基于PSO-BBO混合优化算法的动态经济调度问题

动态经济调度(Dynamic Economic Dispatch,DED)问题是电力系统运行与控制领域比较经典的多变量、非线性、强约束优化问题。为解决该问题,提出了将粒子群优化算法(Particle Swarm Optimization,PSO)和基本生物地理学优化算法(Biogeography-Based Optimization,BBO)相结合的改进生物地理学优化算法,并将该改进方法应用于一天24时段10机39节点标准算例。在考虑网损与不考虑网损两种情况下分别进行仿真分析,并将仿真结果与PSO和基本BBO算法以及参考文献中提出的六种智能算法进行对比,验证了该改进算法的有效性及在寻优能力上的提高。

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。

融合物联网技术与混合加密算法的医疗数据信息优化框架设计研究

目前,医疗数据信息系统存在安全性低、共享难度大等问题,对此,提出一种融合物联网技术与混合加密算法的医疗数据信息优化框架,以提升医疗数据的安全。在此基础上,结合物联网的相关技术,对医疗数据采集方法进行设计。基于超级账本搭建完整的医疗数据信息框架。实验结果显示,高级加密标准(AES)算法的加密速度随着数据量的增大而增大,从而使用户能够根据要求传输任意长度的数据。利用非对称加密(RSA)算法对密码进行10次加密实验,得到了15 ms、94 ms的平均加密效果,系统加密效率较高。研究算法具有较好的工作稳定性,在功能和性能方面能够满足实际的医疗环境需要。

基于数据分解与斑马算法优化的混合核极限学习机月径流预测

为提高月径流预测精度,改进混合核极限学习机(HKELM)预测性能,提出小波包分解(WPT)-斑马优化算法(ZOA)-HKELM组合模型。利用WPT处理月径流时序数据,构建局部高斯径向基核函数和全局多项式核函数相混合的HKELM;通过ZOA优化HKELM超参数(正则化参数、核参数、权重系数),建立WPT-ZOA-HKELM组合模型,并构建WPT-遗传算法(GA)-HKELM、WPT-灰狼优化(GWO)算法-HKELM、WPT-鲸鱼优化算法(WOA)-HKELM、WPT-ZOA-极限学习机(ELM)、WPT-ZOA-最小二乘支持向量机(LSSVM)、ZOA-HKELM作对比模型,通过黑河流域莺落峡、讨赖河水文站月径流时间序列预测实例对各模型进行检验。结果表明:(1)莺落峡、讨赖河水文站月径流时间序列WPT-ZOA-HKELM模型预测的平均绝对百分比误差分别为1.054%、0.761%,决定系数均达0.999 9,优于其他对比模型,具有更高的预测精度,预测效果更好。(2)利用ZOA优化HKELM超参数,可提高HKELM预测性能,优化效果优于GWO、WOA、GA。(3)预测模型能充分发挥WPT、ZOA和HKELM优势,提高月径流预测精度;在相同分解和优化情形下,HKELM的预测性能优于ELM、LSSVM。

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。

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。

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。

混合进化算法求解多环节资源配置优化问题

资源配置优化问题是制造业价值链管理的基础问题。然而,现有研究多集中在生产环节,对制造全生命周期的整体考虑不足。研究考虑多环节的制造全生命周期资源配置优化问题(MLCRAOP),旨在通过优化研发设计、生产制造、运维服务和配套设备供应环节的服务资源,提升全生命周期的资源配置客户满意度。将时间、成本、质量指标纳入目标函数构建整数规划模型,提出一种混合进化算法用于求解MLCRAOP。通过在设计案例上的对比实验,验证了混合进化算法具有优异的性能。

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%。

混合蛙跳算法在旋转货架货位优化中的应用

以集群旋转式货架存储货物的自动化立体仓库为研究对象,以提高货架整体和运动状态的单层稳定性、货物相关性和出入库效率等基本货位优化原则为目标,提出一种通用性较强的多参数混合蛙跳算法,对多目标优化问题进行建模,使用MATLAB工具进行仿真。通过实验结果的对比可知,多参数混合蛙跳算法比混合蛙跳算法具有一定的优越性,并且对于分析其他问题的适应性较强,对于多目标优化问题具有一定的理论意义。

