自适应混合布谷鸟算法在水电站调度中的应用

针对布谷鸟算法局部搜索能力较弱,搜索质量不高的缺点,在标准布谷鸟算法中加入自适应步长策略、边界变异策略,并与模拟退火算法结合成自适应混合布谷鸟算法。经测试函数验证,自适应混合布谷鸟算法与标准布谷鸟算法相比有结果更优,收敛速度更快的优点。将自适应混合布谷鸟算法引入水电站的调度中,通过新疆玛纳斯一级电站验证了该算法的可行性,为求解水电厂优化调度模型提供了一种新思路。

混合自适应布谷鸟算法的物流配送路径优化

为了有效解决多仓库多配送点物流配送时间长和路径远等问题,提出一种多仓库多配送点物流配送路径优化算法。为了满足多仓库多配送点物流配送需求,将最少调用车辆数量和最短配送总距离为目标,确定目标函数及其约束条件,建立多仓库多配送点物流配送路径优化模型。改进布谷鸟算法和粒子群算法,将改进后的算法结合,利用混合自适应布谷鸟算法求解优化模型,同时对混合自适应布谷鸟算法离散化处理,获取最优物流配送路径。仿真实验结果表明,所提算法可以在较短的时间内完成物流配送,且物流运输路径较短,覆盖率更广,能够获取更加满意的物流配送方案。

改进布谷鸟算法在装配序列规划中的应用研究

针对装配序列规划问题,建立考虑装配序列的几何可行性、稳定性、聚合性、重定向性的装配关系模型以及基于适应度函数的装配序列优化数学模型。提出一种改进布谷鸟算法对装配序列规划问题进行求解,采用随机键和最小位置规则的方法设计基于零件编号、装配方向、装配工具的3层编码方案;设计基于最小装配成本的初始化策略与随机初始化策略相结合的混合种群初始化策略,提高种群质量;改进种群进化和搜索方式,将种群分为3个子群,并分别采用自适应步长飞行、标准步长飞行和交叉、变异的方式进行种群更新,提高算法的收敛速度和求解精度。最后通过实例应用及与其他算法的比较,验证了所提出的改进布谷鸟算法在求解装配序列规划问题上的有效性和优越性。

基于改进布谷鸟搜索算法的光伏最大功率点跟踪策略

实际工程中,光伏阵列在随机变化的环境中会出现局部遮光的情况,从而导致光伏阵列的功率-电压特性曲线会呈现多峰值状态,传统的最大功率点跟踪(maximum power point tracking, MPPT)算法易陷入局部最优解,追踪速度和精准度无法得到满足。针对这一问题,提出一种基于布谷鸟搜索算法(cuckoo search algorithm, CS)和电导增量法(conductivity increment method, CI)结合的光伏MPPT算法,在算法前期利用布谷鸟搜索算法将大步长和小步长交替使用使得全局搜索能力增强,找到全局最大功率点所处区域附近;在后期,采用步长小、控制精度高的CI进行局部寻优,快速准确地锁定到最大功率点。在MATLAB/Simulink中搭建仿真模型,并与原始布谷鸟搜索算法和粒子群优化(particle swam optimization, PSO)算法进行比较。仿真结果表明,将CS与CI结合的算法使得收敛速度更快,精度更高,稳定状态时功率曲线的波动更小。

基于自适应蚁群算法的岛礁混合发电系统电源容量优化方法

[目的]针对岛礁混合发电系统电源容量配置存在的问题,提出一种基于自适应蚁群算法(ACA)的优化方法。[方法]采用自适应蚁群算法作为核心优化工具,对岛礁混合发电系统的电源容量进行配置。通过采用自适应蚁群算法模拟蚁群寻食过程,在搜索空间中以可再生能源发电量作为信息素,通过全局搜索找到最优解,实现对可再生能源的充分利用。并以外伶仃岛为目标岛礁,搭建“风光柴储”微电网混合发电系统模型,采用自适应蚁群算法优化配置其容量。[结果]算法仿真结果表明,相较于改进灰狼算法和人工蜂群算法,自适应蚁群算法能够有效降低微电网混合发电系统的运行成本和对环境的污染,确保供电稳定性。[结论]所做研究能够有效增加微电网混合发电系统的供电稳定性,减少运行成本与环境污染,从而实现对能源的高效利用。

