A Hybrid TCNN Optimization Approach for the Capacity Vehicle Routing Problem

A novel approximation algorithm was proposed for the problem of finding the minimum total cost of all routes in Capacity Vehicle Routing Problem (CVRP). CVRP can be partitioned into three parts: the selection of vehicles among the available vehicles, the initial routing of the selected fleet and the routing optimization. Fuzzy C-means (FCM) can group the customers with close Euclidean distance into the same vehicle according to the principle of similar feature partition. Transiently chaotic neural network (TCNN) combines local search and global search, possessing high search efficiency. It will solve the routes to near optimality. A simple tabu search (TS) procedure can improve the routes to more optimality. The computations on benchmark problems and comparisons with other results in literatures show that the proposed algorithm is a viable and effective approach for CVRP.

基于Adaboost-INGO-HKELM的变压器故障辨识

针对目前变压器故障诊断准确率低的问题,提出一种多策略集成模型。首先通过等度量映射(isometric mapping, Isomap)对高维非线性不可分的变压器故障数据进行降维处理。其次,利用混合核极限学习机(hybrid kernel based extreme learning machine, HKELM)进行训练学习,考虑到HKELM模型易受参数影响,所以利用北方苍鹰优化算法(northern goshawk optimization, NGO)对其参数进行寻优。但由于NGO收敛速度较慢,易陷入局部最优,引入切比雪夫混沌映射、择优学习、自适应t分布联合策略对其进行改进。同时为了提高模型整体的准确率,通过结合Adaboost集成算法,构建Adaboost-INGO-HKELM变压器故障辨识模型。最后,将提出的Adaboost-INGO-HKELM模型与未进行降维处理的INGO-HKELM模型、Isomap-INGO-KELM模型、Adaboost-Isomap-GWO-SVM等7种模型的测试准确率进行对比。提出的Adaboost-INGO-HKELM模型的准确率可达96%,均高于其他模型,验证了该模型对变压器故障辨识具有很好的效果。

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。

数字图像混沌序列抽样加权强置乱算法仿真

数字图像置乱关系到个人隐私和信息安全问题,为了保护图像中的敏感信息,提出一种基于位交换和混沌优化的数字图像置乱算法。使用散列函数获得数字图像明文的密钥流,采用与明文相关的子密钥推导像素初始值,通过非线性交叉生成位交换算子,增强明文信息敏感性;运用Logistic方程得到混沌序列,引入抽样加权方法提高图像置乱强度,采用混合蛙跳方法按照族群划分实施信息传输,将混沌序列内的实数从小到大排列,初始混沌抽样后构成的混沌序列用于图像中,显著提升图像置乱强度,完成数字图像置乱。仿真结果表明,上述方法拥有极高的安全性和优秀的加密性能,可以为数字图像在各领域的安全使用提供可靠借鉴。

基于改进麻雀算法的无线传感器网络覆盖优化研究

针对基本麻雀搜索算法在无线传感器网络覆盖问题中收敛速度较慢、容易陷入局部最优等问题,提出了一个基于改进麻雀算法的优化方案。首先,利用Sobol序列和无限次折叠的ICMIC混沌映射对种群进行初始化,增加了种群遍历性和多样性,为算法的全局寻优奠定了基础。其次,引入混沌映射因子的正余弦算法策略,增强了探索者探索未知区域的能力,提高了算法的全局搜索性能。再次,利用混合变异策略加快算法收敛速度,并改善算法跳出局部最优的能力。最后,将提出的改进麻雀算法应用到无线传感器网络覆盖优化问题中进行仿真实验。仿真结果表明,提出的改进算法相比基本麻雀算法将网络节点的覆盖率提高了7%,同时增强了网络的整体性能,并具有实用性、稳定性和鲁棒性。

一种基于用户通勤行为的家庭能量管理优化策略

随着电动汽车快速发展,V2G技术可大幅降低家庭能量管理系统中用户的用能成本,但V2G会影响用户出行。针对此问题提出了一种基于用户通勤行为的家庭能量管理系统优化策略,通过极大似然估计和蒙特卡罗模拟构建用户出行模型,其次将杂交粒子群与混沌算法、免疫算法相融合,利用多重混沌免疫杂交粒子群算法(MCIHPSO)对目标函数进行求解,最后,通过仿真及实验验证了本文所提控制策略显著降低V2G功能对用户出勤的影响。

考虑碳交易机制的海港综合能源系统电-热混合储能优化配置

随着港口电气化进程逐渐加速,单一的港口供能方式正在向多种能源深度融合演变.为响应我国“碳达峰、碳中和”战略目标,进一步提升海港综合能源系统的经济与环境双重效益,提出一种考虑碳交易机制的电-热混合式储能优化配置方案.首先,建立海港综合能源系统模型,并给出计及碳交易市场的交易方案;其次,构建双层优化配置框架,上层优化配置混合式储能容量,下层引入碳交易机制,满足港口综合能源系统低碳经济运行需求;最后,结合网格自适应直接搜索法与自适应混沌粒子群算法优势,利用混合式优化算法对双层优化模型进行求解.以天津港的实际运行数据为例,验证该方法的有效性.算例结果表明,所提方法不仅可以降低系统的投入成本,还能显著减少港区碳排放,从而进一步提升港口经济和环境效益.

