双模型驱动的多偏好策略自适应差分演化算法

为增强代理模型辅助进化算法对高维昂贵优化问题的求解性能,提出了一种双模型驱动的多偏好策略自适应差分演化算法。该算法基于全局和局部两种代理建模方法,有机融合了3种具有不同寻优偏好的进化策略。每次迭代,通过利用优化过程中最优解在线更迭反馈信息,以序贯方式自适应调整不同进化策略调用频次,以高效平衡算法的全局勘探和局部开采。为促进种群内个体间优秀信息共享,设计了一种精英个体驱动的差分扰动策略,以增量潜在优解区域的最优样本先验。通过处理26个不同规模的高维基准测试问题,结果表明,所提算法的收敛性能和优化效率较4种先进的同类型算法在至少17个测试问题上绝对占优。

博弈模型上的策略自适应隐写方法

在隐写博弈模型改进的基础上,提出了一种基于策略自适应的隐写方法.首先将图像变换到小波域,利用人眼视觉特性中的亮度掩蔽、频率掩蔽和纹理掩蔽效应计算失真测度函数;然后建立起基于内容自适应的失真测度函数与基于策略自适应的偏离函数之间的联系,并根据隐写博弈模型中的纳什均衡得到每一个载体嵌入秘密信息的概率,从而实现了基于策略自适应的图像隐写方法.实验结果表明,该方法的安全性高于基于内容自适应的HUGO算法.

一种阶段性策略自适应差分进化算法

针对差分进化算法的变异策略选择问题,提出一种阶段性策略自适应差分进化算法(SSADE)。首先,根据各个体与当前最优个体之间的平均距离衡量种群的拥挤度,进而估计种群的进化阶段;然后,将整个种群划分为多个子种群,并针对不同阶段的特性,设计子种群协同进化变异策略池;最后,根据各变异策略的历史成功信息,从对应的策略池中动态自适应地选择合适的变异策略,从而达到平衡全局探测和局部搜索的目的。在12个经典测试函数上的实验结果表明,所提SSADE算法在计算代价、可靠性、解的质量和扩展性方面优于现有主流算法。

基于组合混沌策略自适应量子微粒群的Volterra核辨识算法

针对非线性Volterra泛函级数的参数辨识问题,提出了一种基于组合混沌策略自适应量子微粒群算法(CCSAQPSO算法)的Volterra时域核辨识方法.该方法在量子微粒群算法(QPSO)的基础上,采用混沌策略分两个阶段对QPSO进行优化,在初始化时以混沌序列初始化种群,在搜索过程中则引入混沌变异机制,利用混沌变异算子空间遍历特性对个体进行变异操作,同时按照各微粒适应度的优劣程度对其进化过程中的收缩扩张系数进行自适应调节,有效避免了早熟收敛现象的发生,提高了算法的全局寻优能力,保证了算法的准确性和精度.最后将该Volterra核辨识方法与基于标准微粒群算法(PSO算法)和QPSO算法的Volterra核辨识方法进行了对比分析.仿真结果表明,提出的方法具有参数辨识精度高、抗噪声能力强等优点,且在全局优化能力和快速收敛能力上都有较大提高.

考虑需求不确定的响应式接驳公交自适应发车策略优化

传统公交系统融合网约出行的模式之一是需求响应式接驳公交,它定位于连接枢纽站点(如地铁车站、铁路车站或机场),服务客流的集散,其需求响应服务主要指灵活线路的门到门接送,但在发车策略方面仍主要沿用传统的基于时刻表或频率的运营方案。在乘客到达或需求订单不确定的情形下,固定发车间隔可能导致系统过饱和或低饱和等问题,为此,本文提出自适应发车策略,根据乘客累计到达量动态确定发车决策。具体地,引入载客量目标作为发车阈值,称为固定发车阈值和时变发车阈值,前者的发车阈值固定不变,而后者的发车阈值则随时间逐渐降低,对此,构建以期望广义系统成本最小化为目标的数学规划问题,并利用网格搜索方法获得最优解。数值分析结果表明,时变发车阈值模型相比于传统的等间隔发车模型和固定发车阈值模型在需求均值较低或变异系数较高的场景下优势显著,其广义系统成本节约百分比最高可达18%。灵敏度分析表明上述模型的性能也受到乘客的时间价值影响。自适应发车模型具有较广的应用潜力,适当修改后可用于其他形式的公共交通系统。

