支援,直接给出当前区域内的最优控制策略。多个地调的实际运行均取得较好的运行效果,表明算法的先进性,同时具有一定的推广价值。

递归替换寻优策略的分解多目标进化算法

基于分解的多目标进化算法(MOEA/D)在求解多目标优化问题时,有着较强的搜索能力、高效的适应度评价、良好的收敛性等优点.然而,在更新子问题时,新解在固定邻域内替换所有较差的解,导致解集副本过多,一定程度上丢失解集的多样性.为维持多样性的同时提高解集的收敛性,提出一种基于递归替换寻优策略的分解多目标进化算法.首先,根据解到对应方向向量的垂直距离确定替换邻域,保持解在目标空间中的均匀分布,维持解集的多样性;进而,提出递归替换寻优策略,被新解所替换的解不立刻丢弃,而是在当前邻域内替换比该解还差的解,尽可能快速引导解集朝Pareto前沿进化,提高解的收敛性.将该算法在WFG系列和DTLZ系列测试函数上进行仿真实验,并与MOEA/D、MOEA/D-DRA、MOEA/D-GR、MOEA/D-DU四个算法进行对比,实验结果表明,本文所提出的MOEA/D-LR算法解集的整体质量明显优于其他算法,且该算法在维持多样性的同时其收敛性显著提高.

一类Boltzmann ＆ Darwin混合寻优策略的收敛特性研究

基于文［１］提出的求解组合最优化问题的Ｂｏｌｔｚｍｎｎ＆Ｄａｒｗｉｎ混合寻优策略，本文进一步分析研究了Ｂｏｌｔｚｍａｎｎ＆Ｄａｒｗｉｎ混合寻优策略非时齐情形下的收敛特性，包括全局收敛性和收敛速度．结果表明，Ｂｏｌｔｚｍａｎｎ＆Ｄａｒｗｉｎ混合寻优策略的收敛特性优于模拟退火（ｓｉｍｕｌａｔｅｄａｎｎｅａｌｉｎｇ）方法的收敛特性．

大跨径钢桥面铺装结构精英蚂蚁寻优策略

基于精英蚂蚁寻优策略,将大跨径桥梁的钢桥面板和铺装层作为桥面铺装系整体进行结构优化设计。以铺装层正常使用年限最长和结构总重量最轻作为优化设计的目标函数,在此基础上建立多目标优化设计的数学模型。针对模型的离散变量优化设计特点和具有并行计算的条件,引入精英蚂蚁寻优策略进行求解。借助大型有限元软件ANSYS和Matlab6.5编程技术,开发了钢桥面铺装体系结构多目标优化设计程序。以国内某大跨径钢桥为对象,采用多目标优化设计方法,给出了钢桥面铺装体系中各参数的优化设计值。所选择的设计变量范围覆盖了目前常用的正交异性钢桥面系结构参数值,且应用精英蚂蚁寻优策略对大跨径钢桥面铺装体系优化设计是可行的。

结构力学寻优策略的双环协调算法

给出了一个交互式双环协调算法,该算法对求解结构力学中,层状型优化问题具有精度高,速度快,稳定性强等特点。

基于改进混沌算法的寻优策略

混沌是有着精致内在结构的一类现象.本文通过在对一种混沌算法进行讨论的基础上,提出一些改进措施,并利用常用寻优函数进行仿真验证.

基于单环寻优策略的有源配网重构方法

配网DG接入导致智能优化算法在重构求解时易陷入局部收敛且寻优率较低。考虑配网拓扑特性与算法的关系,将两者深度结合,提出基于单环寻优策略的有源配网重构方法。首先引入莱维飞行对量子粒子群算法进行改进,建立了莱维系数量子粒子群算法。其次提出自适应环压有序环矩阵作为算法的解空间。最后根据配网拓扑与算法全局最优解之间的对应关系提出单环寻优策略,与算法深度结合进行求解。通过改进算法、优化解空间、配网拓扑与算法深度结合三个角度提高算法全局搜索能力和寻优效率。通过对多个电力系统进行仿真分析,验证所提算法和策略的有效性和适用性。

物流配送路径延伸问题两阶段寻优策略算法

首先根据实际路径资料构建非完全有向图,利用Dijkstra算法得到任意两点之间的最优路径,根据要求虚拟合并或删除非目的地节点,对图形进行简化,重新构造出包含所有有效路径信息和有效节点的非完全有向图,在此基础上运用非完全有向图TSP问题的求解方法进行路径优化。通过示例验证了该算法对于解决物流配送中的此类特定问题是有效的。

