基于离散混合蛙跳算法的地震应急物资调度

建立震后应急物资调度数学模型。该模型根据各灾区的受灾情况评估其救援紧急程度,并设计一种需求拆分供应的运输机制,提高车辆的利用效率。为求解该模型,提出一种多源信息学习的离散混合蛙跳算法。所提算法引入多种信息源以扩展算法的搜索方向,降低种群的同化速度。同时,让子组最差个体学习种群中的有效信息,提高算法的收敛精度。实验结果表明,所提算法能够搜索到精度更优的调度方案,对问题规模具有良好的可扩展性。

自动确定边角混合网独立闭合差的增量算法

为评定外业观测数据质量和发现粗差,提出了一种闭合差搜索的通用算法。首先,针对高速铁路隧道中的各类边角混合网,基于平差理论,计算由边角混合网中测站数、非测站数和观测数确定其独立闭合差的数目,给出最简闭合差构成原则,求出余弦和正弦闭合差,推导闭合差限差计算模型,建立由闭合差探测观测值粗差的方法;进而导出闭合差增量与测站递增产生的重叠观测点数之间的数学关系式,设计数据结构实现测站与结点间双向多对多的拓扑映射关系,并基于分治思想,提出队列-测站双循环的增量算法来自动搜索最简且独立的闭合差;最后,以西南某高速铁路隧道构建的边角混合网为例进行算法验证。结果表明:增量算法能够在混合网中自动确定100%数量的最简独立闭合差,对观测值中存在的粗差100%予以探测,验证了采用该算法搜索闭合差及检核粗差的有效性。

基于圆弧样条参考路径的改进混合A^(*)泊车路径规划算法

在泊车空间狭窄的条件下,现有的基于混合A^(*)算法的泊车路径规划存在成功率低或规划速度慢等问题,为了解决这一问题,设计了一种改进混合A^(*)路径规划算法。通过将圆弧样条曲线作为参考路径,并以参考路径上的点作为混合A^(*)算法的目标点,进而搜索出成功泊入车库的路径。根据不同车位宽度进行了基于MATLAB的批量仿真测试,结果表明:改进后的混合A^(*)算法能够显著提高车辆在特定区域泊入车库的成功率,同时具有一定的规划效率。最后基于Prescan、Carsim和Simulink进行了联合仿真实验,验证了所设计算法规划的路径满足实车实验的跟踪要求。

基于近端策略优化算法的燃料电池混合动力系统综合价值损耗最小能量管理方法

为了降低市域动车组燃料电池混合动力系统运行燃料经济成本,提升燃料电池耐久性,该文提出一种基于近端策略优化算法的能量管理方法。该方法将混合动力系统能量管理问题建模为马尔可夫决策过程,以综合考虑燃料经济性和燃料电池耐久性的综合价值损耗最小为优化目标设置奖励函数,采用一种收敛速度较快的深度强化学习算法—近端策略优化算法求解,实现负载功率在燃料电池和锂电池间的合理有效分配,最后,采用市域动车组实际运行工况进行实验验证。实验结果表明,在训练工况下,所提方法相较基于等效氢耗最小能量管理方法和基于Q-learning能量管理方法,综合价值损耗分别降低19.71%和5.87%;在未知工况下,综合价值损耗分别降低18.05%和13.52%。结果表明,所提方法能够有效降低综合价值损耗,并具有较好的工况适应性。

局部阴影下基于GWO-P&O混合算法的光伏最大功率点跟踪

针对局部遮阴环境下传统灰狼优化(Gray wolf optimization,GWO)算法在跟踪最大功率点时P-U特性曲线出现多峰值、后期收敛速度慢、稳态精度低等问题,结合灰狼优化算法和扰动观察法(Perturbation and observation,P&O)各自的优势,提出了基于GWO-P&O的混合优化最大功率点跟踪(Maximum power point tracking,MPPT)算法。首先,采用灰狼优化算法逐渐向光伏的全局最大功率点靠近。其次,在灰狼优化算法收敛后期引入P&O法,既保持了灰狼优化算法较高的稳态精度,又能以较快速度寻找到局部最大功率点。最后,在不同环境工况下,将所提出的GWO-P&O方法与传统GWO算法进行对比。结果表明,改进的GWO-P&O算法在保证良好稳态性能的同时,一定程度上提高了GWO算法后期跟踪最大功率时的收敛速度。