计及驾驶风格的氢燃料电池有轨电车自适应能量管理策略

半独立路权运行模式下,氢燃料电池混合动力有轨电车驾驶员的驾驶风格影响锂电池荷电状态,从而对整车运行经济性有较大影响。提出一种结合驾驶员驾驶风格的自适应能量管理策略,以提高能量管理策略对工况和驾驶风格的适应性。首先,考虑不同的道路工况对驾驶员驾驶风格的影响,通过K-均值聚类算法对行驶工况进行识别,将行驶工况分为低速、中速、高速3类;引入冲击度和加速度标准差构建基于模糊逻辑的算法,对驾驶风格进行识别,将驾驶风格分为迟钝型、标准型、激进型3类。其次,建立系统瞬时氢耗量最优的目标函数,在满足约束条件的前提下,引入锂电池荷电状态等效因子修正系数,针对不同驾驶风格调整传统等效氢耗最小策略中相应的等效因子,以实现等效因子随驾驶风格的改变实时变化。最后,将该策略与传统等效氢耗最小策略、庞特里亚金极小值策略进行仿真对比分析,结果表明:该策略能实现3个动力源功率分配最优;锂电池和超级电容荷电状态波动曲线相较于其他2种策略最为平滑;在续驶里程结束时混合动力系统氢耗量为1.39 kg,具有最为优越的燃油经济性;母线电压最大偏移率最小;能使3个动力源平稳出力,具有较强的系统稳定性。研究结果为进一步提高有轨电车实际运行中对驾驶风格的适应性提供参考。

基于对称映射搜索策略的自适应金鹰算法及应用

金鹰优化算法(Golden Eagle Optimizer,GEO)是一种基于种群的元启发式算法,其模拟了金鹰的合作狩猎行为。针对GEO算法中存在的求解精度差和陷入局部最优等问题,文中提出了一种改进MERGEO(Mapped Elitist Reverse GEO)算法。在原算法基础上采用对称映射搜索策略、自适应精英策略和随机反向学习机制这3种方法平衡了算法的探索和开发阶段,获得了规避局部最优能力和较好的优化精度。在10个基准测试函数上对该算法进行独立策略有效性分析、可扩展性分析以及同其他算法的优化性能比较分析。实验结果表明,改进后的MERGEO算法具有较强的竞争力和良好的优化能力。将改进后的算法用于无线传感器网络的覆盖优化问题和压力容器设计问题研究,验证了其实际应用价值。

一种用于DBMS模糊测试的自适应变异策略

数据库管理系统(DBMS)被广泛应用于各个领域,并在其中发挥着不可替代的作用.因此发现DBMS中的bug,防止其被攻击者利用至关重要.为了检测DBMS中潜藏的bug,研究者提出了DBMS模糊测试技术.使用这项技术,研究者成功在DBMS中发现了大量bug.然而现有的DBMS模糊测试技术依然存在一定的局限性.现有的技术在对SQL语句的抽象语法树(AST)进行变异时,没有根据不同节点和变异结果的重要性分配计算资源,而是采取了一种平均分配的策略,这降低了测试的效率.为了解决这个问题,本文提出了一种使用基于语法信息的变异方法的自适应变异策略.这种变异策略能够自动计算不同节点和变异结果的重要性,并根据重要性为更重要的操作分配更多的计算资源.基于语法信息的变异方法可以将变异操作与变异结果直接关联,消除了变异操作和变异结果之间的偏差.我们在一种新的DBMS模糊测试工具Pinecone中实现了这种变异策略,并使用Pinecone对两款广泛使用的DBMS进行测试.实验证明,与Squirrel相比,Pinecone在MariaDB和MySQL中发现的路径数分别提升了4.52%和19.4%,位图覆盖率分别提升了15%和13.8%,发现的Bug数量提升了26.7%和75%,这证明了本文提出的方法可以有效提升模糊测试的效率.

