蚁群算法及其在搜索土坡滑动面中的应用

介绍了一种新的解决优化问题的连续型蚁群算法,它具有简单易实现且计算效率高等特点,特别适用于复杂工程优化问题。土坡潜在滑动面的搜索可变成一个典型的复杂连续函数优化问题。最后,通过一个典型算例进行验证,并与遗传进化算法比较表明,本算法的计算效率较高。

基于连续蚁群优化算法的输变电设备检修决策模型

随着智能电网建设工作的推进,大量包括电力电子技术、可再生能源、微网等智能化因素将不断纳入电网中,电网的不确定性因素及其可能产生的影响不断扩大,这将对输变电设备检修工作带来新的挑战。综合考虑输变电设备检修工作的经济性和可靠性,以输变电设备检修费用最小化、可用输变电容量最大化为优化目标,建立输变电设备检修优化决策模型;在此基础上,提出一种利用改进高斯函数反映人工蚂蚁搜索过程中信息素浓度变化情况的连续蚁群优化算法,并将其应用于输变电设备检修优化决策模型求解中;最后,利用IEEE 30节点标准系统验证模型和算法的有效性。

基于CACO算法的结构多损伤识别

结构多损伤识别是结构健康监测领域的一个具有挑战性的研究课题,数学上,它通常可以转化为连续函数的约束优化问题。介绍连续优化蚁群算法(CACO)的基本原理、从离散ACO到CACO的实现、寻优路径的构建、以及信息素更新和挥发的数学建模,尝试探寻将CACO算法应用于结构多损伤识别问题的可行性并进行数值仿真和实验研究。通过两层刚架多损伤数值仿真以及三层建筑框架结构4种损伤的实验研究,结果表明:采用CACO算法对结构多损伤进行识别不但能够准确定位结构多损伤,而且还可以有效识别其损伤程度。由此可见,CACO算法应用于结构多损伤识别的效果是显而易见的。

非均匀阵元噪声条件下的近场声源定位

针对常规定位方法在空间非均匀高斯噪声背景下近场声源定位性能下降的问题,基于平面阵建立了近场声源信号模型,推导了空间非均匀阵元噪声条件下求解声源方位和距离信息的最大似然定位方法,并使用连续空间蚁群优化算法,解决了该最大似然方法在多维参数空间搜索的高运算复杂度问题,通过仿真实验验证了该方法的可行性和有效性.仿真实验表明,该方法估计精度较高,在低信噪比下方位和距离均方误差都小于常规最大似然方法,并且在高信噪比条件下方位和距离的均方误差都逼近克拉美-罗界.

城市交通流量预测模型的研究

城市交通流量预测是具有社会价值的重要课题之一。由于城市交通流量预测涉及到一个复杂的非线性数据模式,因此精确预测的难度较大。为此,提出将支持向量回归模型(SVR)和连续蚁群优化算法(ACO)相结合对城市短期交通流量进行预测的思路。仿真结果表明,与常见的季节自回归滑动平均时间序列模型的预测方法相比,该模型能得到更准确的预测结果。