基于改进的混合蛙跳算法WSNs分簇路由协议

针对基本蛙跳算法(Frog Leaping Algorithm,FLA)在无线传感器网络(Wireless Sensor Networks,WSNs)中的精度低、易局部最优和收敛速度慢的缺点,本文提出一种改进的混合蛙跳算法(Improved Hybrid Frog Leaping Algorithm,IHFLA)路由协议。IHFLA通过引入密度稀疏的精英子群策略和全局循环搜索策略,来提高算法的全局收敛性能和精度。实验表明,IHFLA能快速收敛到最优解,具有很强的获取高精度解的能力,能降低网络能耗,延长网络生命周期。

改进巴氏距离算法下混合级联直流输电纵联阻抗保护优化

为提高纵联保护在LCC-MMC混合级联高压直流输电系统中的鲁棒性,提出一种基于纵联阻抗和改进巴氏距离算法的高压直流输电纵联保护方案。该方案将巴氏距离算法与纵联阻抗保护相结合,对被保护线路首末两端电气量的差异进行量化,并通过量化后的数据,进行区内外故障的判定,然后基于能量函数构建了故障选极判据,保证了保护的可靠性;在此基础上,通过分形维数构建了改进的自适应滑窗,提高了保护的速动性。最后,基于Matlab与PSCAD/EMTDC平台建立了“白江工程”±800 kV LCC-MMC混合级联高压直流输电系统模型,并对所提改进后的保护方案进行验证。仿真结果表明所提保护方案能够快速可靠地判别区内外故障并正确完成故障选极,且有着较好的耐受过渡电阻能力。

带运输的混合流水车间调度问题的改进遗传算法

为实现分布式制造环境中上下游工序和机器间的协同生产,研究了带有运输的混合流水车间调度问题。以包含加工时间、运输时间和加工等待时间的完工时间最小为目标,建立了带有运输约束的混合流水车间调度模型,基于Q-learning设计了改进的遗传算法(QGA)求解该模型。在该算法中,首先基于工件序号设计编码和遗传算子等遗传操作;然后根据种群适应度函数构建种群的状态集合,以交叉概率和变异概率的取值作为动作,以最佳个体适应度和种群平均适应度作为奖励;最后采用Q-learning对交叉和变异参数进行智能调整,提高算法的收敛速度与全局搜索能力。仿真实验结果表明,与改进的遗传算法(GA-TS)相比,本文QGA的最大完工时间平均减少了2.0%,收敛速度提升了18.1%。

基于混合粒子群算法的波浪能发电集群优化方法

对波浪能发电集群的优化控制有助于波浪能的有效利用,为此文章提出了基于混合粒子群算法的波浪能发电集群优化方法。以直驱式发电装置为研究对象,探讨其构成发电集群短期尺度下稳定状态的数学模型,由简至繁依次考虑波浪动态压力、装置间辐射影响和遮挡效应,以便更准确地模拟一定密集度的波浪能发电装置部署下的实际效果。以集群功率最大化为优化目标,根据装置运动和海域能量约束,提出混合粒子群算法求解集群的最优参数,在传统算法基础上设定自适应惯性权重并加入交叉和变异操作,以应对复杂集群方程解空间的多峰性问题。算例结果验证了所述集群优化方法的有效性,求解质量良好;同时表明波浪能发电集群规模越大,装置之间的辐射影响越复杂,遮挡效应越明显。

混合整数优化问题的差分进化算法研究

为求解混合整数优化问题,提出了混合整数差分进化算法(Mixed Integer Differential Evolution,MIDE)。该算法结合整数变量的特点,为整数类型变量设计了专用的变异算子,使整数变量可以在差分进化算法中直接进化;为了维持种群多样性,采用了灾变策略;采用双编码方式,使整数变量与连续变量并行进化,进而提出了混合整数差分进化算法。通过与其它混合整数优化算法的比较,证明该算法具有较好的收敛速度、全局收敛性及算法稳定性等优点。

