改进量子粒子群自适应优化算法

近年来,智能优化算法层出不穷,如:灰狼优化算法(Grey Wolf Optimization,GWO)、鲸鱼优化算法(Whale Optimization Algorithm,WOA)、粒子群算法(Particle Swarm Optimization,PSO)、遗传算法(Genetic Algorithm,GA)等。由于智能优化算法参数较少,容易实现,受到各国学者的青睐。但是,随着优化功能的具体化和规模的庞大化,部分单一算法无法兼顾收敛速度和精度,无法满足实际应用的需求。

一种EJB组件池的自适应优化算法

EJB组件池技术可以避免频繁建立和关闭EJB实例的开销,提高系统性能,但现有的EJB组件池技术没有考虑不同时段并发用户访问量的差异,对此,文章提出了一种自适应的组件池优化算法。实验证明,在对Web应用系统使用该算法后,内存占用和并发用户响应时间方面均有明显降低。

雷达目标检测深层自编码器自适应优化算法

研究了现阶段雷达低小慢目标探测技术的难点与方法。分析了深层自编码器基本模型与算法,通过引入自适应学习理论,提出了基于Rumelhart函数的深层自编码器自适应算法(RDAAA),并证明了算法的收敛性。优化算法避免了网络训练过程中出现惩罚过度的现象,克服了学习速率过高导致网络振荡发散,或学习速率过小降低网络收敛速度等缺陷。利用两种数据集对RDAAA、基于交叉熵函数的深层自编码器学习算法(CDAA)与误差反向传播算法(BPA)进行模式识别能力分析,结果表明在确定限定误差与选取最佳学习速率的情况下,RDAAA相对于CDAA与BPA收敛速度最快,正确识别率更高。围绕雷达目标检测与深度学习理论,分析了低小慢目标特性,将目标检测问题转化为模式分类问题,利用上述三种算法进行目标检测仿真实验,结果表明RDAAA与CDAA的性能明显优于BPA,且RDAAA的检测率更高,特别是处于低信噪比阶段,仍可保持较高的发现概率。

计及需求侧响应的微电网多尺度调度自适应优化算法

针对微电网调度成本较大的问题,研究计及需求侧响应的微电网多尺度调度自适应优化算法。建立计及需求响应的微电网运行成本函数,分别计算微电网中的燃料需求、电网运行维护需求、电网交互费用需求、环境维护需求等,并计算电网调度的总成本。基于微电网结构模型,构建目标函数与约束条件,设计微电网多尺度调度自适应算法。实验结果表明,该方法降低了高峰时段的电力负荷,整体功率<40 MW,且该算法的调度成本为725.25元,降低了调度成本,使微电网调度的经济效益得到保证。

用于训练神经网络的自适应梯度下降优化算法

由于神经网络规模的扩大,模型训练变得越来越困难.为应对这一问题,提出了一种新的自适应优化算法——Adaboundinject.选取Adam的改进算法Adabound算法,引入动态学习率边界,实现了自适应算法向随机梯度下降(SGD)的平稳过渡.为了避免最小值的超调,减少在最小值附近的振荡,在Adabound的二阶矩中加入一阶矩,利用短期参数更新作为权重,以控制参数更新.为了验证算法性能,在凸环境下,通过理论证明了Adaboundinject具有收敛性.在非凸环境下,进行了多组实验,采用了不同的神经网络模型,通过与其他自适应算法对比,验证了该算法相比其他优化算法具有更好的性能.实验结果表明,Adaboundinject算法在深度学习优化领域具有重要的应用价值,能够有效提高模型训练的效率和精度.

