基于群智能混合算法的物流配送路径研究

针对物流车辆路径优化问题,考虑到基本蚁群算法有收敛速度慢、易陷入局部最优的缺点,采用了一种双种群蚁群算法,在蚁群的基础上引入差分进化(DE)和粒子群算法(PSO)。通过在PSOAS种群和DEAS种群之间建立一种信息交流机制,使信息能够在两个种群中传递,以免某一方因错误的信息判断而陷入局部最优点。通过matlab仿真实验测试,表明该群智能混合算法可以较好地解决TSP的问题。

基于混合智能粒子群算法的广义电源主动配电网优化配置

研究广义电源接入主动配电网的优化配置问题。提出一种电压偏差指标。建立综合考虑投资经济效益、电压偏差及污染气体排放指标的多目标优化配置模型。提出一种混合智能粒子群算法,在优化过程中引入快速非支配排序策略、精英保留策略和拥挤距离计算策略以改善其全局搜索能力。对IEEE-33节点、PG&E-69节点配电系统进行计算,分析在不同负荷水平下各指标的变化情况,研究负荷变化时广义电源的最佳配置。研究表明,广义电源的接入与合理配置能够有效提高投资运行效益和系统电压稳定性,同时说明该方法能够保证配置方案的多样性和多目标优化过程的寻优性。

基于混合群智能优化算法的私有云资源调度方法

针对当前私有云资源调度方法存在资源利用率低、资源浪费严重等问题,设计了基于混合群智能优化算法的私有云资源调度方法。首先分析当前国内外私有云资源调度的研究进展,找到引起私有云资源调度方法不足的原因,然后结合私有云资源调度特点,构建私有云资源调度的模型,最后将量子遗传算法和蚁群优化算法组合在一起产生混合群智能优化算法,采用其对私有云资源调度模型进行求解,找到最优私有云资源调度方案,并设计了私有云资源调度仿真实验。结果表明,混合群智能优化算法可以提高找到最优私有云资源调度方案速度,提高私有云资源的利用率,保证了私有云资源负载平衡,同时提高了负载执行的效率,具有较高的实际应用价值。

基于集群智能优化的模糊神经网络设计与应用

在分析模糊神经网络(FNN)的结构和参数的基础上,通过引入一个布尔变量作为网络的结构参数,进而把FNN的设计问题转化为一个多变量函数优化问题,提出了一种混合集群智能优化算法,给出了其二进制编码(BIOA)和实数编码(RIOA)的实现形式。分别用BIOA和RIOA对FNN的结构参数和前件参数进行协同进化,得到最优前件参数后,采用最小二乘法计算结论参数。采用此方法设计FNN,对太阳黑子数目进行建模。结果表明,所设计的FNN不仅结构简化,而且精度和泛化能力也得到提高。

无人机集群云端协同导航控制算法研究

针对无人机集群导航规划算法和策略问题开展研究,在分析传统航迹规划方法和经典粒子群算法基础上,提出了一种无人机集群云端协同导航控制算法.对机上部分的粒子群智能导航算法进行优化,设计后台部分的混合群智能导航规划算法并进行优化改进.仿真和实际测试验证表明:该方法正确可行,可提高无人机集群导航规划解的优质性.对比其他导航规划方法,该方法在无人机集群导航方面具有明显优越性.