混合白鲸优化算法求解柔性作业车间调度问题

针对柔性作业车间调度问题(flexible job-shop scheduling problem,FJSP),提出一种混合白鲸优化算法(hybrid beluga whale optimization,HBWO)对其求解,旨在最小最大化完工时间。采用既定策略改进标准白鲸优化算法(beluga whale optimization,BWO),加快其收敛速度;基于机器选择和工序排序问题设计双层编码方案,解决FJSP离散化问题;采用主动编码及种群初始化策略,提高求解质量;基于工序的开始和结束时间确定关键路径和关键块,注重各工序时间维度;引入贪心思想至基于关键路径的混合变邻域搜索策略中,加大勘测搜索空间及减少无效搜索;此外,引入遗传算子防止算法陷入局部最优;通过35个标准算例的仿真实验与分析,证明了算法在求解FJSP问题中具有有效性。

基于动态混合遗传算法的配送路径优化

随着越来越多的突发性卫生事件爆发,人们对应急医疗物资的需求量与日俱增,但应急医疗物资配送效率低下等问题依旧存在。文中研究建立多配送点配送模型,该模型对多个应急医疗物资配送中心到多个配送点的配送路径进行有效地优化,并在计算过程中考虑客户时间窗与交通拥堵情况,达到提高客户满意度、节约成本、减少配送过程中所产生的碳排放量的目标,如同此类问题都归类为VRP问题(车辆路径规划问题)。在该模型的计算过程中采用动态混合遗传算法(DHGA),在改进的遗传算法中加入大规模领域搜索算法,解决遗传算法求解精确度过低、易陷入局部最优循环的缺点。最后将计算结果与传统遗传算法(GA)、粒子群算法(ACO)以及蚁群算法(ACO)进行对比,结果表明该算法相对于其他算法的各项指标都得到明显提升。

基于改进秃鹰优化算法的海上混合光伏波浪能转换器阵列优化

近年来,海上能源发电技术备受瞩目,一种新兴趋势是将波浪能转换器(wave energy converter,WEC)与海上光伏(offshore floating photovoltaic,OFPV)相结合,形成混合光伏-波浪能转换器系统(hybrid PV-wave energy converter,HPV-WEC)。HPV-WEC具有提高海上空间利用率,降低成本以及实现功率稳定输出等优势。为了充分利用HPV-WEC系统之间的协同效应,在不增加新设备的情况下提高能源产量,提出了一种基于改进秃鹰优化算法(improved bald eagle search algorithm,IBES)的HPV-WEC阵列布局优化策略。IBES结合了莱维飞行策略和模拟退火(simulated annealing,SA)机制,以平衡局部开发和全局探索之间的关系。为了评估IBES在优化HPV-WEC阵列方面的有效性,进行了5个浮标和8个浮标规模的阵列优化,并将IBES与其他5种算法进行了比较。实验结果表明,IBES表现出实现最大总功率输出并具有显著的收敛特性。

求解复杂混合流水车间调度的改进NSGAII算法

针对砂型铸造车间调度问题中同时存在单机处理、并行处理与批处理的情形,构建复杂混合流水车间调度问题并提出一种改进非支配排序遗传算法求解上述问题。首先,以最小化最大完工时间和总能量消耗为优化目标建立线性规划模型,针对工序特征提出启发式解码规则。其次,提出了基于非支配的交叉对象匹配机制提升可行解的多样性,提出了基于区域中心的贪婪变邻域搜索机制提升可行解质量。最后,对改进算法进行了仿真,证明了算法的有效性。

基于改进鲸鱼算法的混合储能系统容量优化配置

针对微电网中使用可再生能源的高随机性和间歇性等特征,提出了一种混合储能系统容量优化配置方法。该方法以混合储能系统成本最低、平抑可再生能源功率波动效果最优与电网联络线利用率最高为目标,通过建立混合储能容量优化配置模型并采用改进鲸鱼优化算法对所建立的模型进行求解得到最优混合储能系统容量优化配置。最终对比传统鲸鱼优化算法和传统粒子群算法来验证改进鲸鱼算法可以更合理地配置混合储能系统的容量,使可再生能源功率波动的平抑效果提高,同时也使微网联络线利用率变高,保证微电网可靠、经济地运行,进而实现资源的合理利用。