基于改进蜻蜓算法的混合储能容量优化配置

针对传统方法在风光储能系统容量优化配置过程中求解精度较低、效率较慢等问题,提出一种改进蜻蜓算法(IDA)。通过采用Logistic混沌初始化和非线性惯性权重两种策略对原始蜻蜓算法进行改进,使算法能够在初始化阶段分布更均匀,全局搜索和局部开发更加协调,同时更快锁定最优解区域;构建混合储能系统容量优化模型,以储能装置的生命周期费用作为目标函数,并考虑负荷缺电率、储能系统能量等约束条件。使用MATLAB软件对算例进行仿真分析,通过3种算法的仿真结果对比发现,采用改进蜻蜓算法蓄电池个数有所减少,全生命周期费用也相对降低,有较好的经济适用性。

基于雾计算的协同制造数据存取策略

云雾协同作为一种新兴的分布式计算框架,在复杂制造业领域有着广泛的应用,但其在资源分配以及安全性能方面仍存在较大不足。文中基于云雾混合架构提出了一种资源分配最优化和安全增强算法,实现了更低的时延和更优的安全性能。在资源分配最优化算法中,构建了时延与资源数据模型,同时针对粒子群算法的不足,使用二进制算法及混沌映射进行改进,从而对目标函数进行优化。通过引入同态加密算法防止了传输过程中的数据泄露。在实验测试中,所提算法时延对比PSO与BPSO分别降低了6.54 s和4.1 s,安全测试在所有对比算法中为最优,证明其充分发挥了云雾协同架构的优势,具有较强的工程实用价值。

基于混沌遗传混合优化算法的短期负荷环境和经济调度

环境和经济短期负荷调度主要由在调度周期内的最优机组组合和负荷分配组成,该文将优先次序法、遗传算法与混沌优化相结合,以应用到电站机组环境／经济运行优化问题中,在混沌遗传算法中采用递阶基因结构,将控制基因用于机组组合全局粗寻优,参数基因用于负荷分配局部优化, 基因修正与罚函数相结合解决约束问题,采用混沌扰动避免遗传算法早熟,运用基于线性搜索的混沌局部优化方法,加快算法的收敛速度和降低计算时间,优化计算结果可以同时得到最优机组组合及负荷最优分配,为实际调度系统提供了一个良好的方法。

一种新型Skew Tent映射的混沌混合优化算法

针对已有的混沌优化算法几乎都是利用Logistic映射作为混沌序列发生器,而该混沌序列的概率密度函数呈两头多、中间少的切比雪夫型的分布性质,不利于搜索的效率和能力,为此,首先构造一种新型混沌映射序列发生器—Skew Tent映射并结合迭代优化特点加以改进,然后分析了它的混沌特性．其次,将改进的混沌映射与Alopex启发算法相结合,充分发挥Alopex算法的快速搜索能力和混沌优化全局寻优的特性,提出一种混沌混合优化算法,提高了算法的收敛速度和有效搜索全局最优解．最后,仿真算例验证了该算法的有效性和Skew Tent混沌映射的应用前景．

一种混合优化算法及其收敛性证明

针对改进的混沌优化方法和 Alopex算法的特性 ,将改进的 Alopex算法嵌入到改进的混沌优化算法中 ,提出一种混合优化算法 .此算法充分发挥了改进的 Alopex算法的快速搜索能力和改进的混沌优化方法细致寻优的特性 ,提高了算法的收敛速度 ,避免了优化算法陷入局部最优 ;同时对改进的混沌优化算法和混合优化算法的收敛性进行了证明 .

利用混沌鱼群算法的配网无功优化

为了更有效快速地处理电力系统配网无功优化问题,建立了配电网无功优化的数学模型,以网损和电压偏差最小以及电压稳定最大化为目标函数,以无功平衡、电压合格等为约束条件。采用新型混合优化算法,综合考虑混沌优化算法和人工鱼群算法两种算法的特点,使算法能够更好地适应问题的求解。并且对IEEE14节点系统和IEEE33节点进行系统仿真计算,结果表明,该算法在计算速度和收敛能力方面都具有优势,且优化效果可满足实际需要。

基于多混沌算子遗传算法的混合动力汽车控制策略优化

为某款装备了电池/超级电容混合储能系统的并联型混合动力汽车设计了模糊控制策略.结合遗传算法的种群进化和混沌序列的随机遍历特性,将混沌初始化算子、混沌扰动算子、混沌局部搜索算子引入多目标非占优排序遗传算法(NSGA-II)中,构建了新的多混沌算子遗传算法(MCO-NSGA-II).运用MCO-NSGA-II算法进行了混合动力汽车模糊控制策略优化,以改进车辆的燃油经济性及HC、CO和NOx的排放性能.仿真结果表明,混沌初始化算子和混沌扰动算子可以改善原NSGA-II算法的搜索能力并增加种群多样性,而混沌局部搜索算子可以进一步增强算法局部搜索能力,能更好地搜索到理想的Pareto解集.运用MCO-NSGA-II算法进行优化,使混合动力汽车在欧洲城市驾驶循环(ECE)下的燃油消耗降低了11.8%,HC、CO和NOx排放分别下降了7.72%、15.72%和11.77%.

