新能源汽车电池回收网点竞争选址模型及算法

针对考虑排队论的新能源汽车电池回收网点竞争设施选址问题,提出一种改进的人类学习优化(IHLO)算法。首先,构建包含排队时间约束、容量约束和门槛约束等条件的新能源汽车电池回收网点竞争设施选址模型;然后,考虑到该问题属于NP-hard问题,针对人类学习优化(HLO)算法前期收敛速度较慢、寻优精度不够高、求解稳定性不够高的不足,通过引入精英种群反向学习策略、团队互助学习算子和调和参数自适应策略提出IHLO算法;最后,以上海市和长江三角洲为例进行数值实验,并将IHLO算法和改进二进制灰狼(IBGWO)算法、改进二进制粒子群(IBPSO)算法、HLO算法和融合学习心理学的人类学习优化(LPHLO)算法进行比较。大、中、小三种不同规模的实验结果表明,IHLO算法在15个指标中的14个指标上表现最优,IHLO算法比IBGWO算法求解精度至少提高了0.13%,求解稳定性至少提高了10.05%,求解速度至少提高了17.48%。所提算法具有较高的计算精度和优化速度,可有效解决竞争设施选址问题。

基于拉格朗日插值的教与学动态组自适应算法

为提高教与学动态分组优化算法的局部搜索能力,提出一种基于拉格朗日插值的教与学动态组自适应优化算法,通过引入拉格朗日插值作为局部搜索方法可处理求解多维度优化问题的加速收敛,使得求解精准度更高。为平衡算法的全局搜索能力和局部开发能力,引入自适应参数策略。通过引入这两种策略来提高局部搜索上的计算能力以及收敛速度,提高对全局的优化。选取6个单峰函数和4个多峰函数,将改进后的算法与另4个算法进行实验对比,研究结果表明,所提算法使计算结果更精准,收敛速度更快。

基于自适应微粒群算法的电力系统无功优化

针对当前电力系统进行无功优化采用传统的优化方法,存在诸多不足的问题,提出了一种自适应微粒群优化(APSO)算法,用以解决无功优化时控制变量一般为离散变量和标准微粒群优化(PSO)算法中参数需经多次试验确定而影响实用性的问题。APSO算法采用自适应参数策略和边界约束条件,能够取得问题的全局优化解。通过建立基于APSO算法的无功优化模型,成功解决了变量的离散问题。在Visual Studio 2008环境下,采用C#语言编写,应用在IEEE 30节点系统的无功优化程序计算结果表明,APSO算法较标准PSO算法有效地提高了收敛精度及稳定性,具有较好的自适应性和有效性,而且全局寻优能力更强。

基于差分进化算法和 NSGA-Ⅱ的混合算法

本文提出的改进的DE-NSGAⅡ算法,利用差分进化算法的变异交叉操作代替NSGA-Ⅱ算法的交叉算子,将快速非支配排序机制与剪枝方法相结合用于父代种群的生成与非支配集的更新.为保证初始种群均匀分布,该混合算法采用拉丁超立方体抽样技术生成初始种群.然后在参数取值固定的前提下,将该混合算法与NSGA-Ⅱ算法、AMGA-Ⅱ算法进行横向对比.为了进一步提升该混合算法的优化性能,该混合算法采用了参数自适应策略,并且基于此策略纵向比较了该混合算法在不同参数组下的优化性能.经过一系列对比发现:合理的参数选择能使该混合算法表现出良好的综合性能.

基于DNN与IMPDE的武器系统效能优化

针对武器系统结构复杂,多变量多峰值的特点,难以稳定、准确地获得最佳参数组合,达到系统效能最大化的问题,建立以效能影响因素为输入、效能值为输出的深度神经网络模型,并提出一种改进多种群差分进化算法(IMPDE)。算法引入多种群协同进化策略和参数自适应调整策略,采用各具特点的差分进化算法对不同的子种群执行进化操作,增强了种群个体的多样性,保证了算法快速收敛的同时能有效地跳出局部极值点,提高了算法全局寻优的能力。仿真对比结果表明,上述算法具有更好的寻优精度和稳定性,可以高效准确地寻找到参数最佳组合。

一种用于大范围优化的随机主导学习群优化算法

针对常规进化算法在求解大范围优化问题时面临计算时间长、占据空间大等难题,本文提出了一种简单而有效的随机主导学习群优化算法-SDLSO.该算法通过引入支配的概念,即从种群中随机选择两个粒子支配该粒子时,采用速度和位置更新公式对粒子进行学习更新,综合权衡算法的勘探和开采能力.为了协助粒子群跳出局部最优,设计了一种参数自适应更新策略.选择CEC2010大范围测试函数对SDLSO算法和CSO算法进行数值仿真实验,结果表明所提出的算法可以有效求解大范围优化问题.

求解稀疏连续线性系统的自适应SGCRO-DR算法

GCRO-DR方法是求解一系列连续线性系统常用迭代方法.本文首先提出了simpler GCRO-DR方法、在单个循环中它的计算成本比GCRO-DR更少.本文为了避免算法的不稳定性问题和内存溢出问题.并提高simpler GGRO-DR算法的收敛性,引入了重启参数自适应策略.另外,在用该方法求解大型连续线性系统需要多次重启次数情形以及相邻系数矩阵之间谱信息相关情形.本文利用重启参数自适应策略提供的学习样本,通过强化学习来选取个比较好的重启参数.最后、数值实验证明了所提三类算法的有效性.