基于混沌多目标蚁狮优化算法和核极限学习机的冲击性负荷预测模型

针对冲击性负荷预测问题,提出了一种基于混沌多目标蚁狮优化算法(chaotic multi-objective antlion optimization algorithm,CMOALO)和核极限学习机(kernel extreme learning machine,KELM)的冲击性负荷预测模型。首先,为了降低预测难度,使用集合经验模式分解(ensemble empirical mode decomposition,EEMD)将原始冲击性负荷分解为一系列更为平稳的子序列。为了同时提升模型的预测精度和稳定性,提出了一种MOALO;其次,为进一步提高算法的解搜索能力,将MOALO与混沌运算融合,提出了CMOALO算法,将其用于优化KELM。最后通过某地区真实采集的冲击性负荷数据对所提出的EEMD-CMOALOKELM模型进行验证。通过案例分析可知,所提出的冲击性负荷预测模型,无论是在预测精度还是预测稳定性方面,性能最好。

基于多目标蚁狮优化的雷达通信一体化波形设计

传统的雷达和通信系统,二者相互独立,采用不同的信号形式,相互间存在电磁干扰,设计一种波形可用于雷达通信一体化系统,同时完成雷达和通信功能。通过分析一体化系统的雷达性能评价函数和通信性能评价函数构建多目标优化问题,引入多目标蚁狮优化算法到波形设计领域;通过多目标蚁狮优化算法对多目标优化问题进行处理,得到一体化波形性能最优的波形设计参数。仿真结果表明,依据此参数设计得到的一体化波形,能够兼顾雷达性能和通信性能。

燃料电池混合动力船舶复合储能系统与能量管理策略优化

为优化燃料电池混合动力船舶的能量管理策略和复合储能系统容量参数,以某燃料电池混合动力船舶为目标船,在Matlab/Simulink环境中搭建含复合储能系统在内的混合动力系统与能量管理系统仿真模型,应用蚁狮多目标优化算法进行优化,并将优化后的混合动力系统性能与原船进行仿真比较.结果表明,优化后的混合动力系统能够满足电力需求,改善电能质量,延长设备寿命.