基于改进蝴蝶算法的变电站分布式电源容量优化配置

针对新型电力系统环境下变电站分布式电源容量优化配置问题,提出了一种基于改进蝴蝶算法的变电站分布式电源容量优化配置方法。首先分析了当地变电站的建设情况和分布式新能源发电的可行性,其次建立了有关变电站的分布式电源优化配置模型,最后提出了一种改进的多目标蝴蝶算法,并将其应用于变电站分布式电源优化配置中。实际算例分析结果表明了所提方法的有效性。

基于改进蝴蝶算法的机械臂时间最优轨迹规划

机械臂在轨迹规划过程中,为使驱动装置符合实际负载要求,各关节速度和加速度在选取上会相对保守,导致完成一套动作需要的时间过长,从而使基于运动速度和加速度的机械臂的连续性和平稳性未能充分发挥。为解决机械臂各个关节速度和加速度的优化问题,提出一种基于改进蝴蝶算法的机械臂时间最优轨迹规划方法。首先,利用3-5-3多项式插值算法对AUBO-i5六自由度机械臂构造机械臂运动轨迹,然后,利用引入莱维飞行和正弦余弦算法的蝴蝶优化算法对运动轨迹进行时间优化,在满足工作需求的前提下,减少机械臂的运行时间。仿真结果表明,改进的蝴蝶算法与同类算法相比,不易陷入局部最优,且具有更高的寻优精度。将改进的蝴蝶算法应用在轨迹规划中,机械臂的运动时间大大缩短,可保证机械臂在实际生产中平稳高效地完成任务。

基于改进蝴蝶算法的核主泵永磁同步电机自抗扰调速控制

为提高核主泵永磁同步电机(PMSM)调速控制的精度,在分析PMSM数学模型和建立PMSM自抗扰控制器模型的基础上,提出一种基于改进蝴蝶算法(IBOA)的PMSM自抗扰控制(ADRC)策略。首先,针对蝴蝶算法(BOA)后期收敛精度不高、易陷入局部最优等不足,引入转换概率动态调整策略和随机惯性权重策略来对BOA进行改进,得到IBOA算法。其次,采用IBOA算法对PMSM自抗扰控制器参数进行整定,选取出合理的PMSM自抗扰控制器参数。最后,将优化后的PMSM自抗扰控制器用于调速控制,并进行对比实验。结果表明,本文所提控制策略的响应速度更快,控制精度更高,抗干扰能力更强。

改进蝴蝶算法的神经网络天线建模

为提高天线建模效率,改变传统建模方法速度慢、效率低的问题,提出了一种用改进的蝴蝶算法(BOA)优化多层前馈神经网络(back propagation neural network,BPNN)的天线建模方法。首先,以多层前馈神经网络为基础网络,建立蝴蝶算法优化的BP神经网络,解决BP神经网络预测精度低的问题。其次,在蝴蝶算法中融入天牛须算法(BAS),用天牛须算法替代蝴蝶算法的局部寻优过程,减小蝴蝶算法的空间复杂度、解决蝴蝶算法易陷入局部最小值的问题,创建改进的BOA-BP神经网络对天线进行精准建模。设计实例表明,该网络的预测精度达到了99.60%,相比于传统的BPNN和未改进蝴蝶算法优化的BPNN,预测S11的误差分别减少了47%和40.9%。此外,改进的BOA算法的运行时间相对于粒子群算法和遗传算法也分别减小了80.86%和82.79%,大大降低了网络运行的时间成本。综上,改进的BOA优化后的BPNN的建模精度和速度均得到了提高,验证了改进的蝴蝶算法作为一种新型神经网络优化策略的可行性和有效性。

基于改进蝴蝶算法的协同干扰资源分配方法

针对协同对抗下雷达干扰资源的管理决策问题开展研究,提出了一种基于改进蝴蝶算法的干扰资源分配方法。首先,用模糊综合评价的方法量化影响辐射源威胁等级和干扰效能的因素;然后,确定目标函数并计算干扰效能矩阵,建立干扰资源分配模型;最后,把自适应启发项和劣解接纳操作引入蝴蝶算法(BOA)对模型求解。仿真结果表明:引入改进项提高BOA探索能力和搜索效率,有效解决算法局部收敛的缺陷。对比四种经典算法和两种改进BOA算法,该算法在收敛精度和算法稳定性方面均更优,制定的干扰资源分配方案可信度更高。