增强Q学习在非确定马尔可夫系统寻优问题中的应用

增强学习属于机器学习的一种,它通过与环境的交互获得策略的改进,其在线学习和自适应学习的特点使其成为解决策略寻优问题有力的工具。多智能体系统是人工智能领域的一个研究热点,对于多智能体学习技术的研究需要建立在系统环境模型的基础之上,由于多个智能体的存在,智能体之间的相互影响使得多智能体系统高度复杂,多智能体系统环境属于非确定马尔可夫模型,因此直接把基于马尔可夫模型的增强学习技术引入多智能体系统是不合适的。论文基于智能体间独立的学习机制,提出了一种改进的多智能体Q学习算法,使其适用于非确定马尔可夫环境,并对该学习技术在多智能体系统RoboCup中的应用进行了研究,实验证明了该学习技术的有效性与泛化能力,最后简要给出了多智能体增强学习研究的方向及进一步的工作。

基于SBO-LSTM的大坝变形预测模型

变形是大坝安全性态的综合反映,建立其与环境量的可靠关系模型对保障大坝长效服役具有重要意义。为提高大坝变形预测的精度和泛化能力,并解决长短期记忆神经网络(LSTM)参数选取随机性大、选取困难的问题,提出了一种利用缎蓝园丁鸟优化算法(SBO)来优化长短期记忆神经网络的混凝土坝变形预测模型(SBO-LSTM)。该方法首先通过高斯滤波和Symlet小波滤值两种方法对选定的监测数据进行统一的清洗、归一化、去噪等预处理;其次,借助SBO算法对长短期记忆神经网络模型的超参数进行寻优;最后对混凝土坝变形进行高精度预测并通过三种不同评价指标(MAE,RMSE,MAPE)对预测结果进行评价。以某混凝土坝为例并与传统优化算法对比分析,结果表明通过SBO算法优化后LSTM神经网络具有更高的预测精度和稳定性,综上,该预测模型为大坝变形监测数据分析与预测提供了一种新的可行方法。

改进圆形边界限定的永磁同步电机预测控制

基于边界限定的预测控制是一种有效的低开关频率电机控制方法,该文针对该方法应用在永磁同步电机时存在的无法正常启动的现象进行研究,并提出改进方法。首先,对无法启动现象产生的原因进行研究,提出常规方法存在启动扭矩电流极限这一猜想,即在启动转矩电流较大时,所有的电压矢量均无法使电流轨迹进入到边界内,因此电机无法顺利启动。随后,分析不同电压矢量作用下的启动电流轨迹,验证其启动扭矩电流存在极限这一猜想,进而求解出启动扭矩极限的一般形式,并通过仿真验证了该极限值的正确性。针对启动扭矩受限问题,提出一种改进的电压矢量寻优策略,在所有电压矢量均不符合需求时,切换到能够使电流误差最快减小的电压矢量,进而保证闭环调速顺利启动。仿真与实验结果证明了改进方法的有效性,通过对比实验,验证了该方法在低开关频率下的优越性。

基于HEEDS的PID控制器参数自动寻优实现

文章利用HEEDS软件与Bladed仿真软件,实现了风机PID控制器参数的自动寻优,并通过在不同工况下进行的稳定性与载荷对比,验证了自动寻优所得参数的实用性与可靠性。

基于奇异谱分析和改进WOA-BP的大坝变形预测模型

变形是大坝安全性态的综合反映,建立其与环境量的可靠关系模型对保障大坝长效服役具有重要意义。现有预测模型易受数据集噪声和结构参数的影响,陷入局部极值或过拟合。为提高大坝变形预测的精度和泛化能力,本文提出了一种基于奇异谱分析(SSA)和改进鲸鱼优化算法(IWOA)的BP神经网络大坝变形预测方法。该方法利用SSA筛除数据噪声信息,提取大坝变形时间序列的特征分量;之后利用IWOA优化的BP神经网络挖掘去噪后数据和环境量之间的复杂非线性关系。以白莲崖拱坝为例并与传统优化算法对比分析,结果表明奇异谱分析可以有效剔除原始资料中的异常值,通过IWOA优化后BP神经网络具有更高的预测精度和稳定性,为大坝变形监测数据分析与预测提供了一种新的可行方法。

