解析法-Nelder Mead单纯形算法确定太阳电池参数

光伏发电系统的设计计算、性能评估及优化控制要求快速、准确的确定太阳电池模型参数。针对太阳电池单、双二极管模型参数辨识问题,该文提出一种基于解析法和Nelder Mead单纯形法重启策略的A-bcNM混合算法。先用实测I-V曲线上的部分关键点计算合成参数,再以单二极管模型近似解析式快速定位搜索始点,最后在边界范围内利用Nelder Mead单纯形算法的重启策略最小化实测数据与模拟结果之间的均方根误差,以提高拟合精度及参数解的质量。MATLAB环境下,利用2种典型太阳电池的实测数据对A-bcNM算法的有效性进行了测试和验证。与已有的其他算法相比,A-bcNM算法收敛速度快,计算量小,辨识精度高,可快速、准确的确定单、双二极管模型参数,为识别太阳电池的工作特性提供了一种有效方法。

基于Nelder-Mead单纯形法的改进量子行为粒子群算法

针对PSO算法搜索精度较低,并且在复杂多模态函数优化中,容易陷入局部极值的问题,提出了一种改进的量子行为粒子群优化算法。研究了该算法的基本原理、给出了算法流程并采用正交试验的方式获得了一套通用性较强的算法参数。并以CEC’13的28个测试函数作为测试集,采用Wilcoxon符号秩检验将NM-QPSO算法分别与PSO算法和QPSO算法的误差进行比较试验。试验表明:NM-QPSO算法在统计意义上优于传统的PSO算法和QPSO算法,并且在高维函数优化中,具有显著优势。

基于Nelder-Mead算法的插装阀AMESim仿真模型优化设计

详细分析二通插装阀的数学模型,建立其流量与进出口压差之间的关系,利用AMESim中的Hydraulic Component Design(HCD)库搭建二通插装阀的仿真模型。根据无导数的Nelder-Mead单纯形优化算法理论,借助Matlab对模型的结构参数进行优化。采用优化结果仿真得到的流量-压降特性曲线与期望特性曲线相当接近,验证了仿真模型的准确性和优化方法的有效性。

基于Nelder-mead单纯形法的改进人工蜂群算法研究

针对现有的人工蜂群算法(Artificial Bee Colony,ABC)在进化速度和求解质量方面难以兼顾的缺点,提出一种基于Nelder-mead单纯形法的改进人工蜂群算法(Nelder-Mead Simplex Method based Improved Artificial Bee Colony,NMSM-IABC)。在迭代过程中,该算法周期性地将单纯形算子得到的最优个体迁移到人工蜂群算法的蜂群中,或将蜂群中的最优蜜源信息迁移到Nelder-mead单纯形算法中。旨在ABC借助NM-SM提高局部搜索能力,NM-SM借助ABC跳出局部最优点,达到两者协同搜索。再者,为了进一步加快收敛速度,在ABC中采用一种改进的跟随蜂搜索策略,并对产生侦察蜂的关键参数进行灵敏度分析。最后,通过6个典型的多维测试函数对算法进行仿真测试。结果表明:提出的算法有效地避免了陷入局部最优,提高全局搜索能力和搜索精度,有较快的收敛速度,是一种较好的协同搜索算法。

Nelder-Mead算法中单纯形顶点的仿射独立性检验

本文在文献[1]的基础上,提出Nelder-Mead算法中单纯形顶点仿射独立性的递推检验方法,并对Nelder-Mead单纯调优算法提出改进.该算法保留了Nelder-Mead算法计算简便的优点,并且可保证单纯形各顶点的仿射独立性.文中给出了该算法在线性系统辨识中的应用示例.

基于Nelder-Mead单纯形算法的设计反应谱标定方法

规准谱形状的规定和参数的优化是设计反应谱标定的核心问题。Nelder-Mead单纯形算法是求解多参数优化问题的搜索算法,可解决多变量函数的最小化问题。该算法有极强的局部搜索能力,且不要求目标函数的可导性,因此被广泛地应用于工程领域。文中通过提取第一拐点周期、特征周期、平台值和衰减指数4个参数作为标定参数,利用MATLAB软件基于Nelder-Mead单纯形算法对设计反应谱进行标定,并论证了该算法用于设计反应谱标定的合理性和适宜性。以El Centro地震动结论和汶川地震的地震动记录的标定为例,对比了Newmark三参数法、双参数法、差分进化算法和Nelder-Mead单纯形算法的标定结果及误差。通过对比和分析发现,Nelder-Mead单纯形算法标定的反应谱计算简单、收敛速度快且更贴近实际的反应谱,误差更小。