基于风电送出线路分相跳闸方式的自适应重合闸策略

为避免重合失败对风电场及接入系统造成二次冲击,针对风电送出线路受风电运行特征影响重合成功率低的问题,提出基于风电送出线路分相跳闸方式的自适应重合闸策略。采用保留单侧健全相的重合闸动作方式,有效避免风电运行特征的影响并保证了故障耦合效果。分析不同故障情况下故障相电压的变化特性,提出基于电压幅值-角频率变化量的自适应重合闸判据,并据此确定重合策略。在PSCAD/EMTDC仿真平台搭建仿真模型进行仿真验证,仿真分析表明所提策略能准确判定故障性质并确定熄弧时间,确保风电场与并网系统的安全可靠运行。

基于改进协方差自适应矩阵进化策略的永磁同步电机无传感器控制

针对永磁同步电机无传感器控制系统中搭载超螺旋滑模观测器(STSMO)的PID控制系统在改变工况时产生的伴随抖振的控制超调、转速波动等问题,提出了采用基于加入混沌扰动的改进协方差自适应矩阵进化策略(CMA-ES)算法优化转速环PID控制方法,抑制PID-STSMO控制系统的持续抖振和超调现象,增强永磁同步电机控制系统的鲁棒性。最后,通过MATLAB/Simulink软件对所设计的永磁同步电机无传感器控制系统在不同工况下仿真,验证了提出的观测控制策略的有效性。

基于多分区自适应改进果蝇算法的风光燃储微电网协调控制策略

为了使微电网控制系统中PI控制器的参数能够更好地适应可再生能源的随机性和波动性,提出了基于自适应步长的四分区多策略果蝇优化算法(fruitfly optimizationalgorithm,FOA)对PI参数进行实时优化。首先,以风光燃储微电网不同微源控制系统中的变换器为控制对象,建立微电网整体控制系统模型,基于此模型实时调整PI参数。然后,根据不同果蝇个体的适应度值将果蝇种群分为4个区,同时考虑4个区果蝇收敛性以及多样性的差异,设计不同的自适应更新策略。最后,采用所提算法对各微源控制过程中的PI参数进行寻优,与其他3种智能算法进行对比,验证了所提算法的可行性和优越性。仿真结果表明,所提算法可以使系统变换器响应速度更快,输出更加稳定。

基于故障电流预测的柔性直流电网自适应限流策略

故障限流是保证柔性直流电网安全运行的关键技术。然而,现有基于故障限流器(FCL)的限流策略未考虑与故障严重程度的匹配,增加了FCL在轻微故障下非必要启动的次数及保护拒动的风险。针对上述问题,提出一种基于人工神经网络(ANN)预测故障电流的柔性直流电网自适应限流策略。该策略能在线评估故障严重程度并据此灵活选择加速投入、正常投入或不投入FCL,提升了FCL的限流效率。首先,分析了自适应限流及故障在线预测的必要性,并阐述了基于ANN预测故障电流的流程。在此基础上,结合差模电流积分比和故障电流瞬时值形成故障严重程度分级指标,并基于故障电流及其预测值在线评估故障严重程度。针对极严重故障、严重故障、轻微故障及区外故障分别采取相应时序的限流策略,进而形成匹配故障严重程度的柔性直流电网自适应限流策略,在避免FCL非必要启动的同时降低直流断路器开断容量需求。最后,在PSCAD/EMTDC环境中搭建了四端柔性直流电网仿真模型,以直流断路器开断电流为评估指标,对比验证了所提自适应限流策略在各故障工况下的灵敏性和有效性。