基于改进遗传算法的混合流水车间批量调度问题求解

针对多品种小批量混流生产模式中生产计划调度复杂的特点,提出解决批量问题的等量分批策略,实现工件在不同工序上同时加工,缩减机器等待时间;以最大完工时间为优化目标,建立混合流水车间批量调度问题数学模型;设计求解模型的改进遗传算法,使用NEH启发式算法和随机生成结合的方式生成优质初始解,采用二元锦标赛进行选择操作,采用二元交叉法进行交叉操作,采用插入变异生成新个体,并使用贪婪插入的领域搜索算法进行局部搜索,解码时采用“子批优先+先空闲先加工”策略。发动机连杆生产案例应用结果表明,混合流水车间批量调度问题模型与改进的遗传算法正确有效。

基于混合平衡优化算法的疫苗配送路径优化

针对疫苗配送路径优化问题,在同时考虑固定成本、运输成本、制冷成本、碳排放成本和惩罚成本的情况下,提出以疫苗配送成本最小化为目标的车辆路径优化模型。为求解模型,在平衡优化器算法中引入模拟退火算法,改进平衡优化器算法容易陷入局部最优的不足,通过加入可变参数,提升算法平衡全局搜索和局部寻优的能力,得到一个能够稳定求出较高质量解的混合平衡优化算法。对2种不同规模的算例分别进行20次实验,将混合平衡优化算法与并行平衡优化算法、知识型蚁群算法、混合变邻域搜索算法、改进混合粒子群算法和平衡优化器算法进行对比。实验结果表明,混合平衡优化算法在小规模算例和大规模算例下得到的最小配送成本和配送成本的标准差都小于其他5种算法,其中,在小规模算例下进行实验后得到的最小配送成本分别为其他5种算法的73.5%、53.9%、69.1%、64.1%和33.4%。

协同过滤下混合大数据无损挖掘算法研究

大数据具有大规模性、多样性以及价值性,由于海量数据间的较高相似度,导致数据挖掘过程易受冗余干扰,出现数据丢失、损坏等问题。为解决上述问题,提出基于协同过滤算法的混合大数据无损挖掘方法。对混合大数据集成预处理,去除冗余,将不同来源的相同数据无损融合。采用协同过滤算法的时间衰减函数,计算挖掘项目间相似性。在混合大数据特征关联度的约束下,实现混合大数据无损挖掘。实验结果表明,所提方法应用下,混合大数据量高达25000MB时,数据挖掘所需时间仅为45ms左右,且挖掘精度高达95%以上,数据挖掘结果与目标具有一致性。

基于梯度搜索与进化机制的多目标混合算法

多目标进化算法(MOEA)因其良好的全局探索能力备受关注,但其在最优值附近的局部搜索能力却相对较弱,且对于具有大规模决策变量的优化问题,MOEA所需的种群数量与迭代次数都十分庞大,优化效率较低。基于梯度的优化算法能够很好地克服这些问题,但梯度搜索算法很难应用于多目标问题(MOPs)。在加权平均梯度的基础上引入随机权函数,发展多目标梯度算子,将其与基于参考点的第三代非支配排序遗传算法(NSGA-Ⅲ)结合,发展了多目标梯度优化算法(MOGBA)和多目标混合进化算法(HMOEA)。HMOEA在保留NSGA-Ⅲ良好的全局探索能力的同时,极大地增强了局部搜索能力。数值实验表明:HMOEA对于各种Pareto阵面都具有优秀的捕获能力,与典型的多目标算法相比效率提升了5~10倍。进一步将HMOEA应用于RAE2822翼型的多目标气动优化问题中,得到了理想的Pareto前沿,表明HMOEA是一种高效的优化算法,在气动优化设计中具有潜在的应用价值。

混合遗传算法下电动汽车充电桩容量测试方法

由于接入电动汽车充电桩的负荷增多,导致充电线路过载,增加能量损耗,使得电网安全风险增高。为解决上述问题,提出基于混合遗传的电动汽车充电桩容量测试方法。分析车辆运行机制、电池特征、充电方式等因素对充电桩容量的影响,计算车辆充电定点需求与路径需求,设置合理的约束条件;将充电桩容量看作一个满足多个约束条件的可行空间,在满足发电容量、功率平衡、潮流平衡、电压稳定等约束条件下,构建容量测试模型;针对遗传算法收敛速度慢的缺陷,使用粒子群算法对其改进,通过个体寻优过程求解模型,获得测试值。实验结果表明,所提方法在峰荷、腰荷和基荷场景下的测量结果与真实值基本一致,且测量耗时低于6s,算法收敛速度快。