基于自适应变异粒子群算法的装配式建筑施工安全投入优化

针对装配式建筑施工安全投入问题,以实际工程项目为例,对装配式建筑施工风险因素进行了二级分解;基于数学规划理论建立了非线性规划模型,并引入3种函数关系进行拟合;采用自适应变异粒子群算法在Matlab中进行求解,得到了相对较优方案。结果表明:在安全风险主要因素中,物的风险因素对安全投入最为敏感;在二级风险因素中,预制构件吊装器具的选择最为敏感,该结论可为日后施工安全投入的方向提供参考依据。

基于自适应变异粒子群算法的双馈风电机组等值建模

风电机组等值建模是风电并网研究的基础,文中提出一种基于自适应变异粒子群(AMPSO)算法的双馈风电机组等值建模方法。首先依据风力机型号进行机群划分,通过简化双馈风电机组控制策略,建立了双馈风电机组等值模型。根据模型中各参数对双馈风电机组运行特性的影响特点,将其分为暂态参数和稳态参数,采用收敛速度快、通用性强的AMPSO算法对稳态参数寻优,采用试测法辨识暂态参数。通过仿真,验证了所述等值方法精确、简便,适用于大规模风电场接入电网的分析计算。

基于自适应变异粒子群算法的电动出租车充电引导

通过调研分析深圳市电动出租车的实际运营数据,提出充电站充电设备时间利用率的计算方法。针对区域内充电站之间设备时间利用率分布不均衡的问题,提出了基于充电站信息和车辆信息的电动出租车充电引导系统,建立了充电引导模型,并采用改进的自适应变异粒子群算法引导电动出租车的充电行为。根据深圳充电站的实际数据进行算例仿真,仿真结果表明,经过充电引导后的电动出租车能根据充电站内充电桩的规模均匀分布到相应的充电站,实现区域内充电站之间充电设备利用率的均衡分布,从而提高充电设备时间利用率。仿真结果验证了所提充电引导方法的可行性。

基于自适应变异粒子群算法的混合核ε-SVM在混合气体定量分析中的应用

针对利用不分光红外吸收法(NDIR)的多组分气体传感器对汽车尾气进行同时测量时,红外光谱特征吸收谱线重叠较为严重,所测气体浓度是交叉吸收干扰后的结果,造成测量误差大,分析精度低的问题,提出了一种自适应变异粒子群算法的混合核ε-SVM方法,建立三组分混合气体定量分析模型,已消除混合气体之间相互干扰产生的误差问题。实验中,采集CO2、CO、C3H8的浓度信号,作为模型输入,通过模型回归分析,得到对应的混合气体组分浓度,通过实验数据对模型性能进行分析,结果表明,该模型的平均误差相比于传统模型明显减低,取得较好的精度。

基于并行自适应变异粒子群算法的渗透系数反分析

针对基于粒子群技术的反演算法计算量大、耗时长的缺点,提出了一种并行粒子群算法。同时,为了克服粒子群算法容易陷入局部极小的早熟收敛问题,采用了自适应变异技术,以克服局部收敛,加快收敛速度。结合具体算例,分析了粒子群数目和处理器数目对加速比的影响。

基于自适应变异粒子群算法的陀螺仪转子悬浮控制优化设计

鉴于传统PID控制方法影响陀螺仪系统测量精度的问题,优化和设计了陀螺仪悬浮系统.根据陀螺仪转子受到悬浮力情况,设计了陀螺仪悬浮系统的控制回路,运用自适应变异粒子群算法对控制回路中控制器的参数进行了优化.仿真结果表明,优化后的陀螺仪控制系统性能比传统PID控制的性能有了明显改善.