基于旋转状态转移的麻雀搜索算法

针对现有的麻雀搜索算法(SSA)在接近全局最优时,种群多样性减少,容易陷入局部最优等问题,提出一种精英旋转策略的麻雀搜索优化算法(RLSSA)。首先,对麻雀种群中发现者进行旋转状态转移变换,以提高算法的局部搜索能力,提高算法的搜索精度。其次,对加入者引入基于莱维飞行的搜索策略,提高算法的全局搜索能力,同时引入贪婪算法搜索寻优策略。最后,在12个基础函数上进行仿真实验。实验结果表明上述方法在收敛速度和精度上有显著优势。

基于群体协同的无人水面艇任务优化策略研究

针对群体多任务分解难、效能难聚优等问题,提出了一种基于群体协同的任务优化策略。基于群体协同理论,重点分析了无人艇群协同探测典型任务,构建协同任务评估指标体系,评估无人艇群在不同环境场景下的任务执行寻优策略。仿真试验显示,完成任务时间提升约10%,且在平静、多风浪水域条件下,覆盖率分别提高了约7.32%和4.19%,该方法能有效提高任务分配和资源利用的效率,为艇群在复杂环境下执行协同任务提供了有力参考。

单路口交通信号多相位实时控制模型及其算法

针对城市道路交叉口的交通流特性,对单路口交通信号多相位实时控制的模型和算法进行研究.首先提出一种改进的单路口交通信号多相位实时配时模型,该模型可反映交叉口交通状况的实际需求.同时,采用能随交通需求的变化而实时变化的加权系数,将交叉口3个优化目标函数转化为单目标函数优化的问题.为提高模型的计算速度以及降低交叉口信号机的单机计算量,采用蚂蚁算法中的精英蚂蚁寻优策略求解模型.最后,以伪代码的形式设计了求解该问题的程序流程,并通过一个实例验证了模型及其求解算法是合理的和有效的.

支持复杂产品总体优化设计的多算法协作优化框架研究

针对复杂产品总体优化设计中设计方案寻优难以通过单一优化算法实现的问题,提出了基于多算法协作优化思路的多算法协作优化框架,详细探讨了框架两方面关键技术:组件化优化算法库和协作优化策略,提出了优化算法组件的接口规范和运行机制,给出了基于全局探索+局部寻优策略的协作优化计算流程。最后,通过一个函数优化算例说明了协作优化框架的可行性和有效性。

人工蜂群改进算法及其在参数估计中的应用

为提高新安江模型中参数估计的优化精度和算法性能,提出一种改进的人工蜂群(ABC)算法。设计基于最优个体的寻优和保优策略,采用寻优策略提高观察蜂的深度搜索能力,通过保优策略确保侦察蜂不会丢弃当前最优解,从而使算法能够在较短时间内得到收敛。将改进算法应用于新安江模型的参数估计中,并与ABC算法和SCPSO算法的参数估计结果进行对比。实验结果表明,改进算法得到的参数优化精度比ABC算法提高约4%,比SCPSO算法提高约1%,并且具有较快的收敛速度。

人工鱼群神经网络在电力系统短期负荷预测中的应用

短期负荷预测结果对电力系统的经济效益具有重要影响。人工鱼群算法是最新提出的新型寻优策略,具有良好的克服局部极值、获得全局极值的能力。文章建立了一种新的人工鱼群神经网络预测模型,利用人工鱼群算法训练神经网络的权值,再将该神经网络用于短期负荷预测。对某电力系统进行的负荷预测结果表明,该方法与传统的BP神经网络预测方法相比具有较强的自适应能力和较好的预测效果。

基于布朗运动与梯度信息的交替优化算法

针对群智能优化算法在优化过程中容易陷入局部最优、种群多样性低以及高维函数优化困难的问题,提出一种基于布朗运动与梯度信息的交替优化算法(AOABG)。首先,采用全局、局部搜索交替的寻优策略,即在有变优趋势的范围内切换为局部搜索,有变劣趋势的范围内切换为全局搜索;然后,局部搜索引入基于梯度信息的均匀分布概率的随机游走,全局搜索引入基于最优解位置的布朗运动的随机游走。将所提出的AOABG与近三年的哈里斯鹰优化算法(HHO)、麻雀搜索算法(SSA)、特种部队算法(SFA)在10个测试函数上对比。当测试函数维数为2、10时,AOABG在10个测试函数上的100次最终优化结果的均值与均方差均优于HHO、SSA与SFA。当测试函数为30维时,除了HHO在Levy函数上的表现优于AOABG(两者优化结果均值处于同一数量级)外,AOABG在其他9个测试函数上表现最好,与上述算法相比,优化结果均值提升了4.64%~94.89%。实验结果表明,AOABG在高维函数优化中收敛速度更快、稳定性更好、精度更高。