解决约束违背问题的一种自适应调整方法

带约束的优化问题的目的是要找到满足等式或者不等式约束的最优点。在某些情况下,优化求解得到的"最优点"可能会使得某个或某几个约束条件超出目标约束限,或者在所有约束条件中的最大值远远小于目标约束限。针对这一类问题,本文提出一种在寻优过程的每一次迭代中自适应调整约束限的方法,通过动态调整迭代过程中迭代模型约束限的值,将约束条件中最大值的约束条件变为等式约束,使得迭代解始终在可行域范围内,且收敛后的最优解不违背任何约束条件。本文将该方法成功应用于位移约束下结构重量最小化拓扑优化模型,原来不满足约束条件的情况在使用该方法后都能使约束得到满足,解决了约束条件被违背的问题。

面向风险评估的专家权重自适应调整方法

信息资产评估是信息安全风险评估技术重要的研究内容之一。目前,其在资产评估中主要采用专家评估与专家权重相结合的评估量化方法,然而该方法在实际应用中却面临如何科学确定专家权重以降低偏差较大评估意见对整体评估结果影响的问题。针对该问题,提出了一种基于专家偏离度的权重自适应调整评估方法,能够合理地减小专家主观性给出的异常评估值对评估的影响。最后实现算法并通过实验验证算法的有效性。结果表明该方法能够合理减小异常评估值对评估的影响。

用于SVC系统的自适应调整控制参考电压值的方法

现有技术中的自动控制设备特别是电网中用于一次回路的电力设备,参考电压值需由用户人工给定输入到控制系统中,在运行过程中不能由设备的控制系统本身跟随外界条件变化进行自动调节。本文介绍了一种用于SVC(无功补偿)系统的自适应调整控制参考电压值的方法。通过对电网母线电压采样,进行丢弃无效数据处理后,获得母线电压有效值,将有效值输入计算单元,通过时间滑动平均法,算方实时的电压参考值,解决了SVC等电力自动控制设备的参考电压随电网运行状况不同自动调整的问题。已经在南方电网云广直流输电楚雄换流站SVC试用,达到了预期效果。

面向风电数据的WSN压缩感知数据重构

分段弱正交匹配追踪(SWOMP)算法的算法简单、运算速度快,适合应用在风电场环境下的无线传感网络(WSN)中。通过对门限参数以及最佳原子进行研究与分析,发现这两个因素的不同方式都对SWOMP算法的重构成功率有较大的影响,选用PID自适应方式以及Dice系数匹配准则优化传统算法存在的问题。基于PID自适应的思想,来调整每次重构之后门限参数的误差,然后再使用得到的门限参数对算法进行重构;在上述调整的门限参数重构算法中,再对原子的选择过程使用Dice系数优化,使原始算法中原始信号部分丢失的问题进行解决,通过该过程使重构精度得到提高。仿真实验结果表明:在相同的条件下,与传统的SWOMP算法相比,改进的SWOMP算法的重构成功率更高。

基于收敛速度和多样性的多目标粒子群种群规模优化设计

针对多目标粒子群优化算法种群规模难以确定的问题,文中提出了一种基于收敛速度和多样性的多目标粒子群优化(Convergence speed and Diversity-based Multi-Objective Particle Swarm Optimization,CD-MOPSO)算法.首先,利用优化过程的收敛速度和多样性指标构造种群规模适应度函数,完成了种群规模与优化性能关系的描述;其次,基于适应度函数设计了一种种群规模自适应调整方法,实现了种群规模的动态调整;最后,将提出的CD-MOPSO在基准优化问题ZDT上测试并应用于城市管网优化,实验结果显示CD-MOPSO能够根据求解问题自动调整种群规模,与NSGA-II、MOPSO。