基于自适应粒子群优化算法的串联复合涡轮储能优化策略

针对发动机串联复合涡轮发电系统储能困难等问题,提出了一种基于自适应粒子群优化(SAPSO)算法的最大功率点追踪(MPPT)方法,增强发电系统功率的捕获能力。此外,采用混合储能系统(HESS)替代单一蓄电池储能,实现电能的高效、稳定存储。通过Matlab/Simulink软件,建立了基于发动机串联复合涡轮发电的储能优化控制仿真模型,对比分析了不同控制方法在设定工况下的功率追踪性能以及混合储能系统的储能特性。仿真结果表明,相较于传统扰动观测法(P&O)控制方法,在所提的SAPSO-MPPT方法下,发电功率提高了190 W,响应时间缩短了0.15 s。同时,HESS能够有效追踪母线上的需求功率,电能回收效率高达95.3%。最后,基于Y24型改装发动机台架搭建了串联复合涡轮发电系统实验平台,对所提储能优化控制策略的节油潜力进行了实验验证。结果表明,SAPSO-MPPT+HESS储能优化策略能够有效提高排气能量回收效率,优化后系统总热效率比原发动机提高了提高0.53个百分点。

基于最小二乘和自适应蛇优化算法的直驱风机LVRT特性辨识

为提高直驱风机低电压穿越LVRT(low voltage ride through)控制参数辨识精度,提出了一种基于最小二乘LS(least square)和自适应蛇优化ASO(adaptive snake optimization)算法的直驱风机LVRT特性辨识方法。首先,利用最小二乘法拟合出直驱风机LVRT待辨识参数初值,以确定待辨识参数的寻优范围;然后,分析了蛇优化SO(snake optimization)算法分阶段寻优的边界条件,设计了分阶段自适应学习因子,并引入Levy飞行策略,提出了适用于直驱风机LVRT控制参数辨识的ASO算法;最后,将ASO算法多次辨识平均值作为最终结果。结果表明,所提方法能快速、准确辨识直驱风机LVRT控制参数。

具有稚虫迁徙机制的S型自适应混沌蜉蝣算法

针对蜉蝣优化算法(MA)全局搜索能力较弱,对子代优秀个体有效信息利用不够充分的缺点,以及在计算中后期易陷入局部收敛,进而影响优化效果的问题,提出一种具有稚虫迁徙机制的S型自适应混沌蜉蝣优化算法(S-AMA)。S-AMA算法首先采用Logistic混沌映射产生蜉蝣种群,增加算法初期种群的多样性;随后,将蜉蝣生命周期进行数学建模,并引入S型生命系数替换原有的重力惯性系数,动态调整算法探索能力和开发能力间的平衡性;最后,根据蜉蝣在缺氧环境下的种群活动,引入稚虫迁徙机制强化子代优秀个体摆脱局部最优的能力,进而更加充分地搜索最优解附近的区域,以增强算法的收敛精度。实验部分将S-AMA应用于标准函数测试集,并分别进行优化对比实验、Wilcoxon秩和检验。结果表明:与对比算法相比,S-AMA算法具有更好的寻优能力、收敛速度及鲁棒性。

基于自适应果蝇优化算法的加权分簇算法

针对无人机编队网络管理问题,提出了一种基于自适应果蝇优化算法的加权分簇算法,利用分簇结构进行网络优化。该算法使用了基于离差标准化的数据归一化方法对各性能指标进行处理,并根据整体能耗改变权值分配规则,共同提高了簇头选举的客观性;分析了未定节点调整准则,提出了应用自适应果蝇优化算法进行簇的规模优化,消除了孤立节点和小规模簇;引入了剩余能量阈值和安全距离阈值约束维护条件,并分析了阈值的最优取值,减少了簇的维护次数。仿真结果表明,所提算法能够有效提高无人机编队各方面的性能,与现有算法相比,能够获得更好的网络管理效果。

基于自适应ASO算法的微电网优化调度

为了提高微电网的运营经济性和能源利用效率,提出了一种基于自适应原子搜索优化算法(Adaptive Atomic Search Optimization Algorithm,AASO)的微电网优化调度策略。在原子搜索优化算法(ASO)的基础上引入自适应思想,提高算法的收敛速度和精度,加强全局寻优能力。搭建一个包括光伏、风力等多种分布式发电设备的微电网数学模型,以微电网的经济环保性作为优化目标,并在孤岛和并网运行模式下进行算例寻优求解。结果表明,该算法在微电网优化调度上的寻优能力和收敛速度,均强于粒子群优化(PSO)算法,有效提高了微电网运行的经济环保性。