混合云环境下面向数据生命周期的自适应访问控制

混合云模式下企业业务应用和数据经常跨云流转迁移,面对多样复杂的云服务环境,当前大多数混合云应用仅以主体为中心制定数据的访问控制策略并通过人工调整策略,无法满足数据在全生命周期不同阶段时的细粒度动态访问控制需求.为此,提出一种混合云环境下面向数据生命周期的自适应访问控制方法AHCAC.该方法首先采用基于关键属性的策略描述思想去统一混合云下数据全生命周期的异构策略,尤其引入“阶段”属性显式标识数据的生命周期状态,为实现面向数据生命周期的细粒度访问控制提供基础;其次针对数据生命周期同阶段策略具有相似性和一致性的特点,定义策略距离,引入基于策略距离的层次聚类算法实现数据生命周期各阶段对应访问控制策略的构建;最后通过关键属性匹配实现当数据所处阶段变化时,触发策略评估引擎上数据对应阶段策略的自适应调整和加载,最终实现面向数据生命周期的自适应访问控制.在OpenStack和开源策略评估引擎Balana上通过实验验证了所提方法的有效性和可行性.

一种视频多模态数据自适应采集策略

针对采集视频数据时存在数据冗余、资源占用多、采集质量低、遗漏关键信息等问题,研究人员提出一种视频多模态数据采集模型.首先,从资源服务器获取热度影响因子及视频数据,将视频数据解析为图像、文本、音频等多模态数据,并建立多模态视频数据与热度影响因子的时间关联矩阵.其次,通过“熵权法”计算“关注数”、“点赞数”、“弹幕数”、“分享数”及“在看数”5个热度影响因子的权重值,实现视频热度的量化.而后,提出了多分段旋转门(MSDT)数据采集策略,基于视频热度值自适应调整数据采集时间间隔,在视频热度上升、下降及高热度持续阶段增加采集量;反之,降低采集量,在保证采集质量的同时兼顾采集效率.最后,通过对比实验验证所提策略的可行性,结果表明,MSDT能够实现分段动态调整采集频率,降低数据采集误差约24%,降低数据采集量约26%,提高采集效率17%左右.

基于动态反向学习的协方差矩阵自适应进化策略的经济调度优化

在电力系统中,针对用于解决多种燃料方案经济调度(economic dispatch,ED)算法收敛精度低的问题,提出了基于动态反向学习的协方差矩阵自适应进化策略(covariance matrix adaptation evolutionary strategy with dynamic opposition learning,CMA-DOL),旨在根据样本点的变化动态更新反向样本点的范围,提高样本多样性,防止陷入局部最优.本方法在分别由10、40、80个发电机组组成的3个测试系统上进行了验证,并与文献中的其他算法进行比较,对超过50次独立运行的结果进行统计度量,实验结果表明CMA-DOL可以获得更好的解决方案.

多参数协同自适应的改进虚拟同步控制策略

由于常规虚拟同步发电机固定参数的控制策略并未充分发挥逆变器参数灵活可调的优势,对系统暂态过程影响较大,因此提出一种P/ω下垂系数、虚拟惯量和阻尼系数自适应协同调节策略。通过对双机并联虚拟同步发电机(virtual synchronous generator,VSG)并网系统进行数学建模,对VSG暂态过程进行分段分析,得到各阶段参数调节规律。结合系统惯量阻尼和P/ω下垂系数对并网小信号模型进行分析,确定P/ω下垂系数及阻尼系数的取值范围。将VSG角速度变化量及角速度瞬时变化率同惯量阻尼关联起来,实现惯量阻尼自适应协同调节,并且根据VSG角速度变化量实时进行P/ω下垂系数的自适应调节。最后,在MATLAB/Simulink仿真平台搭建双机并联VSG并网系统,分别在因负荷波动、出力波动和交流侧短路故障工况中,对比不同参数选择策略下,并网VSG系统暂态频率波动情况,验证所提参数自适应选择策略的有效性和优越性。

