基于AMPSO算法的无人机任务分配问题研究

针对多无人机多目标任务分配问题,用一种改进的自适应变权重粒子群优化(AMPSO)算法寻找最优分配方案。涉及联盟组建的任务分配问题较为复杂,目前尚不能有效获得最优解。用分配优先权机制处理联盟成员剩余资源不确定的问题,并建立种群粒子和任务分配方案间的映射关系。通过仿真验证,用AMPSO算法可以快速获得多机多目标最优任务分配方案。

基于AMPSO算法的住宅区LID布设方案优化研究

针对海绵城市建设预算效用最大化问题,开展了住宅区绿地低影响开发(LID)设施布设优化研究。在住宅区暴雨洪水管理模型(SWMM)中确定LID加权的汇水区径流系数计算函数,以径流系数与经济成本为目标,采用改进的自适应变异粒子群算法(AMPSO)进行优化求解最优下凹式绿地与雨水花园的布设面积。在AMPSO算法中,对非最优粒子引入以种群多样性算子为参数的变异概率进行随机变异,对停滞的粒子进行初始化。将AMPSO算法应用于两种经典测试函数中验证了其在提高种群多样性与局部搜索能力表现上的优越性。将方法应用于南京市某海绵城市试点建设住宅区,结果表明:(1)绿地LID建设总预算897万元情况下,总体最优配比在小规模降雨下径流控制效果达到近50%,在中大规模降雨下能达到30%左右;(2)大规模降雨下,下凹式绿地设施布设应注意平均且较小规模降雨下占比更多,以引导严重积水流散;(3)绿地LID建设应注重各设施间搭配作用,海绵城市建设应注重LID设施布设与地下管网同步优化。方法优化结构合理,可供海绵城市建设中LID设施优化设计参考。

基于变分模态分解和AMPSO-SVM耦合模型的滑坡位移预测

滑坡是一种严重威胁危害居民生命财产安全的自然灾害,滑坡位移预测有助于预测滑坡等自然灾害.滑坡体监测数据的处理和预测模型的建立是滑坡位移预测的基础.针对当前时间序列分析中应用广泛的EMD、EEMD分解算法的缺陷,将具有严格数学理论支撑且分解个数可控的变分模态分解算法应用于位移时间序列分解,以获得滑坡位移子序列.将自适应变异粒子群优化算法(AMPSO)和支持向量机(SVM)相结合,构建AMPSO-SVM位移预测耦合模型.运用耦合模型对分解所得位移子序列分别进行预测,然后重构子序列预测结果得到总位移预测值.以三峡库区白水河滑坡XD1监测点为例,针对2007～2012年监测数据,设置不同情景以验证所提出预测模型的有效性及稳定性.实例分析表明,基于变分模态分解和AMPSO-SVM耦合模型对于滑坡位移的预测性能优于BP神经网络预测模型和网格搜索优化的SVM模型,在滑坡位移预测中有良好的理论基础及工程应用价值.

基于自适应变异粒子群算法的双馈风电机组等值建模

风电机组等值建模是风电并网研究的基础,文中提出一种基于自适应变异粒子群(AMPSO)算法的双馈风电机组等值建模方法。首先依据风力机型号进行机群划分,通过简化双馈风电机组控制策略,建立了双馈风电机组等值模型。根据模型中各参数对双馈风电机组运行特性的影响特点,将其分为暂态参数和稳态参数,采用收敛速度快、通用性强的AMPSO算法对稳态参数寻优,采用试测法辨识暂态参数。通过仿真,验证了所述等值方法精确、简便,适用于大规模风电场接入电网的分析计算。

基于改进的PSO算法的电力系统无功优化研究

电力系统无功优化是保证电力系统安全、经济运行的重要措施,粒子群优化算法(PSO)具有模型简单、收敛速度快、参数简洁等优点,但用于求解高维复杂优化问题时易陷入局部最优,针对此缺陷,在PSO算法的基础上提出了自适应随机变异粒子群优化算法(AMPSO),将该算法用于求解电力系统无功优化问题,并以IEEE30标准节点系统为算例进行验证。结果表明,与PSO算法相比,AMPSO算法有效降低了系统网损,显现出良好的全局收敛特性。

基于并行自适应变异粒子群算法的渗透系数反分析

针对基于粒子群技术的反演算法计算量大、耗时长的缺点,提出了一种并行粒子群算法。同时,为了克服粒子群算法容易陷入局部极小的早熟收敛问题,采用了自适应变异技术,以克服局部收敛,加快收敛速度。结合具体算例,分析了粒子群数目和处理器数目对加速比的影响。

基于自适应变异粒子群算法的船舶结构优化方法

[目的]由于船体结构的复杂性,传统优化方法容易出现陷入局部最优、求解速度偏慢的问题。[方法]基于自适应变异粒子群算法(AMPSO)、BP神经网络、遗传算法(GA),结合Isight/Nastran设计的正交试验方法,提出AMPSO-BP-GA结构优化方法,然后分别以十杆桁架和跳板结构的优化作为算例,验证所提优化算法的准确性和可行性。[结果]计算结果表明:在相同的约束条件下,经AMPSO-BP-GA方法优化后,十杆桁架结构重量为2272.1 kg,比其他方法优化后的结构重量更轻;跳板重量减少了33.3%,对比GA-BP-GA方法和PSOBP-GA方法分别减少25.4%和17.9%,显示AMPSO-BP-GA方法的优化效果更佳。[结论]AMPSO-BP-GA方法针对结构轻量化的优化效果更佳,可为船舶结构优化设计提供参考。