基于二进制莱维风驱动算法的船舶岸电系统并网故障诊断方法研究

针对船舶岸电无缝并网过程中出现的过流和继电保护误动作等问题,提出了一种基于改进二进制风驱动算法的船舶岸电并网故障诊断方法。分析船舶岸电系统的继电保护方案,在继电器、断路器拒动/误动条件下研究多种继电保护之间的状态关系及其对岸船电力系统的综合影响。选取适合船舶岸电电力系统故障诊断的数学模型,并利用改进的二进制风驱动算法对模型进行求解。最终,通过故障算例验证了该模型的合理性和改进算法的可靠性。

基于改进风驱动算法的摄像机标定优化方法

为进一步提高摄像机参数标定的准确率,提出一种基于改进风驱动算法的摄像机标定优化方法。将摄像机内参作为空气微团的位置矢量,将标定结果的重投影误差作为空气微团的适应度值,通过迭代寻找适应度值最小的解。针对基本风驱动算法中固有参数的设置问题,通过引入协方差矩阵自适应进化策略自动确定。将该方法与张正友标定法、基于粒子群算法的标定法和基于基本风驱动算法的标定法作比较,实验结果表明,改进算法优化标定的摄像机内参精度更高,具有更快的收敛速度和更好的稳定性。

考虑人因的多目标拆卸线平衡问题及改进风驱动算法求解

考虑实际中拆卸生产线长期依赖人工操作的情况,以工作站数目、空闲时间均衡指标、拆卸成本和站姿操作工位数为目标函数,构建了考虑人因的多目标数学模型,并运用改进风驱动算法求解。通过离散风驱动算法建立拆卸任务与空气质点驱动的对应关系,采用变邻域搜索扩大空气质点的搜索空间;为保证求解结果的多样性,引入Pareto解集和拥挤距离机制筛选多目标解,并用不同规模算例对所提算法进行测试,通过与其他算法进行对比验证了算法的可行性和有效性;将该算法运用到考虑人因的打印机拆卸线平衡问题中,验证了考虑人因的拆卸方案更具合理性和优越性。

基于风驱动算法的锅炉NO_x排放模型优化

为了准确地预测电站锅炉的NO_x排放量,以某300 MW亚临界循环流化床锅炉为研究对象,利用自适应风驱动优化(AWDO)算法和极端学习机(ELM)进行综合建模,并根据不同工况下现场收集的样本数据检验该模型的预测能力;将该模型的预测值与基本极端学习机、差分进化算法、粒子群算法和基本风驱动算法优化的极端学习机模型预测值进行比较.结果表明:AWDO算法可以更好地找到优化参数,该算法优化的极端学习机模型具有良好的预测精度和泛化能力,可以准确、有效地预测电站锅炉的NO_x排放量.

基于风驱动算法的机会阵雷达波束图综合

针对机会阵雷达阵列分布随机性所带来的高旁瓣问题,本文基于一种新兴的群体迭代启发式风驱动优化,提出了一种具有最小阵元间距约束的直线型机会阵雷达波束形成方法.首先建立了信号模型和目标优化函数,然后将初始种群限定在去除阵元间距后的阵列孔径中,优化最大旁瓣电平.仿真表明:与传统粒子群算法和遗传算法相比,在满足最小间距的约束条件下,所提算法具有更低的旁瓣电平.

基于改进风驱动算法的非等间距直线阵综合

针对风驱动优化(WDO)算法在解决非等间距直线阵方向图综合问题时收敛精度不高和局部寻优能力不足等缺陷,提出一种小波变异风驱动优化(WDOWM)算法,其中的小波变异算子采用随机化思想丰富了种群多样性。应用该算法综合不同数目阵元到非等间距直线阵方向图实例中,采用二阶多因素多水平的均匀设计方法确定算法参数组合。仿真结果表明,在要求低旁瓣电平和给定方向零陷的情况下,该算法的收敛精度和收敛速度均优于基本风驱动优化算法;与采用粒子群(PSO)算法优化此问题的已有文献相比,所提算法综合的效果更佳。仿真结果说明了所提算法性能良好,适用于天线阵综合问题。

混合策略改进的风驱动优化算法

为解决风驱动优化算法存在的易陷入局部极值及收敛性差等问题,提出一种混合策略改进的风驱动优化算法。首先,使用Tent混沌映射初始化种群,增加初始个体的多样性;其次,引入柯西变异策略,扩大算法搜索范围,增强算法搜索能力并加速算法收敛;然后,利用反向学习策略生成新的全局最优解,提高算法逃离局部极值能力;最后,针对6个基准测试函数进行仿真实验,结果表明,所提算法收敛速度和精度均优于其他算法。

