改进的小生境粒子群优化算法

传统的小生境粒子群优化算法(NPSO)需要两个参数的输入,一个是判断子群合并的阈值,另一个是子群产生的阈值。参数设置的不当,将直接影响计算结果。引入一个函数判断两个点是否在同一座山峰上,以克服NPSO算法需要输入参数的弊端。在程序运行时,无须严格限定小生境的半径,也不需太多的先验知识。实验结果证明,该算法合理有效,能够能快速有效地找到多峰函数的全局最优点。

小生境粒子群算法在多信号DOA估计中的应用

多重信号分类(Multiple Signal Classification,MUSIC)算法是波达方向(Direction of Arrival,DOA)估计领域中的经典算法之一,但其谱峰搜索过程的巨大计算量降低了算法的实时性。经典进化算法虽能降低搜索时间,却仅能搜索到一个解,当存在多个入射信号时便无法搜索全部解。为了解决该问题,在粒子群算法的基础上,借鉴小生境思想提出了小生境粒子群算法,利用顺序聚类算法将粒子划分到不同的小生境,并根据小生境的迭代数选择不同搜索策略,兼顾了搜索广度和深度。仿真结果表明,改进粒子群算法在进行多谱峰搜索时能大幅降低搜索时间并搜索到全部解,与同类算法相比具有更高的精度和较少设置参数,其精度可以达到10^(-3),用时可以达到网格搜索的1/7000,在基于MUSIC算法的多个信号DOA估计中有重要的应用价值。

含风电场的输电网运营效率评估

针对传统含风电场的输电网运营效率评估体系中存在的指标冗余和评估结果准确性较差的问题,首先引用相关性分析法去除相关性较强的指标,随后运用组合权重法合理赋权突出主导因素,从而筛选精简出含有11个代表性极强的指标的合理的评估指标体系,由此构建出模糊神经网络综合评价体系。然而模糊神经网络在训练参数时收敛速度较慢且容易陷入局部最优解,因此文中在对比分析了梯度下降法、粒子群算法及小生境粒子群(NPSO)算法的收敛速度和精度后,选择具有最优收敛性能的NPSO算法求解最优参数并更新到神经网络中。测试数据表明,实际输出和预测输出的契合度很高,最终针对甘肃省L市、T市和B市2011—2016年的输电网运营效率进行评估与分析。