基于改进粒子群优化算法的PID温度串级控制

针对电站锅炉主蒸汽温度控制系统中存在的易超调、滞后性、抗干扰性差、非线性等问题,提出一种改进粒子群优化算法(Improved Particle Swarm Optimization,IPSO)的PID串级控制方法,该算法先采用线性递减惯性权重的IPSO算法,避免陷入局部极值点,并能有效提升全局搜索能力,再利用改进算法优化PID控制器的参数。通过MATLAB仿真结果表明,相较于普通PID算法,该控制方法在超调量、调节时间、抗干扰能力等方面具有明显优势,系统的响应速度明显提升,鲁棒性好,对复杂温度系统具有较好的适应性。

基于双粒子群LDW粒子群改进算法的云计算任务调度算法

云计算资源调度是一个极其复杂的NP问题,不易求解。为缩短任务完成时间,文章提出了一种双粒子群的粒子群改进算法,并将其应用于云资源调度。首先,在惯性权重线性递减的基础上,加入随机数扰动,使惯性权重大幅增大,以便于跳出局部搜索,进行全局搜索,从而防止局部收敛;其次,针对粒子群算法在迭代后期进化减慢的缺点,采用了一种双粒子群的寻优机制,以便于更好地保持粒子群多样性。最后,在Matlab GUI平台下采用几种不同的粒子群算法进行仿真试验。仿真结果表明,在相同条件下改进的粒子群算法能够寻到更精确的解。

一种非线性递减惯性权重策略的粒子群优化算法

目的改进基本粒子群算法的一些缺点.基本粒子群算法是一种有效的寻找函数极值的演化计算方法,它简便易行,收敛速度快.但此算法也存在收敛精度不高,易陷入局部极值点的缺点.方法对原有算法中的固定惯性权重进行改进.结果提出一种非线性递减惯性权重策略的粒子群优化算法.结论对六种具有代表性的测试函数进行了仿真实验,并与基本粒子群算法中惯性权重分别取固定权重、线性递减权重进行了比较,说明了非线性递减惯性权重策略的粒子群优化算法具有更好的性能和全局搜索能力。

基于改进PSO算法的最大熵阈值图像分割

图像分割是目标识别的首要和关键步骤。目前的图像分割方法有多种,其中阈值方法优点比较突出,但是采用阈值方法分割的关键是要能高效率地找到被分图像的最佳熵阈值。针对这一问题,将Geese-LDW-PSO算法的位置更新公式作了改进,即用当前种群的全局极值取代所有粒子的当前位置,并将之用于熵阈值图像分割中。仿真实验表明,该算法可以快速稳定地获得一幅图像的最佳分割阈值。仿真结果显示,该方法对车牌分割具有较好的性能。

非视距环境下基于粒子群的超宽带定位算法

将智能算法应用到无线传感器网络定位技术中是一种全新的尝试,粒子群算法是其中的一种典型算法。根据超宽带(UWB)定位原理,建立基于粒子群算法的定位模型,在非视距(NLOS)环境下,利用NLOS误差导致的附加时延和由信道决定的均方根时延扩展的联合统计特性,进行NLOS误差补偿,在迭代过程中采用线性递减的惯性权重,粒子群通过不断追踪个体极值和局部极值,更新自身的位置与速度,从而找到全局最优解,仿真结果表明正确率达90%以上。

基于粒子群算法的伪卫星布站优化设计

针对伪卫星布站问题,采用粒子群智能优化算法,以导航定位中精度因子作为粒子群适应度函数,采用线性递减惯性权值策略,通过适当次数的进化与迭代,最终寻找到最优化的伪卫星布站设计方案。通过对两条竖直平面内的抛物线轨迹进行仿真验证,结果表明,基于粒子群算法的伪卫星布站优化设计方案可以减小全程精度因子,提高了伪卫星独立定位系统的定位精度。

一种引入密度因子的改进粒子群优化算法

在传统的线性递减惯性权重(LDW)粒子群算法的基础上,提出一种新的引入粒子密度因子的粒子群算法。该算法根据粒子平均适应度值和社会最优适应度值,采用径向基函数形式来度量粒子群在最优值附近的聚集程度。在进化过程中,当密度因子大于一定值时,在LDW惯性权重因子中加入扰动项,使粒子群重新散开,从而跳出局部极值,避免算法出现早熟现象。基于Benchmark函数库的仿真实验表明,该算法一定程度上避免了算法过早收敛,尤其是在高维和多极值情况下性能明显优于传统PSO算法。

