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。

高速永磁发电机冷却流道结构双维度连续量子蚁群优化的温度场计算

以1台117kW高速永磁发电机为例,通过温度场计算分析和连续量子蚁群优化,对其冷却系统进行了优化设计研究。基于电磁分析确定的电机额定负载运行时的损耗分布,建立了电机内三维温度场分析模型,通过流体场与温度场耦合传热分析,得到了定子冷却流道内流体散热系数和温度的变化规律,并确定了电机全域三维温度分布。提出了轴向不等截面冷却通道结构,使电机内温度分布趋于均匀,并研究了流道高度和通道截面变化位置对电机内温度分布的综合作用影响。采用连续量子蚁群优化算法,建立了双目标函数双维度变量的流道优化设计数学模型,通过算法优化设计得到了定子绕组最高温度和轴向温差均为最小的流道结构方案。

基于连续蚁群算法融合的神经网络RFID信号分布模型

基于人工神经网络方法建立了RFID反射信号强度分布模型.该方法仅依赖数据,实施简单.为克服传统BP算法对初值敏感、易陷入局部极值的缺陷,引入一种连续的蚁群优化算法来确定多层神经网络的权值,该算法具有更强的全局搜索能力和效率.讨论了算法的基本理论和具体步骤,最后利用实际RFID设备采集的反射信号强度数据对算法进行测试,对理论信号模型和实际的建模结果进行了比较,并分析了算法的逼近能力和泛化能力.结果表明在考虑到不可避免的误差和扰动下,所提出的方法可以更好地建模RFID信号强度的实际分布,具有良好的性能.

基于信息素的自适应连续域混合蚁群算法

针对连续域混合蚁群算法(HACO)易陷入局部最优和收敛速度较慢的问题,提出了基于信息素的自适应连续域混合蚁群算法(QAHACO)。首先提出了一种新的解更新方式,对档案中的解进行信息素挥发,扩大了搜索范围,提高了算法的全局搜索能力,并且自适应地调整信息素挥发速率,更好地平衡收敛速度和收敛精度,其次采用了一种信息分享机制,将当前解与其他所有解的平均距离和当前解与至今最优解的距离相结合,进一步加快收敛速度。通过对测试函数进行仿真实验,结果表明,和连续域蚁群及其改进算法相比,QAHACO算法的寻优能力明显提高,寻优速度有一定的优势。

前馈神经网络连续二元蚁群训练模型

提出了一种用离散模型逼近连续模型进而求解连续域上的优化问题的蚁群优化算法Binary-ACO,并将Bi-nary-ACO与经典BP训练算法进行混合(LMBP和SDBP)应用于多层感知机的训练问题中,并在3个测试数据集上进行对比实验。实验结果证明单一蚁群优化算法作为一种通用的优化算法在前馈神经网络训练问题中的性能无法与经典的BP算法相比较,但是蚁群优化算法和BP经典训练算法结合的混合算法表现性能优良。两种混合算法(Bi-nary-ACO-sdbp和Binary ACO-lmbp)都获得了相当良好的解,特别是Binary ACO-lmbp这种算法不仅比单一的蚁群优化算法的性能上有相当的提高而且也优于经典的BP算法。

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。

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。

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.

An adaptive ant colony system algorithm for continuous-space optimization problems

Ant colony algorithms comprise a novel category of evolutionary computation methods for optimization problems, especially for sequencing-type combinatorial optimization problems. An adaptive ant colony algorithm is proposed in this paper to tackle continuous-space optimization problems, using a new objective-function-based heuristic pheromone assignment approach for pheromone update to filtrate solution candidates.Global optimal solutions can be reached more rapidly by self-adjusting the path searching behaviors of the ants according to objective values. The performance of the proposed algorithm is compared with a basic ant colony algorithm and a Square Quadratic Programming approach in solving two benchmark problems with multiple extremes. The results indicated that the efficiency and reliability of the proposed algorithm were greatly improved.