基于改进布谷鸟算法的物流配送中心选址研究

近年来,物流行业不断发展壮大,配送中心作为物流系统中承上启下的关键节点,在减少物流配送成本、提高服务响应效率上具有十分重要的战略价值。针对供应链环节中因多源多点造成的配送成本增加、库存周转率低等痛点,文中提出了一种改进的布谷鸟算法用于解决物流配送中心选址问题。该算法在传统的布谷鸟算法的基础上,引入粒子群优化算法,将两者有效地组合起来进行求解,并在求解过程中增加自适应参数,以避免出现局部最优现象,增加全局搜索能力。实验表明,相较于其他启发式算法,在解决配送中心选址问题上,改进布谷鸟算法能够有效降低物流配送成本,加快求解速度,提高库存周转次数,为企业物流的预算方案提供参考依据。

基于自适应布谷鸟搜索算法的分数阶PID控制器设计

针对分数阶PID(fractional order PID,FOPID)控制器的设计问题,提出一种基于自适应布谷鸟搜索算法的分数阶PID控制器参数整定算法。为改进经典布谷鸟算法的收敛速度与计算精度,并充分发挥全局搜索和局部挖掘两者各自的优势,采用了基于系统误差的自适应步长策略。为保证布谷鸟搜索算法初始化种群的均匀性,采用佳点集法初始化种群替代经典算法中的随机初始化种群。最后对2类系统进行仿真实验,并将实验结果与现有结果进行对比,验证了基于自适应布谷鸟搜索算法的分数阶PID控制器的设计和参数整定方法的有效性和优良性。

基于混合自然启发算法的电网自适应过流保护优化研究

电力系统继电保护是现代能源电网中确保系统安全的一项重要任务。针对电网自适应保护和保护优化进行深入研究,提出一种新型聚类概念的自适应保护实现方法。采用混合自然启发算法进行保护设置优化,其中自适应保护用于应对电网系统拓扑变化,优化技术用于计算保护定值,进而配合电网备用保护提供更快的故障清除。设计的测试系统采用改进IEEE14总线系统,对故障清除性能进行了测试验证,该算法相较传统算法性能优异,且自适应过电流保护的聚类方法能够有效减少继电器设置组的数量。

一类集值混合变分不等式的自适应投影算法与收敛性

给出求解一类集值混合变分不等式的自适应投影算法。在算法的步骤中引入含非线性泛函g的邻近算子并改进步长,在一定条件下,证明该算法的强收敛性。在特殊情形下,算法即为通常集值变分不等式的自适应投影算法,因而推广相关结果。

基于自适应布谷鸟算法的摄像机标定方法研究

该文将自适应布谷鸟算法应用于摄像机标定中,解决传统摄像机标定算法参数多、计算量大等问题。通过对参数进行布谷鸟算法优化,解决群个体陷入局部最优的问题,增强算法全局寻优能力,从而提高布谷鸟算法的多样性。实验结果表明,该算法具有较好的全局搜索能力和避免局部最优的能力,可以准确地完成摄像机标定,在收敛精度、速度以及鲁棒性等性能上显著优于遗传算法、差分进化算法、基本布谷鸟搜索算法。

基于局部搜索策略的混合自适应布谷鸟算法

为了提高布谷鸟算法的搜索精度和全局收敛速度,提出一种基于局部搜索策略的混合自适应布谷鸟算法。在该改进算法中,每个当前解的周围随机产生一个局部种群,利用正余弦算子的局部寻优能力得到局部最优解,并用局部最优解替换当前解,以提高局部搜索精度;同时采用自适应发现概率和搜索步长替代布谷鸟算法中的固定发现概率和搜索步长,以提高算法的全局收敛速度。对25个经典高维基准函数进行实验表明,所提算法在收敛速度和求解精度上优于布谷鸟算法,通过将其应用于拉压弹簧、三杆桁架设计和0-1背包问题,验证了算法的有效性。

随机变异的自适应布谷鸟搜索算法

布谷鸟搜索算法现在还存在收敛精度不高、寻优效果不佳的问题。为解决这类问题,本文在基本布谷鸟搜索算法的基础上引入了惯性权重和变异策略。优化后的布谷鸟搜索算法在搜索精度和寻优效果上都有了大幅度的提升。实验测试结果显示,改进算法比其它算法在函数优化上效果更加明显。

基于布谷鸟搜索算法的智能电网资源自适应调度方法

现阶段智能电网资源自适应调度过程中,电网运行成本和电网碳排放均比较高,无法满足智能电网运行经济性与环保性需求,因此,提出基于布谷鸟搜索算法的智能电网资源自适应调度方法。以电网运行成本最低、碳排放最少和用户满意度最高为目标设置调度目标函数,并对电网资源调度功率平衡设定约束条件,利用布谷鸟搜索算法求解最优调度方案,以此实现基于布谷鸟算法的智能电网资源自适应调度。经实验证明,应用设计方法后,智能电网运行成本为1152.64元/d,碳排放为51.24t/d,经济性与环保性效果良好,在智能电网资源自适应调度方面具有良好的应用前景。