自适应优化算法在供暖锅炉控制系统中的应用

燃烧式供暖锅炉的控制过程复杂多变,系统内部的给煤、鼓风耦合性较强,作为控制对象的温度值又具有典型的非线性和滞后性,为解决供暖锅炉控制中的以上难题,自适应优化算法控制系统采用一种基于人工智能的专家系统控制方案,有效地适应锅炉各参数频繁的变化及相互的匹配,克服多回路耦合和各种介质的干扰,很好地解决了锅炉温度控制的难题。系统采用的主要技术是自适应优化算法、人工智能、专家系统,控制系统能实现全自动运行,系统的主要功能是节能增效。

基于改进LeNet-5优化算法的轴承故障诊断研究

针对直升机自动倾斜器滚动轴承振动信号复杂而传统卷积神经网络对轴承故障信号微小特征提取困难导致的故障诊断精度不高的问题,提出基于LeNet-5网络的一种改进方法。首先,在LeNet-5网络中设计一个新的特征提取模块,形成并行的特征提取框架,增强网络对微小特征的提取能力,缓解直升机故障诊断精度不高的问题。其次,采用Dropout层和自适应的参数算法,避免模型不稳定,加速模型的收敛。最后,利用课题组轴承数据和西储大学公开数据集开展实验,结果表明,相较于原LeNet-5网络模型,改进后的LeNet-5网络具有较高的测试精度,在课题组数据集的测试精度达99.6%,西储大学数据集的测试精度为100%,说明该模型对滚动轴承的故障诊断具有更高的准确率。

基于自适应蝠鲼觅食优化算法的分布式电源选址定容

建立了考虑有功功率损耗、电压分布、污染排放、分布式电源(DG)成本以及气象条件的DG选址定容规划模型,其中选址、定容工作分别是一个离散、连续变量,是一个高度非线性、含离散优化变量的复杂模型.因此,应用自适应蝠鲼觅食优化(AMRFO)算法获取最优Pareto解集,其具有丰富多样的搜索机制,个体更新机制以及先进的Pareto解筛选机制,针对该模型能够获得更加优异的高质量解.为回避权重系数人为设置主观性带来的影响,采用基于马氏距离的理想决策点法进行Pareto最优解集决策.最后,基于IEEE 33, 69节点配电网和孤网运行的IEEE 33, 69节点配电网进行仿真分析.研究结果表明:与传统的多目标智能优化算法相比,AMRFO算法能够获得分布更加广泛、均匀的Pareto前沿,在兼顾经济性的同时,配电网的电压分布、有功功率损耗的改善效果显著优于其他算法.

基于自适应变异粒子群算法的电动汽车换电池站充电调度多目标优化

大规模电动汽车用户的无序充电行为会对电网造成"峰上加峰"等影响,因此电动汽车规模化应用迫切要求实现对充电行为的引导和调度。电动汽车换电站具有受可调度时间约束影响小等特点,与个体电动汽车相比较易实现充电调度。根据换电站的特点以换电站各时刻的充电功率为控制对象,建立多目标的调度策略数学模型,并采用自适应变异的粒子群算法求解以减小标准粒子群容易早熟对优化结果的影响,得到次日优化充电计划。基于某地区负荷曲线进行算例仿真,验证了算法的有效性,比较了单目标优化和多目标优化的调度策略对负荷曲线的影响。结果表明,换电站充电调度策略采用多目标优化时能够克服单目标优化填充"最低谷"效果差的问题,有效地降低电网峰谷差,达到平稳负荷波动的效果。

基于自适应扰动量子粒子群算法参数优化的支持向量回归机短期风电功率预测

智能电网的建设和大规模风电接入电网对短期风电功率预测精度提出了更高的要求。为了克服支持向量回归机(support vector regression machine,SVR)依赖人为经验选择学习参数的弊端,在量子粒子群优化(quantum-behaved particle swarm optimization,QPSO)算法中加入自适应早熟判定准则、混合扰动算子和动态扩张收缩系数,提出了自适应扰动量子粒子群优化算法(adaptive disturbance quantum-behaved particle swarm optimization,ADQPSO),并使用ADQPSO优化选择SVR的学习参数。实例研究表明,ADQPSO算法全局寻优能力强、鲁棒性好、计算耗时短,利用ADQPSO优化得到的SVR参数,可有效提高模型的预测精度;与反向传播神经网络(back propagation neural network,BPNN)和径向基神经网络(radial basis functionneural network,RBFNN)相比,提出的ADQPSO-SVR能够提高短期风电功率预测的准确性和稳定性。