基于自适应变异粒子群算法的船舶结构优化方法

[目的]由于船体结构的复杂性,传统优化方法容易出现陷入局部最优、求解速度偏慢的问题。[方法]基于自适应变异粒子群算法(AMPSO)、BP神经网络、遗传算法(GA),结合Isight/Nastran设计的正交试验方法,提出AMPSO-BP-GA结构优化方法,然后分别以十杆桁架和跳板结构的优化作为算例,验证所提优化算法的准确性和可行性。[结果]计算结果表明:在相同的约束条件下,经AMPSO-BP-GA方法优化后,十杆桁架结构重量为2272.1 kg,比其他方法优化后的结构重量更轻;跳板重量减少了33.3%,对比GA-BP-GA方法和PSOBP-GA方法分别减少25.4%和17.9%,显示AMPSO-BP-GA方法的优化效果更佳。[结论]AMPSO-BP-GA方法针对结构轻量化的优化效果更佳,可为船舶结构优化设计提供参考。

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。

自适应变异粒子群算法

为了解决粒子群种群多样性低、容易陷入局部最优的缺点,结合最优粒子和其他粒子在种群中的不同作用,给出了一种自适应变异粒子群算法。算法中最优粒子根据种群进化程度,自适应调整自身搜索邻域大小,增强种群的局部搜索能力;对非最优粒子的位置进行小概率的随机初始化,当其速度为零时,速度自适应变化,以便增强种群多样性和全局搜索能力。仿真实验中,将算法应用于6个典型复杂函数优化问题,并与其他变异粒子群算法比较,结果表明,增强种群多样性的同时提高了局部搜索能力。

基于自适应变异粒子群算法的分布式电源规划

针对分布式电源(DG)规划问题,建立配电网网损最小、电压偏差最小、静态电压稳定裕度最大的多目标DG规划模型。采用模糊集理论将多目标优化问题单一化,通过使总体满意度最大化,提升整体性能。同时采用自适应变异粒子群算法(AMPSO)对建立的模型进行求解,在一定程度上克服了基本粒子群算法容易早熟收敛的问题。在IEEE 33节点配电网系统上进行仿真计算,验证了模型和算法的有效性。

自适应变异粒子群算法在交通控制中的应用

提出了自适应粒子群算法结合实数遗传算法中变异算子的混合算法,它能提高算法的收敛性和稳定性。同时,通过对交通路口的通行情况的研究提出了一种新颖的离散交通信号控制模型。此模型以交叉路口各方向车流支路为基本单元,以各支路车流信息为输入,得出交通信号控制的各项性能指标。在此模型的基础上,应用自适应变异粒子群算法实现交通信号优化控制及验证算法。仿真结果表明自适应变异粒子群算法能够有效实现交通信号优化控制。

基于自适应变异粒子群算法的铁路空车调配

提出一种用于求解铁路空车调配的自适应变异粒子群算法.该算法在迭代过程中加入了变异操作,根据群体适应度方差调整变异概率的大小,并通过调整惯性权重因子来增强算法跳出局部最优的能力.将自适应变异粒子群算法用于铁路空车调配,建立以空车总走行距离最小为目标的数学模型,并在此基础上设计相应的算法.算例结果表明,应用自适应变异粒子群算法的最优结果和寻优效率要优于蚁群算法和标准粒子群算法.

自适应变异粒子群算法及在输电网规划中的应用

针对标准粒子群优化(SPSO)算法易陷入局部最优的缺点,引入了一种自适应变异的粒子群优化(AMPSO)算法,并应用于电力系统输电网规划。该算法在迭代过程中加入变异操作,并根据种群适应度方差值自适应地调整变异概率的大小,以此来增强算法跳出局部最优的能力。在输电网规划算例中的应用结果表明,变异操作改善了算法的寻优性能,使得AMPSO算法的寻优效率远高于SPSO算法。

基于混沌自适应变异粒子群算法的铁路空车调配

为求解大规模的空车调配方案的最优解,提出了一种混沌自适应变异粒子群算法。该算法利用混沌的遍历性来初始化粒子群以增强群体的多样性,根据群体适应度方差调整变异概率的大小,并通过调整惯性权重因子以提高整个群体的全局和局部搜索能力。将该算法用于铁路空车调配,建立了以空车总走行距离最小为目标的数学模型,并在此基础上设计了相应的算法。算例结果表明该算法的寻优结果和寻优效率要优于蚁群算法和标准粒子群算法。

