一种自适应柯西变异的反向学习粒子群优化算法

针对传统粒子群优化算法易出现早熟的问题,提出了一种自适应变异的反向学习粒子群优化算法。该算法在一般性反向学习方法的基础上,提出了自适应柯西变异策略(ACM)。采用一般性反向学习策略生成反向解,可扩大搜索空间,增强算法的全局勘探能力。为避免粒子陷入局部最优解而导致搜索停滞现象的发生,采用ACM策略对当前最优粒子进行扰动,自适应地获取变异点,在有效提高算法局部开采能力的同时,使算法能更加平稳快速地收敛到全局最优解。为进一步平衡算法的全局搜索与局部探测能力,采用非线性的自适应惯性权值。将算法在14个测试函数上与多种基于反向学习策略的PSO算法进行对比,实验结果表明提出的算法在解的精度以及收敛速度上得到了大幅度的提高。

基于最小二乘向量机-自适应柯西变异粒子群光伏功率预测

针对光伏发电系统输出功率的随机性和不稳定性导致预测难的问题,采用具有相同季节和天气类型的相似日历史数据作为训练样本,利用最小二乘支持向量机(least squares support veotor machine,LSSVM)建立光伏发电功率预测模型。针对LSSVM模型中核函数宽度函数和惩罚系数选择难的问题,采用自适应柯西变异粒子群算法对这两个参数进行优化,以提高LSSVM模型的预测精度。根据国外光伏电站实测数据对建立的预测模型进行训练。仿真结果表明,所提出的预测模型具有较高的预测精度以及很好的适应性。

基于自适应黏菌算法优化的无人机三维路径规划

针对无人机在三维路径规划时存在搜素范围和寻优性能不足等问题,以及现有黏菌算法(SMA)寻优精度不足,易陷入局部最优的缺陷,提出了一种基于自适应黏菌算法(GSMA)优化的无人机三维路径规划方法.首先,根据无人机经过的实际环境,建立三维地形、威胁源和无人机自身约束条件;其次,针对搜素范围不足的问题,设计改进的Logistic混沌映射增加种群的多样性并扩大搜索范围,提升了SMA的全局搜索能力;然后,设计一种非线性自适应惯性权重因子,将线性收敛方式改进为非线性收敛,利用权重值更新黏菌位置,提高了收敛速度;最后,在算法后期中设计自适应柯西变异,增大了黏菌的搜索空间,寻优精度也得到了提高.实验结果表明,GSMA相比于灰狼优化(GWO)算法、SMA和海鸥算法(SOA)3种算法,路径更短且更平滑,收敛速度更快,寻优精度更高,同时能耗更低,进一步提升了无人机的路径规划能力.

基于多目标差分进化算法的水库多目标防洪调度研究

为求解水库多目标防洪优化调度问题,提出一种基于自适应柯西变异的多目标差分进化算法,克服了早熟收敛问题,提高了收敛精度;同时,根据多目标优化的特点对差分算子进行修正,并引入外部档案技术,提高了算法的收敛速度。本文以坝前最高水位最低、最大下泄流量最小和汛末水位最接近汛限水位为目标,对三峡水库展开多目标防洪调度研究,结果表明,该算法可在较短时间内生成大量在各目标分布均匀、分布范围广的非劣调度方案供决策者评价优选,为水库多目标防洪调度决策提供了一种新的调度方案生成方法。

客货混行条件下列车运行调整模型及算法

研究了单线铁路客货混行条件下列车运行调整问题,目标是客、货不同等级列车在调度区间内总的偏离列车图定运行时刻最少,考虑列车间隔时间、列车停站时间、区间运行时间及车站越行等约束条件,建立了混合整数非线性规划模型.同时,针对模型特点,采用自适应柯西变异人工蜂群算法,以快速得到满意解.最后,以盘西铁路全线为例对模型和算法进行验证,设计了2种扰动场景下的列车运行实时调整方案进行求解.研究结果证明:客货混行条件下的列车运行调整问题模型及求解算法,能够有效生成列车运行调整计划,具有可行性.

基于改进教与学算法的含电能路由器的电力系统无功优化

针对传统智能算法在求解计及电能路由器的电力系统无功优化模型时存在的收敛性和多样性问题,提出一种基于轮盘赌选择和自适应柯西变异策略的改进教与学算法,并应用于含电能路由器的电力系统无功优化。该算法在学习阶段引入轮盘赌选择法,提高群体的学习效率,在教学完成后引入自适应柯西变异策略,增强班级种群的多样性,避免迭代过程陷入局部最优解。然后,建立以有功网损和电压偏离度最小为目标函数的电力系统无功优化模型,并以修改后的IEEE RTS-79标准测试系统为算例进行仿真分析,结果表明改进后的算法兼顾了收敛性和多样性,相比于传统算法具有更好的优化效果。