基于谱方法和单纯形算法的一类偏微分方程参数反演研究

根据观测数据反演偏微分方程参数具有重要的应用价值。通过基于快速傅立叶变换的谱方法实现对偏微分方程快速高精度求解,与观测数据结合建立待优化的目标函数,再用带边界约束的Nelder-Mead单纯形优化方法进行参数反演。通过算例证实了算法的有效性。

圆度仪的调平和圆柱度误差评定

从圆柱度误差的测量要求和圆柱度误差评定搜索算法两个方面研究了提高测量精度的方法。为了减小圆柱度误差测量中的工件倾斜误差,设计并分析了两点垂直布局的调平方法;根据工件轴线的方向余弦,计算得到了两点调整的高度值,克服了手动调整存在的问题,实现了工件快速精确调平并提高了工件圆柱度的测量精度。由于圆柱度误差评定是对满足最小条件的圆柱轴线的搜索,文中针对Nelder-Mead单纯形法的收敛精度依赖于初始解和收敛速度较慢,提出了拟牛顿法和Nelder-Mead单纯形法相结合的联合算法来实现全局最优解的快速准确搜索。对经典测试函数的Matlab仿真及实际测量数据的应用表明,该联合算法能有效地提高收敛速度和收敛精度,其收敛速度提高了50%,收敛精度提高了1倍,从而提高了工件圆柱度误差的测量精度。

混合蜂群算法及其在混凝土坝动力材料参数反演中的应用

介绍了一种新颖的群集智能优化算法—人工蜂群算法(ABCA),同时为提高算法的搜索效率,引入Nelder-Mead单纯形算法,提出了一种用于材料参数反演分析的混合单纯形人工蜂群算法。将所提出的算法用于混凝土重力坝动力材料参数识别,建立了基于不完全模态测试数据动力材料参数识别的优化反演模型。算例分析表明,混合算法融合了两种算法的优点,具有收敛速度快、识别精度高等特点,是一种高效的系统优化和参数识别方法。

多模函数优化的改进花朵授粉算法

为了探讨花朵授粉算法(FPA)在解算多模函数优化问题中存在的不足,通过定义种群多样性及差异性指标,定性分析了FPA在多模复杂函数优化中的寻优缺点。基于模拟退火思想优化全局授粉过程,并利用Nelder-Mead单纯形搜索技术对花朵局部授粉进行重构,提出一种新的花朵授粉寻优架构。仿真结果表明,相对于基本的FPA、布谷鸟算法、萤火虫算法,改进花朵授粉算法能够有效避免陷入局部最优,具备优异的全局勘探和局部开采能力,对多模优化问题具有一定优势。

Czerny-Turner正交型光栅单色仪的波长校准

研究了Czerny-Turner正交型光栅单色仪的波长校准技术。结合单色仪的结构参数和特点,提出以符合光栅方程的正弦曲线作为仪器出射波长的校准方程,基于最小二乘法原理给出校准方程的拟合残差表达式,由于校准方程的非线性,应用二维Nelder-Mead单纯形法求解拟合残差的待定系数,建立了波长与光栅转角的精确表达式,并通过实验验证了该算法的准确性。结果表明,经过校准的单色仪波长定位精度小于0.1nm,比设计要求提高一个数量级。该方法在Czerny-Turner正交型光栅单色仪的波长校准过程中,应用简单,容易实现,只需稍加修改步进电机的控制程序,即可完成对仪器出射波长的快速实时校准,实用性强。

基于自回归条件持续期模型的疲劳驾驶研究

对实际驾驶实验中不同驾驶员的车速数据进行处理,得到车速变化持续期间序列,应用自回归条件持续期模型(ACD),讨论了车速变化持续期的相关性质,并对模型的可靠性做了评估.使用ACD模型为车速变化持续期时间序列建模,其优点是能够在不损失原始非等间隔时间序列特性的条件下,直接分析得到驾驶状态的时域微观性质.采用EACD(1,1)和WACD(1,1)模型对不同驾驶员的车速变化时间序列进行建模,结果表明:其具有较好的拟合程度,当实际期间小于条件预期期间,驾驶员的驾驶状态有变好的可能;当实际期间大于条件预期期间,驾驶员的驾驶状态有变差的可能.