基于延迟线组合调相的高能效自适应混合预编码方案

针对毫米波大规模多输入多输出系统采用混合预编码技术所带来的高功耗影响,基于延迟线组合调相器件设计了一种间接全连接型混合预编码系统结构,并提出一种自适应连接的混合预编码方案,可大幅减少与天线直连的调相器数量从而降低硬件造成的功耗损失。方案将编码矩阵的求解分为数字编码矩阵、模拟编码矩阵和开关组成的连接交换矩阵3个部分进行交替优化;提出一种基于互补正交投影矩阵的算法来解决模拟编码矩阵的优化;利用功率约束条件和最小二乘算法简化数字编码矩阵的求解;针对连接交换矩阵的离散组合优化问题,利用低复杂度的交叉熵算法进行优化。仿真结果表明,所提方案可以保证系统性能在接近纯数字预编码方案的同时有效提高系统的能量效率。

自适应编码与混合模型联合改进图像压缩算法

为准确描述残差图像的概率分布特征,以实现图像的自适应无损压缩,提出了一种自适应算术编码与有限混合几何模型相联合的分块无损图像压缩算法。算法首先对图像的残差图像进行非重叠分块,并通过联合分布估计各分块的统计模型;然后通过最大似然估计对分块的混合参数进行估计;最后在预测误差块中使用直方图截断算法减少算术编码中的符号数量,从而减少零次符号的出现概率。实验结果表明,在实验图像集基础上,所提图像压缩算法的压缩比优于常用的标准JPEG-2000和JPEG-LS。

自适应混合蚁群算法求解带容量约束车辆路径问题

针对带容量约束车辆路径问题(capacitated vehicle routing problem,CVRP),提出了一种自适应混合蚁群算法.由蚁群算法生成子回路,为增强跳出局部最优能力,在蚁群算法的状态转移规则和信息素更新规则中引入了自适应机制.基于子回路组合,由遗传算法构造近似解,根据问题编码特性设计了适应度函数和遗传算子,提高了构造效率,并采用Clark和Wright节约算法将近似解修复成可行解.采用扫描法和2-opt局部优化方法提高可行解的质量.标准算例的实验结果表明,该算法在求解CVRP问题上具有良好的寻优精度和寻优效率.灵敏度分析结果表明蚂蚁数量对算法性能具有显著影响.

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。

融入小生境和混合变异策略的鲸鱼优化算法

鲸鱼优化算法作为一种结构简单的先进优化算法,被用于解决各类学科问题。通过对鲸鱼优化算法进行深入研究,发现该算法存在收敛速度慢、无法跳出局部最优、收敛精度低以及无法平衡全局勘探与局部开发能力等问题。为解决上述问题,提出一种融入小生境和混合变异策略的鲸鱼优化算法(whale optimization algorithm integrating niche and hybrid mutation strategy,NHWOA)。该算法通过引入自适应权重,平衡算法全局勘探与局部开发能力,并加快收敛速度;将种群按照相同规模划分成三个小生境并独立寻优,提高种群多样性;采用混合变异策略对种群进行随机扰动,帮助算法跳出局部最优。通过在CEC2017测试套件上对NHWOA进行仿真实验,并将其应用于特征选择问题,验证了NHWOA的先进性和有效性。NHWOA的收敛速度更快,收敛精度更高,并且鲁棒性更好。

一种自适应步长布谷鸟搜索算法

针对布谷鸟搜索算法(CS)后期收敛速度慢、计算精度不高等不足,提出了一种自适应步长调整布谷鸟搜索算法,加快布谷鸟搜索算法的搜索速度,提高其计算精度。通过8个标准测试函数测试的结果表明,改进后的自适应步长布谷鸟搜索算法具有较快的收敛速度和较高的寻优精度。

自适应步长和发现概率的布谷鸟搜索算法

针对因参数设置为常数、个体参数设置相同而导致布谷鸟算法求解精度降低的问题,提出一种基于适应值分配的自适应步长和发现概率的布谷鸟搜索算法,进行仿真实验,并与其他改进算法进行对比研究。结果表明:自适应步长和发现概率的布谷鸟搜索算法提高了算法的计算精度,计算结果优于原始的布谷鸟算法;与其他改进的布谷鸟算法相比,具有较强的竞争性。