利用隔离小生境混合蛙跳方法联合估计波达方向和多普勒频率

为了高效准确地联合估计波达方向(DOA)和多普勒频率,提出了基于二维MUSIC谱和隔离小生境混合蛙跳算法的联合谱估计方法。首先,利用状态空间模型构造包含DOA和多普勒频率信息的广义可观测矩阵。然后,利用MUSIC算法和广义可观测矩阵构造联合估计的二维谱函数,将参数估计问题转化为多峰函数优化问题。最后,引入混合蛙跳算法(SFLA)并利用隔离小生境技术对混合蛙跳算法进行改进,使其适应于二维MUSIC谱多个极值的优化搜索,降低搜索计算量,得到DOA和多普勒频率的估计值。实验结果表明:在考虑信噪比为0dB的两个独立信号源的情况下,利用本文方法估计得到的DOA和多普勒频率的均方根误差分别为0.23°和0.005 5rad。该方法具有控制参数少、计算量小、参数自动配对等特点。

嵌入隔离小生境技术的混沌粒子群算法

针对标准粒子群算法(standard particle swarm optimization,SPSO)无法很好平衡全局与局部搜索能力,且收敛速度较慢、易于早熟收敛等问题,提出了嵌入隔离小生境技术的混沌粒子群算法(isolation niches em-bedded in chaos particle swarm optimization,INCPSO)。利用隔离小生境技术,保证了解的多样性,同时,引入混沌搜索策略,提高了解的搜索精度和收敛速度,且避免早熟收敛。仿真试验结果表明,与标准粒子群算法和只嵌入隔离小生境技术的粒子群算法(isolation niches particle swarm optimization,INPSO)相比,嵌入隔离小生境技术的混沌粒子群算法对复杂问题的求解能力较强,寻优性能较好。

基于隔离小生境粒子群算法的APF优化配置

随着非线性负载的广泛应用,传统负荷端分散的谐波治理方式弊端渐显。以中小型电网中有源电力滤波器的集中补偿配置为目标,设计一种基于隔离小生境粒子群算法的APF优化配置方法。建立了有源电力滤波器的优化配置数学模型,以节点电压畸变率均方根为目标函数,并使用罚函数处理约束条件。改进后的粒子群算法兼顾全局与局部寻优能力,避免陷入局部最优点。在阐述所提优化配置方法流程的基础上,IEEE算例分析表明该配置方法可以同时进行APF位置和容量的寻优,治理后系统各节点总谐波电压畸变率小于4%,谐波附加损耗降低90%以上,实现对单、多谐波源系统电能质量的有效治理。

隔离小生境遗传算法在配电网络重构中的应用

建立了计及电压、容量及负荷平衡等为约束的配电网络重构的数学模型。将隔离小生境技术与遗传算法相结合,提出了应用于配电网络重构的隔离小生境遗传算法。针对二进制编码不能有效反映配电网网络重构问题的结构特征,研究了染色体整数编码方式。通过对初始种群的隔离及子种群的独立进化,有效地解决了遗传算法的早熟收敛问题。算例中将隔离小生境遗传算法与传统遗传算法进行了比较,实验结果表明了隔离小生境遗传算法的可靠性及有效性,寻优的优点突出。

隔离小生境粒子群算法在地铁列车运行曲线优化中的应用

针对地铁列车运行优化指标过于单一的问题,提出了牵引-巡航-惰行-制动模式运行曲线的计算流程,综合考虑能耗、乘客舒适度、运行时间、停车精度等指标,用Fi(综合优化目标函数)值度量综合运行质量(其值越小表示越接近理想状态),并建立列车运行曲线的优化模型。结合粒子群算法和小生境技术,设计了应用于列车运行曲线优化的隔离小生境粒子群算法(INPSO)。结合实例仿真,利用INPSO优化模型,确定最优惰行末端速度,实现了高质量列车运行曲线的计算。其中INPSO优化后的Fi值实际只是基本粒子群算法优化结果的58.96%,效果显著,证明了INPSO寻优的有效性以及可靠性。

混合小生境遗传-模拟退火算法在动态交通分配中的应用

为了解决已有的动态交通分配模型普遍存在的优化计算时间过长,严重影响网络规模扩展的问题,提出了一种新的动态交通分配优化算法。将模拟退火和隔离小生境技术有机地结合起来,融入到遗传训练过程中形成了一种混合小生境遗传-模拟退火算法,不仅可以有效地避免传统遗传算法可能出现的不收敛现象,加快进化速度,具有更强的全局寻优能力,而且计算速度和算法稳定性也得到提高。将其与Papageorgiou M.提出的动态交通分配模型框架相结合,设计了动态交通分配的快速模拟优化算法,并进行了实例研究。仿真结果表明,新的优化算法显著降低了优化计算时间,大大提高了动态交通分配模型的实用价值。

典型小生境遗传算法原理与性能比较分析

针对传统遗传算法存在的早熟和不具备全局收敛性的不足,对近年来提出的小生境遗传算法进行研究.对几种典型的小生境遗传算法进行分析,并对各自的性能进行对比分析.