一种嵌入局部混沌搜索的混合微粒群优化算法

该文研究了基于种群演化的微粒群优化算法,针对此算法在迭代的过程中陷入局部极小点而产生群体演化停滞的现象,提出了一种嵌入局部混沌搜索的混合微粒群优化算法。此混合方法利用混沌迭代的遍历性来增强算法的局部精确搜索能力从而达到全局搜索性能和局部搜索性能的平衡,使群体快速脱离停滞状态。实验结果表明,相比于其他演化搜索算法如标准微粒群算法,标准遗传算法和改进微粒群算法,嵌入局部混沌搜索的混合微粒群算法在收敛性和鲁棒性方面得到了较大的改善,很大程度上避免了演化停滞现象的发生,是一种高效的搜索方法。

跳频周期和跳频间隔的最大条件熵射频隐身设计方法

为提高跳频通信系统的被截获性能,该文以跳频周期和跳频间隔为研究对象,提出一种基于最大条件熵的跳频周期、跳频间隔射频隐身联合设计方法。该方法以跳频系统先验数据为样本空间,以拉格朗日乘子为优化粒子,利用混合混沌粒子群优化(HCPSO)算法对最大条件熵的对偶规划进行优化计算。与单阈值方法(STM)和双阈值方法(DTM)的对比仿真结果表明:该文提出的最大熵方法(MEM)具有最大的跳频周期、跳频间隔不确定性和最小的截获概率,且针对不同威胁因子具有较高的环境区分度。因此,MEM具有较好的射频隐身性能,可以有效提高搭载平台的生存能力。

基于SICPSO算法的PI^λD^μ控制器参数整定

分数阶PID控制器具有5个可调参数KP、KI、KD、λ、μ,能够取得更好的控制效果。目前针对PIλDμ控制系统的参数整定与优化方法已成为分数阶控制领域的研究热点,但由于参数整定变得更加复杂,整定结果有待进一步提高。利用改进Tent映射的良好遍历性生成较优初始种群,以此增强PSO算法初期的全局搜索性能;应用参数ω、c2自适应的PSO算法侧重实现算法后期的局部优化功能以及融入混沌序列作为粒子分量更新的随机数,形成混合算法SICPSO,分别对典型整数阶和分数阶被控对象进行仿真和分析。针对传统ITAE误差准则作为目标函数的不足,在误差准则内引入输出值变化率加权项。结果表明,混合算法SICPSO寻优能力强,改进的目标函数有效,能够较好地提高系统的性能指标。

带容量约束的多车调度暂态混沌神经网络算法

带容量约束的多车调度问题是典型的NP-hard问题,利用模糊C均值聚类算法的相似性分类原理及混沌神经网络的全局搜索能力和高搜索效率,提出了一种快速且易于实现的新的混合启发式算法.该算法分为用模糊C均值聚类算法将所有客户按车容量要求装车和用暂态混沌神经网络方法对每条路线排序两个阶段.实例计算以及与其他算法比较表明,该算法是一种求解多车调度问题的可行且高效的方法.

基于改进混合蛙跳算法的图像增强处理研究

针对图像增强的特点,提出改进混合蛙跳算法。首先对混合蛙跳的更新采用自适应的阈值选择策略,并对每只蛙的目标函数值赋予一定的概率分布,增加了得到更优蛙的机会;接着在混沌系统下,随机产生混沌序列,将混沌变量映射到优化变量的取值范围中,混合蛙跳可以遍历整个区间,这样得到群体最优位置;最后采用Beta函数实现图像增强。实验结果表明,此算法对图像增强效果明显,清晰度较高。

基于暂态混沌神经网络的多车调度混合优化算法

探讨车辆调度问题的解决方法,提出一种用于求解带容量约束的多车调度问题(CVRP)的混合优化算法.该算法分为路线划分、构造初始解和改进解3个阶段:第1阶段用模糊C均值聚类算法将所有客户按车容量要求装车;第2阶段用暂态混沌神经网络方法对每条路线排序;第3阶段用禁忌搜索法改进得到的解.最后采用标准问题进行仿真计算,通过与其他算法的比较,说明该算法是求解CVRP问题可行且高效的方法.