融入小生境和混合变异策略的鲸鱼优化算法

鲸鱼优化算法作为一种结构简单的先进优化算法,被用于解决各类学科问题。通过对鲸鱼优化算法进行深入研究,发现该算法存在收敛速度慢、无法跳出局部最优、收敛精度低以及无法平衡全局勘探与局部开发能力等问题。为解决上述问题,提出一种融入小生境和混合变异策略的鲸鱼优化算法(whale optimization algorithm integrating niche and hybrid mutation strategy,NHWOA)。该算法通过引入自适应权重,平衡算法全局勘探与局部开发能力,并加快收敛速度;将种群按照相同规模划分成三个小生境并独立寻优,提高种群多样性;采用混合变异策略对种群进行随机扰动,帮助算法跳出局部最优。通过在CEC2017测试套件上对NHWOA进行仿真实验,并将其应用于特征选择问题,验证了NHWOA的先进性和有效性。NHWOA的收敛速度更快,收敛精度更高,并且鲁棒性更好。

基于混合优化算法和深度神经网络模型结合的致密砂岩气藏裂缝参数优化

水平井分段压裂是致密砂岩气藏的主要开发方式,其中水力压裂裂缝参数的合理设计对于气藏的经济效益开发至关重要。基于群智能优化算法和机器学习代理模型的自动优化方法存在所需数值模拟次数多、收敛速度慢和代理模型更新复杂等问题,且依靠现场工程师经验和正交实验等传统方法难以获得最佳的裂缝参数设计。为此,建立了一种新的基于混合优化算法和自适应深度神经网络(DNN)结合的致密气藏裂缝参数优化方法。首先,混合优化算法采用遗传算法(GA)和贝叶斯自适应直接搜索(BADS)之间循环迭代的混合策略。在自适应学习过程中,提出了以“最大平均距离点”作为最不确定解,同时辅以最有希望解和少量拉丁超立方采样解共同更新优化过程中的DNN代理模型。随后,将建立的优化方法用于非均质致密砂岩气藏裂缝参数优化。研究结果表明:(1)在标准测试函数和低维裂缝参数优化问题上,GA+BADS混合优化算法表现出了显著优于GA的寻优速度;(2)针对高维裂缝参数优化问题,GA+BADS混合优化算法在约1/2的GA总数值模拟次数下提高了131万元的经济净现值(NPV),收敛速度和寻优精度都明显增加;(3)相比于GA+BADS混合优化算法,在获得相同NPV时,自适应DNN代理加速优化可再减少24.54%的数值模拟运算次数。结论认为,该优化方法显著提升了优化效率,为解决非常规油气藏中水力压裂裂缝参数设计问题提供了一套可行且高效的智能优化方法,将有力促进非常规油气的规模效益开发。

基于混合策略的蜣螂优化算法研究

针对蜣螂优化算法存在易陷入局部最优、全局探索和局部开发能力不平衡等问题,为提升蜣螂优化算法的寻优能力,提出一种混合策略的蜣螂优化算法。采用Sobol序列初始化种群,以使蜣螂种群更好地遍历整个解空间;在滚球蜣螂位置更新阶段加入黄金正弦算法,提高收敛速度和寻优精度;引入混合变异算子进行扰动,提高算法跳出局部最优的能力。对改进的算法进行8个基准函数的测试,并与灰狼优化算法、鲸鱼优化算法和蜣螂优化算法等进行比较,并验证了3种改进策略的有效性。结果表明,混合策略的蜣螂优化算法在收敛速度、鲁棒性和寻优精度有明显增强。

基于改进粒子群算法混合储能优化调度

大多数风电储能调度研究从经济运行成本或环境保护成本出发,调度方案缺少对储能投资企业收益和风电消纳的研究,考虑储能经济收益和风电功率消解对调度的影响,提出了一种基于改进粒子群算法的风电混合储能优化调度方法。首先建立一种蓄电池和超级电容混合储能的储能方案;其次基于分时售电、电价差异的影响因素,建立了以储能经济收益最大和风电功率消解最大的优化调度模型;最后提出了一种基于粒子群的改进优化算法,粒子群算法引入帕累托排序和拥挤度排序法,并进行了理论分析和仿真验证。结果表明,只考虑储能经济收益最大时收益明显增加,只考虑风电功率消解最大时消解明显增多,同时考虑储能经济收益最大和风电功率消解最大双目标时,对于两种目标,均有较好的优化结果。