基于风驱动优化算法WDO的PID参数优化

鉴于PID控制器的优越性,其在工业控制领域中的引用越来越广泛。PID控制器的性能主要在于其参数优化设计,PID参数优化问题一直是研究热点。为了解决PID参数优化问题,提出了一种基于自然启发的风驱动优化算法(WDO)的PID优化控制方法,该算法以PID三个参量为控制对象,以误差绝对值和控制输入平方项的时间积分作为优化目标,经过迭代寻优计算得到系统最优控制量。通过计算机仿真,并与遗传算法和粒子群算法PID参数优化相比,结果表明:该算法提高了系统的控制精度、响应速度和鲁棒性,为控制系统PID参数整定提供了参考。

基于改进风驱动优化算法的稀疏阵列旁瓣抑制方法

针对阵列稀疏通常会引起波束方向图旁瓣电平抬高的问题,本文提出了一种基于改进风驱动优化算法和凸优化的稀疏阵列旁瓣抑制方法。该方法首先针对传统的风驱动优化(Wind driven optimization,WDO)算法缺少普遍适用的参数设置方案,提出了一种结合高斯分布的改进风驱动优化算法。将半圆阵方向图的峰值旁瓣电平作为目标函数,采用改进的WDO算法作为全局优化算法来优化阵元位置,同时采用凸优化算法作为局部优化算法来高效求解有效阵元的最优加权系数,确保了阵元位置和权值的理想匹配。仿真结果表明,在稀疏阵列阵元数一定的情况下,算法可有效降低旁瓣水平,具有更好的全局寻优能力和更快的收敛速度,为稀疏阵列的旁瓣抑制提供了有效的优化设计方法。

D2D中基于风驱动的功率控制算法研究

D2D通信用户通过复用信道大幅提升蜂窝网络频谱利用率,同时也带来了速率、干扰等问题。针对D2D功率控制问题,提出一种基于风驱动的功率控制算法,在干扰可控的范围内最大化系统整体吞吐量。首先为每个D2D用户以匈牙利算法分配最优频谱资源,然后利用风驱动算法优化蜂窝用户及D2D用户的发射功率,提升小区吞吐量。仿真结果表明,在保证用户最小速率要求的基础上,相比于随机接入算法、常规风驱动算法系统吞吐量分别平均提升了16%和7%,并保证了蜂窝用户的服务质量。

基于Levy飞行机制的风驱动优化算法

针对风驱动优化(Wind Driven Optimization,WDO)算法易陷入局部最优的问题,提出了一种基于Levy飞行机制的风驱动优化算法(Wind Driven Optimization based on Levy flight,LWDO)。Levy飞行独特的随机游走行为能够有效提升算法种群的多样性、扩大搜索范围,在风驱动算法空气质点初始位置更新完成后采用飞行概率选择性的对质点进行Levy飞行,可有效提高风驱动算法的种群全局搜索能力。最后,采用不同维度测试函数分别对原始风驱动优化算法、小波变异风驱动优化算法及LWDO算法进行比较。实验结果表明,在求解全局最优时LWDO算法能够及时跳出局部最优点,其寻优效率、寻优速率和算法稳定性都优于其他两种算法,尤为适合多峰值函数的迭代求解。

一种基于量子风驱动优化算法的移动机器人路径规划

针对移动机器人路径规划过程中算法效率低、在复杂环境中自适应能力差、容易陷入局部最优的问题,将风驱动优化算法应用到路径规划中。首先使用包围点算法确定围绕关键障碍物的一组栅格点,在基于包围点算法生成初始路径后,使用量子风驱动算法对生成的路径进行优化。将风驱动优化算法与量子蝙蝠算法和量子粒子群算法分别在10张地图中进行测试,由测试数据可以看出量子风驱动算法在路径长度和算法效率上都优于其他两种算法。最后将3种算法应用到移动机器人中,风驱动优化算法的优势性与地图测试结果一致。

风驱动-差分进化混合优化算法设计及其性能分析

由于存在前期收敛过快而易陷入局部最优、后期多样性不足导致收敛速度变慢等缺陷,风驱动优化算法对多峰函数往往不能获得全局最优结果。针对这类问题,提出两种风驱动-差分进化混合优化算法,其一是将差分进化算法与风驱动优化算法过程并行,通过比较二者之间的适应度值实现全局优化;其二为将差分进化算法的优化算子嵌入风驱动优化算法的迭代寻优过程,通过增加整个种群的多样性提高全局优化能力。首先设计两种混合优化算法的流程,然后选用八个标准函数测试其性能,并以MATLAB编程运行。验证结果表明,两种风驱动-差分进化混合优化算法的各项评价指标显著高于其他四种优化算法。