基于自适应聚焦粒子群优化算法的电力系统多目标无功优化

自适应聚焦粒子群算法(adaptive focusing particle swarm optimization,AFPSO)是根据粒子群算法的全局搜索与局部搜索平衡特性,并予以改进得到的一种具有较好全局搜索能力和寻优速度的自适应群体智能优化算法。作者将此算法用于电力系统无功优化。该方法以最优控制原理为基础,引入了静态电压稳定性指标,建立了综合考虑系统有功网损最小、静态电压稳定裕度最大的多目标无功优化模型。IEEE30节点系统仿真结果表明,AFPSO算法在实现系统经济运行的同时也增强了电网的电压稳定性,证明了AFPSO算法的有效性和优越性。

风水气互补发电优化的云模型自适应粒子群优化算法

提出一种改进的自适应粒子群优化(particle swarm optimization,PSO)算法,对基本PSO算法中的惯性权重系数作云处理。由于云模型具有随机性和稳定倾向性,使得处理后的惯性权重既具有传统的趋向性,满足快速寻优能力,又具有随机性,有利于提高种群的多样性,提高收敛速度。在对认知系数和社会系数的处理上,考虑两者的相互关联性,在坐标平面内构造收敛曲线,让两者沿收敛曲线随时间动态调整,使得算法在进化过程中既能够保证收敛,又提高了算法性能。建立了风、水、气多种清洁能源互补的发电模型。模型考虑风电预测的随机误差,以一次能源天然气的消耗量最低为目标函数,约束条件包含了风能、水能等清洁能源的完全消纳。通过云模型粒子群算法求解该模型,并与基本遗传算法和PSO算法的结果进行比较,验证了所建模型可行性和算法的有效性。

基于自适应粒子群优化算法的神经网络的优化研究

针对传统的神经网络训练算法收敛速度慢和泛化性能低的缺陷,提出一种新的自适应粒子群优化算法用于神经网络的训练.该算法通过改进自适应搜索策略以提高网络泛化性能,并结合Ionosphere雷达信号分类数据集进行仿真测试.研究结果表明:基于自适应粒子群优化算法训练的神经网络在分类准确率和分类误差上明显优于传统的BP算法,且很好地提高了网络泛化能力和优化效果.

基于自适应混沌粒子群优化算法的多馈入直流输电系统优化协调直流调制

为了提高交直流互联系统的整体动态稳定性,提出了一种新的基于混沌优化思想的自适应混沌粒子群优化算法,并将其应用于多馈入直流输电系统中各直流调制的优化协调。该算法利用混沌运动的遍历性来初始化粒子群以增强群体的多样性,在粒子群的每次迭代更新计算中,按适应值大小选取部分粒子对其进行混沌优化以帮助惰性粒子跳出局部极值区域,根据每个粒子的适应值自适应地调整其惯性权重系数以提高整个群体的全局与局部搜索能力。以一三区域双馈入交直流并联输电系统为例,选取与直流线路并联运行的交流联络线上的有功功率偏差和各发电机的功角偏差构成目标函数,应用自适应混沌粒子群优化算法对各双侧频差直流调制控制器的参数进行了全局优化协调整定,并与传统粒子群优化算法、遗传算法的优化结果进行了比较,结果表明该算法能更好地实现各直流系统调制间的优化协调,增强了整个系统对低频振荡的阻尼能力,可作为多馈入直流输电系统中直流调制优化协调的一种有效方法。

地球物理反问题的自适应均匀优化算法

针对地球物理反问题存在非线性和多参数性的特点,本文通过对目前流行的模拟退火算法选择模型在整个模型空间具有非均匀性特点的分析,采用均匀设计模拟退火方法求解地球物理问题.为了使该方法便于应用,提出了模型不同分量的温度参数和退火过程的选取方式,提出了温度参数的具体计算方法,使该反演方法具有自适应的特点.理论和实际资料的试算表明了该方法的正确有效性.