改进分布估计算法的AUV全局路径规划

为解决基于固定宽度直方图(FWH)的分布估计算法在解决自主水下机器人(AUV)路径规划问题时易陷入局部最优的问题,提出一种个体更新方法融合策略。将狼群优化算法(WPA)中的部分个体更新方法,以及三次样条函数融合到算法当中,增加算法个体更新方法的多样性。提高AUV路径规划的精度,增加收敛速度。在水下数字高程模型环境中,对原始算法以及改进后的算法进行性能评估。仿真结果验证了算法改进的可行性和有效性。

基于改进狼群算法的含分布式能源配电网优化重构

为提高含分布式电源配电网运行的经济性和稳定性,以系统网损与节点电压偏差之和最小作为综合目标函数,利用多目标加权法建立以综合目标函数最小的含DG配电网优化重构模型。应用莱维飞行和自适应步长等策略对狼群算法进行改进,减少算法的迭代次数,提高算法的收敛性能。采用改进狼群算法对含DG配电网优化重构模型进行求解,算例分析结果表明,分布式电源的合理接入及配电网重构能够有效减少网络损耗,提高节点电压,验证所提配电网重构方法的正确性和优越性。

基于改进狼群算法的含风电配电网无功优化

为提高电压质量和降低网络损耗,建立以配电网节点电压总偏移指数最小为目标函数的含风电配电网无功优化模型,通过对狼群优化算法的探狼游走策略和猛狼运动步长进行改进,得到改进狼群算法(Improved Wolf Pack Algorithm,IWPA),以增强算法的优化性能;采用IWPA算法对模型进行求解,并利用灵敏度分析确定无功补偿位置。算例分析结果表明,对含风电配电网进行无功优化,能够降低电压波动和减小网络损耗,验证了改进方法的正确性和有效性。

基于P_(EV)准则的I-UMOP问题求解方法

针对传统方法在求解不确定多目标规划问题过程中存在的不足,提出了该问题在新准则下的求解方法。首先,提出了求解方法的基本框架,并通过引入不确定变量之间的序关系定义了不确定多目标规划的帕累托有效解;其次,根据线性加权或理想点法将原问题转化为不确定单目标规划问题,再利用期望-方差准则将不确定单目标规划问题转化为确定的单目标规划问题;再次,通过相关理论推导证明了在该准则下转化后的问题求得的最优解是原不确定问题的帕累托有效解;最后,设计了决策变量分别为连续型和离散型的数值算例对该方法的有效性加以说明,考虑算例的复杂度,分别采用遗传-粒子群算法和二进制狼群算法进行了求解。

基于转角约束的改进蚁群优化算法路径规划

针对传统蚁群优化(ACO)算法搜索路径时易陷入局部最优、路径过长、转弯角度过大等问题,提出一种基于转弯角度约束的改进ACO算法。首先,增加起始点与目标点之间区域的初始信息素浓度,以避免初期盲目搜索;然后,在启发函数中加入A算法的估价函数和转弯角度因子,以便在下一步选择路径长度和转角次数综合最优的节点;最后,在信息素更新部分引入狼群算法的分配原则,来加强优质种群的影响力,同时借鉴最大最小蚁群(MMAS)算法进行信息素浓度的限制,从而避免算法陷入局部最优。Matlab仿真结果表明,改进算法与传统ACO算法相比,规划出的路径长度缩短了13.7%,转弯次数减小了64.3%,累计转弯角度减少了76.7%。实验结果表明,所提改进算法能有效解决全局路径规划问题,避免了移动机器人过多的能耗损失。

关于物流配送中心供需优化选址仿真

研究物流配送中心选址问题,是为了更加有效的节约运输成本,选择最优的路径进行配送。配送中心的选址是物流系统规划中的重要决策问题,也是物流调动中心的核心问题。传统的解决方法已经无法在实际实施中得到较优的方案,不利于实际应用。为了快速得到合理的配送中心,解决物流配送中心选址问题,提出一种改进狼群算法求解物流配送中心选址问题。首先,建立了物流配送中心选址模型。然后,在基本狼群算法中,引入扰动操作、不确定的奔袭和围攻步长,可以提高算法的求解精度。最后,通过仿真说明提出的改进狼群算法不但可以有效地求得问题的最优解或者近似最优解,优化物流配送中心选址模型,而且能够为优化物流配送中心选址问题提供新的途径和方法。

