基于粒子群优化技术PSO确定TCSC最佳安装位置

提出一种采用粒子群优化技术,以系统载荷能力最大化及安装费用最小化为目标,确定TCSC最佳安装位置的方法。该方法的数学模型以线路潮流和节点电压限制作为约束条件,从而提高了结果的准确性和实用性。最后在IEEE 6节点系统中成功地应用该方法。结果表明,PSO算法求得的系统最大载荷能力较原状态提高了14%,并且与遗传算法GA相比,其具有较强的全局搜索能力和较高的收敛精度,是寻找TCSC最佳安装位置的有效方法。

基于改进麻雀搜索算法的物流配送路径优化研究

在当前竞争激烈的市场环境中,优化物流配送路径成为企业控制供应链成本、提高服务效率和客户满意度的关键。针对供应链环节中物流配送成本高和时间长等痛点,文中构建了一个物流配送路径优化模型,旨在最大程度地减少配送时间和成本。以麻雀搜索算法(Sparrow Search Algorithm,SSA)为基础框架,引入Cubic混沌映射来初始化种群,旨在增进种群初始位置的多样性,并促进算法跳出局部最优解。在迭代过程中,模型通过重心反向学习机制对麻雀个体进行适时变异,从而提升了算法的全局搜索能力并有效防止了早熟收敛的问题。随后,引入粒子群技术以提高算法的寻优精度和稳定性。最后,经过一系列实验验证,该算法在优化搜索方面有较好的优越性。

基于修正PSO-UKF的SINS/GPS组合导航滤波算法

针对噪声时变特性引起滤波精度下降的问题,提出了一种基于修正粒子群技术(PSO)的自适应UKF算法。为了克服传统粒子群算法过早收敛,容易陷入局部最优的问题,基于粒子的适应值方差提出了一种惯性权值实时修正算法,有效改善了传统PSO算法。在使用新息序列对观测噪声进行实时跟踪的同时,通过构造合理的适应度函数将修正PSO算法和UKF滤波技术相结合,实现了对过程噪声统计特性变化的实时跟踪。针对SINS/GPS伪距组合进行了仿真实验。结果表明,该算法对时变噪声统计特性具有较强的自适应性,鲁棒性更强。在过程噪声及量测噪声发生变化的情况下,其对水平距离的估计精度比普通UKF算法提高了至少一倍,而水平速度的估计误差减小为不到原来的1/3。在对高度误差及天向速度误差进行估计时,普通UKF算法的估计误差很快发散,而PSO-UKF算法对高度的估计误差依旧能够保持在10 m以内。

一种新的机床电力系统的分散自适应递推控制方法

本文提出了一种分散自适应递推励磁控制器,采用粒子群优化技术进行调谐,能够提高多机组电力系统的稳定性。为了达到分散化,每台机床被视为一个独立的不确定的动态子系统,在这里,不确定性是一种微扰,它代表其余的系统对这个特别的机床的扰动。该扰动可以表示成电力系统偏差的多元函数,其参数可由粒子群优化技术获得。该技术可以用双区基准电力系统来解释。该系统显示了在严格的偶然事件中采用分散自适应控制器能够使主面的波动有效地衰减下去,而这恰恰是传统的电力系统稳定器所不能做到的。

基于修正灰狼算法的水火电系统优化调度研究

水火电短期调度一直是电力系统中的经典研究课题之一。对含有火电机组组合的水火电系统短期优化调度问题开展研究。对调度问题进行数学建模,明确模型目标函数以及发电系统内各式的约束条件。针对灰狼算法不足,引入混沌初始化、小生境技术以及混合粒子群技术对标准灰狼算法进行修正处理。利用修正后的灰狼算法对仿真实例进行求解。4种不同算法计算结果表明,BGWO-MGWO算法计算的平均费用相较BPSO-PSO、BGSA-GSA、BGWO-GWO分别降低了26.2‰、13.4‰、6‰,说明修正后的算法能够有效解决特定调度问题。

一种基于矩阵分解技术和考虑社交网络的推荐策略

随着社会潮流趋势的演进,如何更好地满足个性化需求已成为个性化推荐服务研究领域的新趋势,推荐系统对帮助用户在海量的线上异构数据中快速发现其感兴趣的内容具有广泛的应用。为了在复杂场景中有效缓解推荐系统研究领域普遍存在的数据稀疏和冷启动等问题,同时在复杂环境下提高其推荐项目的准确性和多样性,提出一种在矩阵分解技术的基础上同时考虑社交网络推荐的新方法。首先,通过将粒子群优化技术(PSO)与K-harmonic means(KHM)聚类算法融合,设计了一种混合聚类算法并对用户进行聚类,然后在相似度计算模型中引入多因素,利用矩阵分解技术计算用户的行为偏好,最终获取用户的最佳项目推荐列表方案。研究对Book-Crossing书评基准数据集进行仿真分析,结果表明提出的新方法具有较好的推荐准确性和多样性。