基于Lévy飞行的风驱动优化算法

针对风驱动优化算法易陷入局部极值的缺陷,本文提出一种基于Lévy飞行的风驱动优化改进算法。改进算法使用Lévy分布对迭代搜索到目前为止的最优空气质点进行随机扰动,扰动结果作为被选择变异的空气质点的更新位置,此策略充分利用Lévy飞行频繁的短距离局部搜索与偶尔较长距离游走的特性,加快算法局部搜索速度和引导算法跳出局部极值。在对10个测试函数的性能分析实验结果表明,改进算法的寻优性能较WDO、AWDO、GWDO、PSO、GA、FPA等算法有显著提升,从而验证了所提改进策略的有效性。

多策略融合的改进风驱动优化算法

针对风驱动优化(WDO)算法易陷入局部最优值的问题,将Tent混沌映射、参数自适应调整及小波变异等策略融入WDO算法中,提出了一种多策略融合的改进风驱动优化(MFWDO)算法。首先,利用Tent混沌映射完成种群初始化,以增加种群个体的多样性;其次,引入动态因子对WDO算法中的固有参数进行自适应调整,以加快算法的收敛速度;最后,对每代最优粒子进行小波变异,以更新种群中较差个体的位置,使算法跳出局部最优,从而提高算法的全局搜索能力。由9个标准测试函数的仿真实验结果可知,MFWDO算法的求解精度和收敛速度较其他算法明显提升。通过对压力容器、焊接梁等工程优化问题进行实验,进一步验证了MFWDO算法的有效性和优越性。

具有强开发能力的风驱动优化算法

风驱动优化算法是一种新兴的基于群体的迭代启发式全局优化算法。针对风驱动优化算法易陷入局部最优值的问题,实现了5种带有不同变异策略的风驱动优化算法,这些变异策略分别是小波变异策略、混沌变异策略、非均匀变异策略、高斯变异策略以及柯西变异策略。应用不同变异策略的风驱动优化算法对不同维度的经典测试函数进行了仿真实验,并与粒子群优化算法进行了比较。实验结果表明,小波变异风驱动优化算法具有较强的开发能力,可有效跳出局部最优,其寻优速率、收敛精度及算法稳定性均优于粒子群优化算法、风驱动优化算法和其他改进算法。

风驱动优化算法

风驱动优化(wind driven optimization,WDO)算法是一种新兴的基于群体的迭代启发式全局优化算法.该算法是对物理学中大气运动的简单模拟,其概念清晰,高效易实现,且可调参数较少,鲁棒性强,寻优效率高,全局搜索能力较强,适用于解决多维和多模态问题,可以处理连续和离散优化问题.文中首先介绍了该算法的物理学基础,以及基本原理,并给出一些应用实例,最后对内容做出总结,并对该算法未来的研究提出了一些建议.

基于模拟退火和历史存档融合的风驱动优化算法

为了解决风驱动优化算法处理多峰值问题时陷入局部最优而无法成功脱困,并且不能取得全局最优解,提出基于模拟退火和历史存档的算法融合改进策略。当风驱动优化算法陷入局部停滞状态时,采用模拟退火改进策略通过以概率作为接受新状态的方法,可以有效避免搜索陷入局部最优的问题,提高算法取得全局最优解的能力。当算法陷入长时间的周期迭代且无法进一步取得最优解时,采用历史存档改进策略变异一定百分比的种群,使算法改进后具有跳出局部最优解的能力。通过实验结果表明,基于模拟退火和历史存档的风驱动优化算法与粒子群算法、标准风驱动算法相比,全局搜索能力更强、收敛速度更快、精度更高、寻优能力更佳。

基于多种群风驱动优化算法的PID参数整定

针对标准风驱动优化算法容易收敛到局部最优和未成熟收敛的问题,提出了一种多种群风驱动优化算法,并将其用于PID控制器的参数整定。该算法将PID控制器的比例、积分和微分参数作为空气微团的位置矢量,以ITAE指标作为算法的适应度函数,通过多个种群协同搜索,寻求解空间中适应度值最小的位置。通过实验仿真,并与基于标准风驱动优化算法、基于遗传算法和基于粒子群算法的PID参数整定相比,该算法在收敛速度、收敛精度等方面均表现出更好的性能。

环网-辐射形船舶混合配电网络的Levy风驱动故障定位

为了使船舶混合配电网络在发生故障时能更为准确、迅速地定位故障状态及元件,在分析配电网结构特点的基础上,提出一种基于改进风驱动算法的故障定位方法.采用Levy飞行策略改进传统风驱动算法的更新过程兼顾了收敛性,提升了算法的全局寻优能力;同时,引入权重系数以抑制Levy飞行路径过长而引发越过最优解范围的缺陷.通过构建环网-辐射形船舶电网模型,在考虑继电器、断路器拒动/误动条件下,模拟配电网络发生的多点故障.利用基于Levy飞行策略的改进风驱动算法对故障模型进行优化求解,仿真结果说明:Levy风驱动算法具有更高的收敛精度和更快的收敛速度,能有效地定位故障元件.