机械臂动力学参数的单纯形引导蝴蝶算法辨识

为了提高机械臂动力学参数的辨识精度,提出了基于单纯形引导蝴蝶算法的辨识方法。建立了机械臂动力学模型和参数辨识模型,分析了参数的可辨识性,并设计了最优激励轨迹。以蝴蝶优化算法为基础,提出了单纯形引导陷入局部最优蝴蝶的脱困方法,在脱困的同时蝴蝶适应度也得到了提高;设计了全局搜索与局部开发的动态切换概率,用于平衡算法的全局搜索能力和局部开发能力。综合以上两点改进,提出了单纯形引导蝴蝶算法的参数辨识方法。经RS010N机械臂的参数辨识实验可以看出,单纯形引导蝴蝶算法的搜索速度略快于蝴蝶算法,同时单纯形引导蝴蝶算法的参数辨识精度远高于蝴蝶算法,证明了改进策略的合理性和单纯形引导蝴蝶算法在参数辨识中的有效性。

改进蝴蝶算法优化支持向量机的土壤含水量预测模型

针对传统土壤含水量预测方法精度低、效率差的不足,提出改进蝴蝶算法优化支持向量机的土壤含水量预测算法。引入Levy飞行改进蝴蝶优化算法的位置更新方式,结合高频短步长跳跃搜索和低频长步长行走策略,同步实现局部精细搜索和远程区域勘探,提升寻优能力;设计基于高斯变异和混沌Logistic映射的个体扰动机制,提升种群多样性。利用改进蝴蝶优化算法LGBOA优化SVM模型,构建土壤含水量预测模型。选取某地土壤气象数据为样本进行实验分析,验证LGBOA-SVM模型可以提高土壤含水量预测精度和效率。

基于改进蝴蝶算法的分布式光伏选址定容

本文旨在解决配电网中分布式光伏布局优化与高维度非线性求解难题。基于节点静态电压稳定指数、损耗灵敏度因子和平均辐射量指标,通过加权法求取全年综合评价指标,据此优选出备选接入节点。进而,建立以网损和节点电压偏差最小为目标的选址定容优化模型,采用基于分段权重和变异反向学习的改进蝴蝶优化算法,在备选节点中求解最优装机容量与位置。仿真结果显示,改进蝴蝶优化算法优化下的总网损和电压偏差最小,表明所提方法可降低求解维度、提高选址定容优化精度。

多策略混合改进蝴蝶算法的多层感知器训练优化

传统调参方法容易生成局部最优,提出多策略混合改进BOA算法的MLP训练方法。针对标准BOA算法寻优精度、收敛速度的不足,设计多策略混合改进蝴蝶优化算法MSHBOA。利用佳点集进行种群初始化,避免随机种群的遍历不足;引入量子搜索局部开发和自适应惯性权重全局搜索提升个体寻优能力;设计概率阈值自适应调整机制,动态协调全局搜索与局部开发比重;设计柯西变异和混沌映射的个体混合扰动机制,增强算法脱离局部最优的能力。将MSHBOA应用于多层感知器MLP训练优化,结果验证训练算法在均方误差、分类准确率、局部最优抵抗性和稳定性方面均表现更好。

用改进蝴蝶算法实现局部遮荫下最大功率点跟踪

针对传统最大功率跟踪技术容易陷入局部最大功率点的问题,提出用1种改进的蝴蝶优化算法来实现部分遮荫条件下光伏阵列的最大功率输出。为解决传统蝴蝶算法收敛速度慢、搜索过程震荡大的问题,引入收敛因子,使全局搜索速度加快。将蝴蝶算法与细菌觅食算法相结合,对蝴蝶位置更新函数进行优化——根据细菌觅食的翻滚、游动行为对位置更新方程进行调整改进,赋予增量步长以较大的系数比重,以加快算法收敛速度、提高算法局部寻优能力。在太阳光照恒定和光照突变2种环境下进行了仿真对比实验。结果证明,所提算法在光照不均匀及光照突变条件下均能快速、稳定地在线寻得全局最大功率点。

