Covariance Matrix Learning Differential Evolution Algorithm Based on Correlation

Differential evolution algorithm based on the covariance matrix learning can adjust the coordinate system according to the characteristics of the population, which makes the search move in a more favorable direction. In order to obtain more accurate information about the function shape, this paper proposes covariance matrix learning differential evolution algorithm based on correlation (denoted as RCLDE) to improve the search efficiency of the algorithm. First, a hybrid mutation strategy is designed to balance the diversity and convergence of the population;secondly, the covariance learning matrix is constructed by selecting the individual with the less correlation;then, a comprehensive learning mechanism is comprehensively designed by two covariance matrix learning mechanisms based on the principle of probability. Finally, the algorithm is tested on the CEC2005, and the experimental results are compared with other effective differential evolution algorithms. The experimental results show that the algorithm proposed in this paper is an effective algorithm.

变风量末端装置的基于IPSA-DE算法室温PI~λD~μ-送风量PI串级控制器的数值仿真

目前,空调房间配用的变风量末端装置(Variable Air Volume Terminal,VAV-TMN)往往采用整数阶PID-P串级调节方式,这带来了室温控制误差和超调量较大以及调节时间较长等问题。鉴于此,提出了空调VAV-TMN的室温分数阶PID-送风量PI的串级调节器设计方法。首先,综合分析空调工艺和自动控制的相关要求,对室内温度对象、温度和风量测量变送单元、送风量执行单元分别进行建模,确定主控制器为室温分数阶PID控制器(Indoor Temperature Fractional Order Proportional Integral Derivative Controller,IT-FOPIDC)和副控制器为送风量PI控制器(Sending Air Volume Proportional Integral Controller,SAV-PIC)的控制策略。其次,基于改进的自适应差分进化(Improved Parameter Self-adaptive Differential Evolution,IPSA-DE)算法来分别整定出IT-FOPIDC和SAV-PIC的控制参数最佳值。最后,借助MATLAB/Simulink工具,对该空调VAV-TMN的室温PIλDμ-送风量PI串级调节系统进行组态和数值模拟相应的控制效果。结果表明,该串级控制系统在理论上是可行的,且室温的控制效果明显优于基于Ziegler-Nichols整定法和DE算法的整数阶室温PID-送风量PI串级调节系统。

基于改进DE算法的负荷建模参数辨识

负荷建模对电力系统运行及其控制起着重要的影响,主要有基于元件和基于量测两种建模方法。基于量测的负荷建模已广泛用于实践中,当考虑负荷的时变性后,基于量测的负荷建模即成为数学优化问题。因此,寻找到有效可靠的优化方法用于负荷建模参数辨识具有重要的现实意义。微分进化(DE)算法具有全局寻优能力,对初值不敏感,经改进后还可以加快收敛速度并防止出现早熟现象,因此可用于负荷建模参数辨识实践中。将DE算法用于负荷建模参数辨识实践中,在现有改进算法的基础上,借鉴遗传算法引入移民策略以防止早熟现象,通过对两个实测建模参数辨识实例的分析,表明经改进后的DE算法具有比改进遗传算法、蚁群算法和粒子群算法更好的性能。

改进的组合差分进化优化算法

组合差分进化算法CoDE是一新的具有竞争力的算法,但收敛速度和寻优性能仍有待改进。为解决上述问题,提出对组合差分进化算法CoDE从生成策略和控制参数两个方面进行改进,提出了两种改进的CoDE版本MCoDE和MCoDE-P,并利用6个典型的测试函数对改进性能进行检验。结果表明结合了最好个体信息的MCoDE方法能够改善CoDE的寻优性能,而采用控制参数扩展的MCoDE-P方法却难以达到期望的效果。

车削加工工艺参数优化

针对车削加工中的约束优化问题,建立以切削速度v和进给量f为优化变量、以加工成本最小为目标的约束优化设计模型。提出了改进约束处理的自适应罚函数法和一种改进差分进化(Improved Differential Evolution,IDE)算法。应用IDE算法求解切削参数约束优化问题的全局最优解。给出了数值实例,通过与已有结果的比较,表明结合约束处理的IDE算法的有效性和稳健性。

微分进化算法研究及其在热工过程参数辨识中的应用

被控对象的数学模型,对控制系统的设计和分析有着极为重要的意义。采用微分进化算法对被控对象参数进行辨识。这种算法与其它进化算法的不同之处在于它的变异算子是由种群中任意选取的多对向量的差值得到的,并且主要用于实参数优化问题。微分进化算法虽然有简单、搜索效率高的特点,但是仍存在局部最优的问题。因此,在对微分进化算法搜索机理进行分析的基础上,针对其参数难以动态调整的问题对算法进行改进,提出了不依赖于优化问题的控制参数自适应调整机制,进一步提高微分进化算法的全局搜索能力和寻优速度。为验证算法有效性,在MATLAB上编制相应的模型辨识程序,对被控对象数学模型进行辨识、调试运行,并对寻优结果进行对比。

基于改进蝗虫优化算法的光伏电池模型参数辨识

针对蝗虫优化算法容易陷入局部最优、收敛精度不足等缺点,提出一种改进蝗虫优化算法。将混沌算法与蝗虫优化算法融合,对蝗虫优化算法进行混沌初始化,改善初始种群质量;再引入差分进化算法的差分策略,通过变异、交叉和选择过程,维持种群的多样性,增大算法跳出局部最优的可能性,从而使算法能搜索到更好的解;在个体更新部分引入了粒子群算法的思想,以当前的最优个体为目标进行个体位置更新,加快算法寻优速度。将改进蝗虫优化算法用于多晶硅太阳能电池模型参数的辨识中,并通过与其它智能优化算法的比较,验证了改进蝗虫算法辨识太阳能电池参数的有效性和优越性。通过实验验证了改进蝗虫优化算法在不同光照下对太阳能电池参数的辨识效果。

基于差分进化算法的MU-MIMO用户调度算法

为了使MU-MIMO系统的用户得到更公平的服务,提出了一种块对角化预编码下基于差分进化算法的用户调度算法.该算法将差分进化算法进行改进,使其可对任意可行大小的用户子集进行调度,并进行参数自适应,与改进的比例公平算法相结合进行用户调度.实验结果表明,在不同的信噪比和用户数下,该算法较改进遗传算法在效率方面有大幅度提高,且公平度、系统和数据率相对于改进遗传算法均有所提高,能有效地解决块对角化预编码下的用户调度问题.

基于改进差分进化算法的伺服驱动系统摩擦参数辨识研究

非线性摩擦力是影响伺服驱动系统定位精度的主要因素之一,摩擦补偿技术可以有效抑制摩擦力对伺服驱动系统的影响。Stribeck摩擦模型作为一种常用的摩擦模型,能够比较精确的描述系统摩擦力的特性,其精确程度与摩擦参数的准确度密切相关,所以辨识摩擦参数的方法至关重要。论文以常规伺服驱动系统为研究对象,提出了一种基于改进差分进化算法的摩擦辨识方法,并与常规差分进化算法和遗传算法进行了仿真对比。辨识结果表明,基于改进差分进化算法的摩擦参数辨识方法辨识速度更快,精确度更高。

改进差分进化算法研究及应用

本文研究了差分进化算法的原理和参数的选择方法,重点介绍了具有自适应参数的改进差分进化算法以及在处理整数规划问题时对差分进化算法的改进方法。最后对其进一步研究领域进行了展望。