基于小生境遗传算法的离散变量结构优化设计

小生境技术的引入,提高了遗传算法处理多峰函数优化问题的能力。提出了基于隔离机制的自适应小生境技术,隔离小生境技术具有生物学基础,不仅能够有效地保证群体中解的多样性,而且具有很强的引导进化能力,针对简单遗传算法中的交叉与变异概率等不能动态地适应整个寻优过程,提出采用根据适应度调整交叉、变异概率并与小生境技术相结合的改进遗传算法。算例表明,该遗传算法对桁架结构的布局进行优化设计比较容易实现,简单、有效,可以产生很好的效益。

网络异常检测中一种隶属度函数优化的新方法

对遗传算法的特性进行了研究,在其基础上引入了隔离小生境技术和自适应机制,提出一种改进算法.改进后的算法更接近于实际的进化行为.能够提高优化性能.以网络流量为数据的异常检测实验仿真表明,改进的算法比传统的遗传算法更有效,能够提高异常检测的性能.

基于INTLBO-SVR的低压断路器热脱扣时间预测

热脱扣时间是低压断路器的关键指标,利用断路器生产过程中可检测数据可以实现热脱扣时间的预测。针对支持向量回归(SVR)进行热脱扣时间预测,参数的选择对预测的精度和泛化性能影响较大问题,提出一种基于隔离小生境教学算法(Isolated Niche Teaching-Learning-Based Optimization Algorithm,INTLBO)优化支持向量回归的热脱扣时间预测方法。该方法针对教学算法易陷入局部最优的缺点,采用隔离机制的小生境技术对其进行改进,然后利用INTLBO寻优找到最优的SVR参数。根据低压断路器生产历史数据,建立基于INTLBO-SVR的热脱扣时间预测模型。仿真结果表明,与TLBO-SVR和常规SVR等方法相比,INTLBO-SVR模型具有较好的预测性能。

基于改进遗传算法的给水管网最短路径求解

研究城市供水系统问题,为降低城市给水管网扩建成本,提高城市给水管网通过水质量的安全性,提高综合效益,研究了网络地理信息系统(WebGIS)中的遗传算法(GA),针对遗传算法在寻优过程中存在的问题,提出了一种隔离小生境自适应与遗传算法结合,设计自适应交叉函数和自适应变异函数,自适应调整交叉率和变异率策略,克服了简单遗传算法易陷入局部极小和早熟收敛的缺陷,并经过仿真表明,提高了算法的搜索效率、精度和稳定性,对于求解城市给水管网最短路径问题效果有明显的改进。

基于协方差矩阵重构的布谷鸟搜索DOA估计方法

针对二维平面阵列传感器的目标波达方向(DOA)估计方法准确性不高的问题,提出一种基于协方差矩阵重构的布谷鸟搜索DOA估计方法。首先对目标信号的协方差矩阵进行重构,由范德蒙分解定理建立迹最小化问题,通过改进后的隔离小生境布谷鸟搜索算法求解出迹最小化问题在空间内的多个最优解,最终得到准确的DOA估计值。仿真结果表明,所提出方法进一步提高了对多个目标进行DOA估计的准确性,具有更好的均方根误差(RMSE)性能以及对相邻目标的分辨能力,并且对于信号环境的适应能力有所提升。

一种改进免疫遗传算法及在异常检测中的应用

该文针对免疫遗传算法的不足,在分析其特性的基础上,引入了隔离小生境技术,改进交叉算子和变异算子,提出一种改进算法。在基于模糊关联规则挖掘的异常检测中采用本算法优化后的隶属函数,能够扩大正常关联规则集之间的相似度,缩小正常与异常关联规则集之间的相似度,提高异常检测的性能。通过以网络流量为数据的异常检测实验仿真对算法进行了验证。实验结果说明了该算法的可行性和有效性。