三阶段自适应采样和增量克里金辅助的昂贵高维优化算法

代理辅助进化算法已广泛应用于求解代价高昂的多目标优化问题,但大多数由于代理模型的局限性而仅限于解决决策变量低维的问题。为了解决高维的昂贵多目标优化问题,提出了一种基于三阶段自适应采样策略的改进增量克里金辅助的进化算法。该算法使用改进的增量克里金模型来近似每个目标函数,此模型的超参数根据预测的不确定性进行自适应更新,降低计算复杂度的同时保证模型在高维上的准确性;此外,在模型管理方面提出一种三阶段自适应采样的策略,将采样过程分为不同的优化阶段以更有针对性的选择个体,能够首先保证收敛性,提高算法的收敛速度。为了验证算法的有效性,在包含各种特征的两组测试问题DTLZ(deb-thiele-laumanns-zitzler)、MaF(many-objective function)和路径规划实际工程问题上与最新的同类型算法进行实验对比,结果表明该算法在解决决策变量高维的昂贵多目标优化问题上具有较强的竞争力。

基于自适应动量更新策略的Adams算法

Adam算法是目前最常用的优化算法之一,但其面临学习率震荡导致模型不收敛问题,其改进算法AMSGrad也存在梯度递减导致的二阶动量失效问题。针对上述问题,提出了基于自适应动量更新策略的Adams算法。首先,通过为一阶动量和二阶动量引入自适应更新参数,并在最后的参数更新期间采用较小的一阶动量更新参数,构建了一种自适应的动量更新策略。其次,基于该更新策略,提出了一种能够快速收敛的Adams算法。最后,通过理论分析证明了Adams算法的收敛性。基于文本分类和图像分类的对比实验表明,相比于Adam和AMSGrad算法,Adams收敛速度更快、训练结果更好,且具有优秀的泛化能力;消融实验证明了Adams算法自适应动量更新策略的有效性。

自适应组合滤波算法在3D假肢模型中的应用

针对经典统计滤波算法无法自适应选取参数以及传统双边滤波算法难以兼顾保特征和光顺性的问题,提出一种自适应组合滤波算法。首先引入基于局部点云体积的自适应标准差倍数以灵活滤除假肢点云大尺度噪声;在滤除大尺度噪声的基础上,引入一种新的协方差矩阵加权方式,提高估计点云法向的准确性,并通过法向夹角变化程度的均值对特征权重因子进行改进,增强双边滤波因子的保特征性,旨在光顺三维假肢模型小尺度噪声。与单独使用统计滤波、双边滤波相比,所提算法在3个假肢模型的最大误差E_(max)至少降低了5%;平均误差E_(ave)至少降低了6.9%。仿真结果表明,该改进算法在有效剔除假肢模型大尺度噪声的同时又避免了过光顺和去噪不彻底,可以较好地保持模型中的几何特征。

基于滑模自适应有限时间一致性算法的微电网二次控制

随着微电网规模日益增大,如何快速稳定完成二次控制目标是一个亟待解决的问题。因此首先针对现有微电网中分布式二次控制器的收敛速度问题,提出了一种基于自适应有限时间的分布式二次控制,所提的控制器在不同的场景下,可以通过分布式的方式来获取当前情况下最适合的有限时间控制器的收敛系数,从而加快二次控制的速度。其次针对分布式控制器易受到扰动而无法完成控制目标的问题,设计了基于滑模控制的分布式有限时间控制器来消除扰动影响。然后通过李雅普诺夫函数证明方法分析了所提策略的稳定性和可行性。最后通过MATLAB/Simulink搭建仿真模型,在4个不同的算例下验证了本文所提的控制策略的有效性和可行性。