基于混合式蝴蝶算法的局部阴影光伏MPPT研究

针对传统最大功率跟踪(MPPT)算法在跟踪局部阴影时的光伏最大功率失效问题,以及目前元启发式MPPT算法中较多初始种群数导致算法计算负担过大,寻优时间过长的现象,提出了一种新的蝴蝶算法(BOA)-爬山法(HC)混合MPPT控制算法。该算法利用BOA进行全局寻优,在搜索至全局最大功率附近时采用HC进行后续搜索。利用传统MPPT方法的快速收敛性来提高元启发式算法的搜索速度,减小BOA的搜索空间,加快整体算法的全局跟踪速度。利用MATLAB/Simulink仿真软件搭建了局部阴影下的光伏发电系统,并在相同种群数目下对粒子群(PSO)和BOA算法进行测试对比,验证了所提算法的有效性。

基于改进蝴蝶算法和社会力模型的多出口疏散模型研究

为提高多出口场景下行人疏散效率和精度,基于蝴蝶算法和社会力模型,提出一种新的应急疏散仿真路径规划方法。在原有社会力模型中,考虑距离出口远近及行人所处位置拥挤度对运动过程中期望速度的影响,引入速度调节因子,描述行人在疏散中的期望速度变化;针对蝴蝶算法中后期收敛速度慢和易陷入局部最优的缺陷,提出自适应感知概率参数以增强局部搜索和全局搜索之间的平衡;在每轮迭代结束时引入迭代局部搜索策略,扰动局部最优解获得中间状态,并重新搜索上述中间状态得到全局最优解。研究结果表明:提出的应急疏散仿真路径规划方法在多出口环境下能够更有效地利用出口资源,提高疏散效率。

改进的蝴蝶算法优化粒子滤波算法研究

针对粒子滤波算法中粒子的多样性降低问题,提出一种改进蝴蝶算法优化粒子滤波算法。通过对蝴蝶算法的初始种群进行优化以及设置全局优化的自适应权重,来平衡蝴蝶算法的局部最优与全局最优的能力,提高寻优能力。改进的蝴蝶算法与粒子滤波算相结合,代替粒子滤波算法的重采样过程,使用优化蝴蝶算法指导粒子集向高似然区域聚集,粒子集会不断的向真实状态靠近,从而提高整个样本集的质量。实验表明,该算法有效地克服了粒子集多样性缺失问题,提高了算法的估计精度。

一种改进的蝴蝶算法优化粒子滤波算法

传统的粒子滤波算法在重采样期间丢弃小重量粒子,因此重要性权重落在极少数粒子上。这会导致采样粒子贫化、粒子多样性缺失以及需要大量粒子才能进行比较准确的状态估计等问题,针对这些问题,提出了一种改进的蝶式算法优化粒子滤波算法。首先,将最新时刻观测信息引入蝴蝶香味公式中,以提高滤波精度;其次,引入吸引半径参数来控制蝴蝶种群寻优的搜索范围,降低算法的复杂度,进而提高算法的实时性;最后,将改进的蝴蝶种群位置更新公式用于优化迭代更新。实验结果表明,与经典粒子滤波器和现有蝶形优化算法相比,改进算法具有更低的均方误差和运行时间。并且在粒子数较少的情况下,可以实现更准确的状态估计,并改善传统滤波器的粒子耗尽现象,保证了粒子多样性。

基于改进蝴蝶算法的光伏综合负荷模型参数辨识

文章研究了计及分布式光伏的综合负荷模型(SLM-DP),提出了基于改进蝴蝶算法(IBOA)的综合负荷模型参数辨识方法。通过引入飞行惯性权重、全局最优点扰动和飞行干扰因子,避免蝴蝶算法过早陷入局部最优,改善算法优化能力、收敛精度和速率,以提高含分布式光伏的综合负荷模型准确性。基于仿真数据的对比验证表明,与常用算法相比,文章所提出的算法在计算精度和收敛速率等方面均有提高,具有较好的实用性。利用实际短路试验数据对SLM-DP的模型参数进行了辨识验证,证明了所提方法的有效性和可行性。

