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。

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。

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。

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。

三种混合粒子群算法比较

混合粒子群算法是融合其它算法或技术特性来针对性地对基本粒子群算法进行改进的一类算法。文中对其中有代表性的三种:交叉粒子群、免疫粒子群、混沌粒子群展开了比较研究,分别从混合目的、混合基本方式、混合算法实现的关键步骤、混合算法的优化性能等多个方面对这三种混合算法进行了比较。通过这些比较,总结出了三种混合算法基本的混合方式及实现步骤、算法各自的特点及适用范围,特别对三种混合算法的优化性能做了较深入的比较和归纳。

一种改进的混沌粒子群优化混合算法

提出了一种改进的混沌粒子群优化混合算法.该算法利用信息交换机制将两组种群分别用差分进化算法和粒子群算法进行协同进化,并且将混沌变异操作引入其中,加强算法的局部搜索能力.通过对3个标准函数进行测试,仿真结果表明该算法与差分进化粒子群优化(DEPSO)算法相比,全局搜索能力和抗早熟收敛性能大大提高.

多目标混合优化的阈值图像分割

提出了一种多目标混合优化的阈值图像分割算法。该方法以类间方差函数和模糊熵函数为待优化目标函数,为了改善粒子群算法在迭代后期陷入局部最优的问题,在粒子群算法中引入多元宇宙优化算法并产生一组非支配解集;采用混沌搜索策略进行搜索,以更有效地逼近最优阈值;通过类间差异和类内差异的加权比值来选取最优解。仿真结果表明,相较于Otsu算法、多目标粒子群算法以及多元宇宙优化算法,算法的分割准确率较高。

一种计及需求侧竞价的非合作信息完全环境下的发电机组竞价方法研究

为了充分考虑需求响应对发电机组竞价策略的影响,提出了一种计及需求侧竞价的非合作信息完全环境下的发电机组竞价模型,考虑了自身成本、对方的报价行为、需求侧用户的报价行为及电网运行等限制约束。上层模型描述了在发电商非合作信息完全博弈环境下的收益,下层模型描述了不计入网损安全约束经济调度出清。并同时提出了一种基于混合混沌萤火虫-粒子群算法的博弈理论方法求解该双层模型,用于提高算法的收敛性能及更好地反映发电商的报价行为。最后,采用标准IEEE30节点系统验证了所提算法在求解计及需求侧竞价的发电侧策略双层模型时的优越性,为计及需求侧竞价的发电机组竞价方法提供验证。

基于最大条件熵的射频隐身数据链猝发通信模型

为提高数据链的低被截获性能,以数据链发射时刻的不确定性为对象,提出了一种基于最大条件熵的射频隐身数据链猝发通信模型。该模型以先验数据为训练样本空间,以拉格朗日乘子为优化粒子,将最大条件熵的对偶规划问题作为目标,利用混合混沌粒子群优化(HCPSO)算法进行优化计算,最终确定最大条件熵概率分布模型。与单阈值方法 (STM)和双阈值方法(DTM)的对比仿真结果表明:利用最大熵方法(MEM)自适应生成的发射规划,不仅具有最大的发射时刻条件熵,射频隐身性能最好,而且MEM的通信总时间、通信占空比也最大,对环境约束特征的适应性最好,因此,MEM具有最优的综合性能。

基于混合粒子群算法的QoS选播路由优化算法

本文提出一种基于混合粒子群算法的QoS选播路由优化算法。算法针对QoS的多约束条件特点,采用了混沌搜索思想来增强算法局部搜索能力,并且通过正交初始化种群和交叉选择来增加粒子的多样性,提高算法精度。仿真结果对比表明,算法优化效果明显。