具有追尾行为的自适应变异粒子群算法

针对基本粒子群算法容易早熟及算法震荡问题,提出了一种具有追尾行为的自适应变异粒子群算法,在最优粒子周围添加一个可视区域,如果可视区域内的粒子浓度超过给定标准,则对区域内粒子的个体极值点以一定概率进行自适应变异操作,通过与当前状态比较决定是否更新极值点,变异操作直至粒子离开可视区域、更新了全局极值点或者达到给定变异步数为止。算法增大了搜索能力,而且避免了多余的运算,减少了计算量。通过测试函数仿真验证,结果表明新算法不仅确保收敛、改善了收敛速度,而且有效避免了算法震荡。

基于q-高斯分布的自适应变异粒子群算法

针对粒子群算法易陷入局部极值和早熟收敛的缺陷,提出了基于q-高斯分布的自适应变异粒子群算法.采用q-高斯作为变异算子对粒子的全局最优位置进行q-高斯变异,克服了因种群遗失多样性所导致的早熟收敛缺陷,随着种群的进化,非广延熵指数q的自适应调整平衡了算法的全局搜索能力和局部开发能力.测试了4个标准复杂函数和优化BP神经网络参数,结果表明,基于q-高斯分布的自适应变异粒子群算法的优化性能最好,收敛速度快.

基于自适应变异粒子群算法的物流配送路径优化

物流配送路径优化问题是一类实用价值很高的NP组合问题,针对传统启发式优化算法搜索速度慢、易陷入局部最优解的缺点,本文提出了一种自适应变异粒子群算法,该算法在迭代过程中加入了变异操作,根据群体适应度方差调整变异概率的大小,并通过调整惯性权重因子来增强算法跳出局部最优的能力.本文将自适应变异粒子群算法应用于物流配送路径问题优化,建立数学模型,介绍该算法的详细实现过程.将该算法通过和遗传算法、混合蚁群算法和标准粒子群算法进行比较,证明了其搜索速度和寻优能力的优越性.

基于全参数自适应变异粒子群算法的单目相机标定

针对传统粒子群方法求解相机内参时的局部最优解问题,提出一种基于全参数自适应调节和变异机制的粒子群单目相机内参优化方法.首先,基于向量约束关系对单应性矩阵进行变形,利用最小二乘法求得相机的初始内参.然后,考虑在迭代过程中局部最优粒子、全局最优粒子对各个粒子的作用不同,分别给出了基于粒距的自适应的局部因子学习调节策略和全局因子学习调节策略;同时,设计了基于粒子群平均粒距的改进的粒子自适应变异率.最后,给出了基于全参数的自适应变异机制的粒子群相机内参优化算法.实验结果表明,与张正友标定方法、传统粒子群优化标定方法相比,该方法具有较好的标定精度和收敛速度.

基于自适应变异粒子群算法的独立多元互补微网经济环保运行

独立多元互补微网对于解决许多可再生能源丰富但是传统电网供电困难地区的用电问题有着非常重要的作用。为保证供电可靠性,提高整个微网系统的经济性和环保性,需根据实际条件对系统运行进行优化。综合考虑了运行成本、气体污染排放量等运行指标,建立了微网优化运行数学模型。设计了系统调度策略,最终采用带变异的自适应粒子群算法实现了微网经济环保运行。具体算例结果验证了该算法的合理性和有效性。

自适应变异粒子群算法实现的回转支承运动控制系统优化

以提高回转支承运动控制系统响应性能和速度跟随性能为目的,提出了一种自适应变异粒子群算法来优化系统内部速度环PI控制器参数,从而优化系统运动控制性能的方法。将遗传算法中的变异操作引入粒子群算法中,加入粒子变异环节,形成自适应变异粒子群算法,该算法能够克服普通粒子群算法易陷入局部最优的缺陷,同时消除控制器初始参数选择不当对系统性能的影响。将仿真所得PI控制器参数输入所搭建的系统中,实验结果显示该控制策略取得了满意的控制效果。