物流配送路线优化粒子群改进算法

物流运输中心配送路线优化是关系到物流企业核心竞争力的一个关键且复杂的优化问题,难以精确求解。为节省物流成本,提出了一种粒子群改进算法并将其应用于物流中心配送路线优化问题,即在惯性权重线性递减的基础上,加入了混沌随机数扰动,使惯性权重有概率的适度增加,以便进行全局搜索,从而防止局部收敛;并针对采用固定加速度系数容易使得粒子群算法陷入局部极值的缺点,提出了一种随机加速度系数的方法,具体实际算例的仿真结果表明,改进算法的优化性能更佳。

市场机制下光伏/小水电/抽水蓄能电站系统容量优化配置

在我国电力市场化改革以及新能源发电技术越加成熟的背景下,新能源发电技术在当前电力市场中无疑具有广阔发展前景。基于混合能源系统的经济效益以及清洁环保的现代化能源体系的需求,该文针对电力市场中的新能源发电技术,提出一种市场机制下光伏/小水电/抽水蓄能电站的混合能源系统容量配置优化方法,旨在获得最大的经济效益。首先建立以光伏电站、小水电站和抽水蓄能电站为主体的混合能源系统模型。其次,基于该模型提出以系统投资成本最小为上层目标函数和以系统获得售电收益最大为下层目标函数的双层规划模型,并采用线性递减惯性权重粒子群算法以及序列二次规划算法对模型的上、下层求解。此外,该模型考虑各个主体投资成本的规模效应。最后,基于收集的数据对混合能源系统容量配置进行仿真分析,得出有储能方式下的混合能源系统在整个项目周期内所获经济效益是无储能方式下的2.6倍,结果验证了提出的模型与方法的有效性。

基于改进粒子群算法的火炮内弹道多参数符合计算

为了研究火炮在发射过程中膛内火药燃烧规律以及弹丸运动规律,需要建立火炮内弹道数学模型并进行数值求解,在此过程中对部分内弹道参数进行符合计算是优化内弹道模型的重要途经之一。在经典内弹道方程组的基础上,阐述了经典内弹道计算原理,并对基本粒子群算法进行了改进,使改进后的粒子群算法在迭代初期有较大的惯性权重ω和学习因子c_(1)以及较小的学习因子c_(2),而在迭代后期有较小的惯性权重ω和学习因子c_(1)以及较大的学习因子c_(2),从而有效地避免粒子群陷入局部最优而导致收敛精度低的缺陷。将改进后的粒子群算法应用于火炮内弹道多参数符合计算,算例结果表明该方法完全满足工程实际要求,具有收敛速度快、符合精度高的特性,是火炮内弹道多参数符合计算的理想算法之一。

基于线性递减系数粒子群优化算法的组卷实现

为了避免目前常用的组卷算法组卷时间长、程序结构复杂、收敛速度慢等缺陷,提出基于线性递减系数粒子群优化算法的组卷策略。通过调整惯性系数,使得步长较小,惯性权系数的变化幅度小,这种减小趋势较为缓慢的方法能够避免陷入局部最优。并对数学模型以及线性递减惯性权系数进行了理论设计,同时通过编程实现了该算法。测试结果表明加入线性递减系数后运算迭代次数明显减少,证明加入线性递减系数后的组卷策略收敛性好,能够高效准确地按照一定的预期条件进行组卷,符合预期要求。

云计算调度粒子群改进算法

云计算资源调度是云计算中一个关键且复杂的调度问题,需要考虑众多的因素.为减少任务完成时间,本文提出了一种云资源调度粒子群改进算法.首先,本文在惯性权重线性递减的基础上,加入了混沌随机数扰动,使惯性权重有概率的适度增加,以便于跳出局部搜索,进行全局搜索;其次,针对粒子群算法和蚁群算法都容易陷入局部最优的缺点,结合粒子群算法和蚁群算法的优化策略,提出了一种改进的混合优化策略.其仿真结果及实际算例测试结果表明,在相同条件下改进算法能够寻到更精确的解.

地表下沉系数选取的LWPSO-BP方法研究

针对BP神经网络自身收敛速度慢、容易陷入局部极小点的缺点,本文以线性下降惯性权重粒子群优化算法(LWPSO)为前处理器,优化BP网络的权值和阈值,利用实测资料数据,建立LWPSO-BP的地表下沉系数预计模型,并同普通BP模型预计结果对比。结果表明:LWPSO-BP神经网络不仅训练速度快,而且预测精度明显提高,该模型对地表下沉系数选取具有一定的应用价值。

基于自适应认知域的粒子群性能改进方法

为提高粒子群算法的收敛性能,提出一种自适应粒子认知域方法.在粒子位置的更新方法中,粒子运动到当前的最好位置由计算得到的最好位置为中心,粒子的认知方向为导向来确定.利用线性惯性下降权重来实现粒子的优化.为验证该方法的有效性,将此方法应用于3种不同的粒子群方法,分别是固定权重粒子群方法、线性下降权重粒子群方法及阶梯形群体粒子群算法.实验结果表明此方法是较有效的.