求解药代动力学参数的自适应混合粒子群算法

针对传统方法具有初始值敏感和进化算法无法确定搜索范围等缺陷,将Nelder-Mead单纯形与粒子群算法相结合,提出了一种基于Nelder-Mead单纯形与粒子群算法的具有时变加速因子的自适应混合粒子群算法。将该混合算法用于血管外给药二室模型参数优化的实验之中。仿真实验结果表明,算法计算精度高而且鲁棒性强,是一种新颖的解决药代动力学参数优化的较好方法。

纳米级超细颗粒粒径的仿真测量方法-NM单纯形方法

本文基于光子相关光谱法,对实验数据采用NM单纯形方法来获取纳米级超细颗粒粒径。传统的积累分析法只对单一颗粒分布适用,而对多颗粒分布的非负约束最小二乘法及CONTIN方法等计算精度又太差。NM单纯形方法不仅适用于单一颗粒,而且适用于多颗粒分布,数值实验表明该方法大大提高了粒径测量的精确性。

顾及协方差阵的三维基准非线性变换

三维基准变换需要解算3个平移、1个尺度和3个旋转参数.顾及控制点坐标协方差阵时,根据最小二乘准则,导出了平移参数、尺度参数与旋转参数分别求解的计算公式和方法;通过引入重心坐标,将7个转换参数解算转化为先解算3个旋转参数,然后计算尺度与平移参数.采用单纯形法进行迭代计算旋转参数,避免了对目标函数进行复杂函数的求导运算,且对初始值依赖性小.最后通过实例验证了本文的方法.

K插值单纯形法核极限学习机的研究

针对核极限学习机高斯核函数参数选优难,影响学习机训练收敛速度和分类精度的问题,该文提出一种K插值单纯形法的核极限学习机算法。把核极限学习机的训练看作一个无约束优化问题,在训练迭代过程中,用Nelder-Mead单纯形法搜索高斯核函数的最优核参数,提高所提算法的分类精度。引入K插值为Nelder-Mead单纯形法提供合适的初值,减少单纯形法的迭代次数,提高了新算法的训练收敛效率。通过在UCI数据集上的仿真实验并与其它算法比较,新算法具有更快的收敛速度和更高的分类精度。

无线传感器网络最小测距误差估计定位算法

针对无线传感器网络的节点定位问题,提出一种分布式节点定位算法.算法通过构造未知节点到它邻居信标节点的测距误差之和的函数,并用Nelder-Mead单纯形方法计算该函数的最小值,以计算未知节点的坐标;通过使用时间轮机制来降低在迭代定位产生的累积误差.实验结果表明,用最小测距误差估计方法定位比用极大似然估计定位的平均定位精度高,使用时间轮机制可以有效降低迭代定位时产生的累积误差.

直接搜索算法在反演土壤湿度中的应用

本文主要讨论了直接搜索算法在合成孔径雷达(SAR)数据反演地表湿度中的应用。相对于其它确定性算法,直接搜索算法在计算时不需要目标函数的导数信息,避免了函数求导所引起的矩阵方程病态化。同时,该类算法计算量小,计算时间短,精确度高,适用于实时大运算量反演土壤水分。

基于改进的单纯形和微分进化的混合优化算法

在对微分进化算法DE进行分析的基础上,结合单纯形算法(NM),提出了一种基于DE和NM的混合算法DE-NM,该算法充分利用DE算法的全局搜索能力和NM算法的局部搜索能力,使得种群既保持了个体的多样性,同时也加快了收敛速度。通过与其他一些优化算法对比表明,DE-NM混合算法是求解优化问题的一种有效算法。

基于混合中心引力算法求解一类非线性双层规划问题

针对下层问题是一个关于下层变量的线性规划,而上层目标是任意函数的一类非线性双层规划问题,提出一种基于Nelder-M ead单纯形法的混合中心引力算法来求解此类问题.利用线性规划的性质处理下层问题,设计了一种混合中心引力算法.所提出的算法运用均匀设计方法产生初始种群.为了增强算法的局部搜索能力和加快收敛速度,将当前种群分成两个子种群,Nelder-Mead单纯形法更新精英粒子构成的子群,而中心引力算法更新普通粒子构成的子群,再将新产生的两个新子群重组.实验研究表明,本文提出的算法不仅能有效求解此类非线性双层规划问题,而且还可以获得高质量的全局最优解.此外,实验结果也表明本文提出的算法是稳定的,且实验结果优于相比较的算法结果.