改进蝴蝶算法求解多维复杂函数优化问题

针对蝴蝶优化算法存在的问题,提出一种融合差分变异策略并根据进化代数自适应调整权重的蝴蝶优化算法.首先,在全局搜索阶段引入非线性惯性权重改善蝴蝶位置更新公式,自适应调节算法在不同进化时期的搜索范围和粒度,提高算法的收敛速度与寻优精度;然后通过加入F分布全局自适应随机变异对全局公式进一步改进,提升算法的全局探索遍历性,防止出现低精度早熟现象;最后在局部搜索阶段融入具有判定系数和扰动因子的双向差分变异策略,在不减损种群多样性的同时使蝴蝶个体的探索更具方向性,有利于算法摆脱局部极值点,加快收敛速度.理论分析证明了改进算法的时间复杂度与基本蝴蝶优化算法一致,6种代表性对比算法在CEC 2017基准函数上进行的多种维度测试结果表明,改进算法在求解高维复杂函数优化问题时收敛速度和寻优精度明显优于其它对比算法,维度变化对求解性能的影响更小,寻优性能更好更稳定.

基于改进蝴蝶算法的冷热电联供微网日前优化调度研究

冷热电联供型微网对实现能源可再生发展和构建低碳社会有着重要意义,针对内部设备种类众多和复杂的能量耦合关系带来的系统经济性变差的问题,本文提出了一种基于经济性最优的调度策略。首先建立了包含可再生能源、储能设备、微型燃气轮机和吸收式制冷机的冷热电联供微网模型,充分考虑了分时电价对系统运行的影响,以系统运行成本为目标函数,构建了经济最优模型。通过反向学习策略和柯西变异对传统蝴蝶算法进行改进,提高了算法的寻优精度。以传统调度策略作为对照,通过对算例的求解,结果表明:所提调度策略不仅能有效降低运行成本,还能对系统内新能源进行有效消纳,减少了弃风弃光现象。

基于反向扩散灾变和精英增强进化的自适应蝴蝶算法求解MFCAP问题

针对工业实际中设施物流交互点与其靠过道边线中点存在不重合的情况,提出一种考虑设施左右镜像情况的过道布置问题(MFCAP),建立该问题的整数规划模型,并提出一种适用于MFCAP的改进离散蝴蝶优化算法。该算法在标准蝴蝶优化算法的基础上对编码方法和相关操作进行离散化构造,通过自适应模式切换概率提高算法的搜索速度,采用精英增强进化、反向扩散灾变等方法提高算法的搜索精度。为验证所提模型的正确性,采用分支定界法和改进离散蝴蝶优化算法对小规模MFCAP算例进行精确求解。为验证所提算法的有效性,将改进离散蝴蝶优化算法与其他启发式算法在较大规模算例中的求解结果进行对比。结果表明,所提改进离散蝴蝶优化算法在应用于MFCAP时具有较高的寻优质量和寻优效率,是求解MFCAP问题的一种有效方法。

柯西变异和自适应权重优化的蝴蝶算法

针对基本蝴蝶优化算法(Butterfly Optimization Algorithm,BOA)存在的收敛精度较低、容易陷入局部最优解的问题,提出柯西变异和自适应权重优化的蝴蝶算法(Cauchy variation and adaptive Weight Butterfly Optimization Algorithm,CWBOA)。通过在全局位置更新处引入柯西分布函数进行变异,在局部位置更新处引入自适应权重因子,改进了蝴蝶算法的局部搜索能力;并且引入动态切换概率p来权衡全局探索与局部开发过程的比重。改进的算法通过对多个单峰、多峰和固定测试维度的函数进行求解,结果表明,CWBOA对大多数测试函数有更好的求解精度、速度和稳定性。

基于自适应扰动的疯狂蝴蝶算法

蝴蝶优化算法作为新提出的自然启发算法,其寻优方式模拟了蝴蝶利用嗅觉来确定花蜜或交配对象位置的行为。针对蝴蝶优化算法求解精度不高和收敛速度慢等问题,提出一种基于自适应扰动的疯狂蝴蝶算法(CIBOA)。首先,在自身认知飞行部分引入自适应惯性权重,平衡算法的局部与全局搜索能力;其次,在全局最优位置引入扰动策略,避免算法陷入局部最优;最后,在花蜜位置引入疯狂因子以增加种群多样性,获取更好的最优解。通过八个基准函数对五种算法搜索性能在10、30和50维的情况下进行对比分析,仿真实验结果表明改进算法的综合表现要优于其他算法。