基于混合和谐搜索算法的自压滴灌田间管网多目标优化设计

为了综合考虑管网投资和水压分布,合理进行管网布置和管径选择,以满足管网的经济性和可靠性,使自压滴灌管网系统达到投资最低和灌水均匀度最高的目的。以管网投资最低(管网经济性)和节点富余水头均值最小(管网可靠性)为目标,建立了自压滴灌“梳子”形和“丰字”形田间管网系统的多目标优化数学模型,提出了混合和谐搜索算法求解多目标优化模型的方法和步骤。以新疆某自压滴灌工程为例,采用该方法对其田间管网系统进行优化,优化方案的管网总投资为47.63万元,与原设计方案相比降低了9.86%;管网节点富余水头均值为8.87 m,与原设计方案相比降低了28.37%。该优化设计方法得到的优化结果,不仅节省投资明显,而且节点富余水头均值显著减小,说明管网系统的压力偏差小,灌水的均匀度显著提高。优化结果表明,混合和谐搜索算法收敛速度快,计算精度高,在自压滴灌管网的多目标优化设计中具有很好的应用价值。

混合果蝇优化算法PID参数整定方法的研究

【目的】解决基本果蝇优化算法(FOA)由于算法局限性而出现比例积分微分(PID)参数整定收敛速度慢且容易过早陷入局部最优的问题。【方法】为了在迭代前期具有更高的全局搜索效率,利用粒子群算法(PSO)寻找多个全局较优种群,迭代后期使用具有较强的局部寻优能力的FOA算法提高收敛精度,实现对全局搜索和局部搜索过程的优化。【结果】两个二阶时滞系统的阶跃响应测试结果表明,基于HFOA的PID控制器参数整定的上升时间、调节时间和超调量等指标更优,能够实现更好的系统响应性能。【结论】优化后算法具有控制精度高、响应速度快、鲁棒性好等优点,为PID参数优化提供了参考。

基于竞争式协同进化的混合变量粒子群优化算法

现实工业生产应用中存在大量的混合变量优化问题,这类问题的决策变量既包含连续变量,又包含离散变量。由于决策变量为混合类型,导致问题的决策空间变得不规则,采用已有的方法很难进行有效求解。引入协同进化策略,提出一种基于竞争式协同进化的混合变量粒子群优化算法(competitive coevolution based PSO,CCPSO)。设计基于容忍度的搜索方向调整机制来判断粒子的进化状态,从而自适应地调整粒子的搜索方向,避免陷入局部最优,平衡了种群的收敛性和多样性;引入基于竞争式协同进化的学习对象生成机制,在检测到粒子进化停滞时为每个粒子生成新的学习对象,从而推动粒子的进一步搜索,提高了种群的多样性;采用基于竞争学习的预测策略为粒子选择合适的学习对象,充分利用了新旧学习对象的学习潜力,保证了算法的收敛速度。实验结果表明:相比其他主流的混合变量优化算法,CCPSO可以获得更优的结果。

基于粒子群-遗传混合算法的深沟球轴承优化设计

为了提高深沟球轴承的服役性能,提出一种基于粒子群-遗传混合算法的优化设计方法。其以额定动载荷和额定静载荷为目标函数,以滚动体直径、节圆直径、滚动体数目和内外圈滚道沟曲率半径系数为设计变量,基于粒子群算法,引入罚函数和遗传交叉、变异操作,解决带约束优化问题求解和局部最优问题。并以6206型轴承为算例,对优化后的轴承进行应力分析和敏感度分析。结果表明,所提出算法的收敛性能较好、优化能力较强、运算速度较快,优化后的深沟球轴承接触应力下降了31.7%,从而验证了所提出方法的有效性。