改进狼群算法求解模具在模台上组合分配问题

为解决混凝土预制构件生产中存在的模具在模台上组合分配问题,提出一种BL(Bottom-Left)定位算法与改进狼群算法(Improved Wolf Pack Algorithm,IWPA)结合的方法。改进狼群算法用于优化构件的上线序,根据上线序依次将每个构件所使用的模具分配到模台上,采用BL定位算法确定模具在模台上摆放方向和位置,通过引入莱维飞行思想改进WPA的游猎行为和采用基于汉明距离的狼群动态更新机制来改进狼群算法,丰富狼群多样性,增强WPA在解空间的搜索能力,最后通过实例测试,验证了该方法对于解决该问题的有效性。

改进狼群算法求解多目标柔性作业车间调度问题

针对传统智能优化算法求解多目标柔性作业车间调度时存在算法后期收敛速度慢、易陷入局部最优的问题,本文提出一种将量子粒子群算法中的三大重要性能参数和狼群算法融合的混合优化算法.首先,构建以最大完工时间、机器总负荷和瓶颈机器负荷为优化目标的多目标数学模型;其次,采用高斯分布的概率密度函数产生随机变量进行种群初始化操作,以提高初始种群的多样性和质量;利用邻域结构搜索策略不断调整最佳序列,算法的全局搜索性能得以提高;最后,通过物元分析法对种群进行更新,提高种群的自适应能力.通过与多种智能优化算法的仿真实验对比可知,本文所提出的混合狼群算法对求解多目标柔性作业车间调度问题具有可行性和优势.

基于改进狼群算法的主动配电网规划

传统狼群算法易陷入局部最优,为此对狼群算法的搜索、奔袭及围攻步长引入了比例因子,改善其寻优能力。采用差分进化算法对改进的狼群算法进行交叉,变异和选择操作,进一步提高其全局寻优能力。对含储能设备的配电网建立了成本模型及约束模型,在该条件下采用改进的狼群算法对主动配电网进行优化调度。算例仿真对比实验可以看出,相比于其他传统算法,所提的改进狼群算法具有更快的收敛速度、更低的运行成本和更可靠的电压水平,验证了所提方法的有效性。

物流配送中心选址问题求解模型优化设计

基于前人的研究成果,首先以降低成本为目标,建立了物流配送中心选址模型,然后对传统的狼群算法进行改进,并采用改进的群狼算法对建立的物流配送中心选址模型进行求解,为了验证改进算法的有效性,将求解结果与粒子群算法、传统群狼算法进行对比分析,结果显示,改进群狼算法在物流配送中心选址方面具有很好的应用效果。

考虑分时电价的主动配电网经济优化调度

为了提高主动配电网运行的经济性,综合考虑配电网运行过程中的发电成本、电能交换成本、弃风及弃光惩罚成本、储能成本和各类约束,并对不同时间段的购、售电单价进行划分,建立了考虑分时电价的主动配电网经济优化调度模型。采用狼群算法对主动配电网优化调度模型进行了求解,结果表明,主动配电网总运行成本为100197元,相比传统配电网降低25.93%,验证了模型的实用性和求解方法的正确性。

基于狼群竞争算法的主动配电网无功优化研究

随着分布式电源大规模接入配电网,如何促进可再生能源的消纳越来越受到人们的关注。为此,提出了一种计及可再生能源消纳能力的主动配电网无功优化方法。详细分析了分布式电源出力波动性和间歇性,从促进可再生能源消纳的角度,引入弃风弃光量指标作为主动配电网无功优化的一个新目标函数;结合经济性、可靠性指标建立兼顾可再生能源消纳能力的主动配电网无功优化模型。采用考虑决策者偏好的判断矩阵—功效系数法解决多目标优化问题,并引入狼群算法对模型进行求解;结合主动配电网无功优化的特征,对狼群算法提出2个改进策略,增强了算法的收敛精度及稳定性。在改进后的IEEE33配电系统上进行仿真分析,验证了所提模型的合理性和算法的有效性。