基于Beta分布的最经济过程均值及检验规格限的确定

100%检验是对生产方和顾客都提供保护的一种检验方法,在工业生产或过程决策中起到非常重要的作用。考虑许多实际过程输出分布非正态的情况,本文以B eta分布作为过程输出分布,结合不对称二次质量损失函数,以生产方和顾客整个系统的损失最小为前提,提出最优检验策略。在全检决策中,建立了确定最优检验规格限及过程均值的经济模型。灵敏度分析反映了各参数对检验方案、最优过程均值确定及总损失的影响。数值计算结果说明本文所提模型对改进过程输出质量是有效的。

改进的粒子群算法及在数值函数优化中应用

为提高粒子群算法的优化能力,提出了一种改进的粒子群优化算法。在该算法中,采用Beta分布初始化种群,采用逆不完全伽马函数更新惯性权重,在速度更新式中,引入了基于差分进化的新算子,对于粒子的越界处理,采用了基于边界对称映射的新方法。以50个不同类型的数值函数作为优化实例,基于威尔柯克斯符号秩检验的测试结果表明,该算法明显优于普通粒子群优化算法、差分进化算法、人工蜂群优化算法和量子行为粒子群算法。

粒子群优化算法的改进及数值仿真

提出一种改进的粒子群优化算法,该算法采用使全局探索与局部开发合理平衡的方法,降低了粒子群优化易陷入早熟收敛的可能性.先用Beta分布初始化种群,再用逆不完全Γ函数更新惯性权重,然后基于差分进化的新算子实现速率更新,最后采用基于边界对称映射的方法处理粒子的越界.数值仿真结果表明,改进算法明显优于普通粒子群优化算法、差分进化算法、人工蜂群优化算法和蚁群优化算法.

风电场并网运行的无功补偿优化问题

风电场的功率输出具有很强的随机性,对风电场运行后的无功优化和系统稳定性问题进行了探讨。采用基于约束规划的无功补偿模型,提出基于随机模拟技术和Beta分布的粒子群优化解算方法。论述了Beta分布的粒子群算法的关键实施技术(Beta分布函数、初始可行解的产生策略、粒子的更新策略)及具体优化解算过程,并采用风电场并网运行的无功补偿优化及风电场并网运行的稳定性校验实例,表明该模型能满足可靠性和经济性条件下风电场所需的补偿容量,所采用的解算方法效果好。

引入改进鸽群搜索算子的粒子群优化算法

随着迭代计算过程的推进,标准粒子群算法后期容易出现收敛速度较慢、精度较低、早熟及开发探索能力较弱等问题.针对上述不足,文中提出引入改进鸽群搜索算子的粒子群优化算法,采用Beta反向学习策略进行种群的初始化,实现种群粒子分布的多样性.首先采用线性和非线性变异策略改进鸽群算法中的地图罗盘算子,提高鸽群算法的开发和探索能力.然后采用改进后的组合优化鸽群算子更新粒子群中粒子位置和速度,提高收敛速度和计算精度,避免算法陷入局部最优.实验表明,文中算法提高收敛计算速度,精度达到函数设定的理想值.