Multi-objective reservoir operation using particle swarm optimization with adaptive random inertia weights

Based on conventional particle swarm optimization(PSO),this paper presents an efficient and reliable heuristic approach using PSO with an adaptive random inertia weight(ARIW)strategy,referred to as the ARIW-PSO algorithm,to build a multi-objective optimization model for reservoir operation.Using the triangular probability density function,the inertia weight is randomly generated,and the probability density function is automatically adjusted to make the inertia weight generally greater in the initial stage of evolution,which is suitable for global searches.In the evolution process,the inertia weight gradually decreases,which is beneficial to local searches.The performance of the ARIWPSO algorithm was investigated with some classical test functions,and the results were compared with those of the genetic algorithm(GA),the conventional PSO,and other improved PSO methods.Then,the ARIW-PSO algorithm was applied to multi-objective optimal dispatch of the Panjiakou Reservoir and multi-objective flood control operation of a reservoir group on the Luanhe River in China,including the Panjiakou Reservoir,Daheiting Reservoir,and Taolinkou Reservoir.The validity of the multi-objective optimization model for multi-reservoir systems based on the ARIW-PSO algorithm was verified.

基于多策略麻雀搜索算法的机器人路径规划

通过多种策略对基本麻雀搜索算法(SSA)进行改进,以解决麻雀搜索算法后期由于种群多样性丢失而导致的全局优化精度和速度问题。首先,改进无限折叠迭代映射(ICMIC)初始化种群,将自适应分段步长因子引入麻雀探测器的位置更新公式中,使麻雀搜索算法观察者的固定比例系数随迭代次数动态变化。然后,将观察者的位置与新公式和正弦余弦算法(SCA)相结合,并干扰先前的观察者步长。最后,在基准测试函数上比较了改进的麻雀搜索算法(ISSA)、麻雀搜索算法(SSA)、鲸鱼算法(WOA)、灰狼算法(GWO)、改进的灰狼算法(CGWO)、正弦余弦算法(SCA)和粒子群优化算法(PSO)的收敛性和准确性,并将其应用于路径规划。实验表明改进的麻雀搜索算法具有良好的优化性能。

t分布与螺旋黏菌搜索的混沌自适应秃鹰搜索算法

针对秃鹰搜索算法搜索精度低、收敛速度慢及易于陷入局部最优的不足,提出t分布与螺旋黏菌搜索的混沌自适应秃鹰搜索算法.首先引入混沌Bernoulli映射进行种群初始化,丰富种群多样性;然后在搜索空间猎物阶段利用螺旋黏菌搜索策略依搜索进程动态修正位置更新方式,提高算法全局搜索能力和收敛精度;在俯冲捕获猎物阶段引入自适应惯性权重策略平衡算法全局搜索与局部开发,提高算法求解精度;最后利用t分布随机扰动策略依概率对种群个体变异,增加算法跳离局部最优、找到全局最优的概率.利用基准函数对算法寻优性能进行实验评估,并引入Wilcoxon秩和检验评估算法搜索性能.结果表明:改进秃鹰搜索算法在寻优精度和收敛速度上都得到了更大提升.

基于多策略麻雀搜索算法的径向基神经网络时延预测方法

网络诱导时延序列存在随机性和不稳定性,单一的预测算法难以准确预测,针对该问题,提出一种基于多策略麻雀搜索算法(ISSA)的径向基神经网络(RBF)时延预测方法来准确预测网络时延。首先,为了应对麻雀种群初始分布不均匀的问题,增加改进Tent混沌映射来提高种群早期的分布质量,并引入新的惯性权重因子改进发现者位置更新策略,扩大麻雀早期寻优范围;随后引入正余弦优化算法(SCA)更新跟随者位置,避免种群后期陷入局部最优。其次,考虑到RBF隐含层节点中心,幅值以及输出层权值不确定的问题,提出利用ISSA算法寻优求取。最后,搭建改进的时延预测模型并输入实测时延数据得到预测时延值。实验研究结果表明:相较于传统SSA-RBF模型,文中提出的ISSA-RBF时延预测模型的MSE、MAE和MAPE分别提高了69.46%、32.83%、34.43%,可有效预测网络时延,为之后的时延补偿提供基础。

一种改进的变权科莫多优化算法及其应用

针对科莫多算法(KMA)在求解复杂函数和高维情况下容易出现早熟收敛的问题,提出了一种改进的变权科莫多优化算法(VWCKMA)。首先利用Tent混沌映射产生的序列对科莫多个体位置进行位置初始化,为全局搜索的多样性奠定基础。然后提出可变惯性权重,分别对不同社会等级的科莫多个体的运动进行不同控制,较好地提高了收敛速度。最后利用Tent混沌映射进行局部扰动,使其能够进行更加精确的局部搜索,避免局部最优值。仿真实验表明,在单峰函数和多峰函数求解的标准差和均值中,VWCKMA在收敛精度和收敛速度方面均有很大的提高。针对实际空气污染物PM_(2.5)预测非线性的问题,利用VWCKMA对BP神经网络的权值和阈值进行迭代寻优,基于最优参数的条件下使用BP神经网络对PM_(2.5)进行预测。实验结果表明预测准确率为85.085%,相比单一BP神经网络预测准确率提高19.85个百分点,体现VWCKMA具有一定的实践应用价值。

基于改进粒子群算法优化的染色木材颜色检测算法研究

为提高染色木材颜色的检测精度和速度,对樟子松木材单板进行染色,选取染色单板的光谱反射率作为输入,以极限学习机模型为基础构建预测模型,对染色单板的色度参数L^(*)、a^(*)、b^(*)进行预测,运用粒子群算法对ELM权值和阈值进行寻优,并引入非线性惯性权重和新的位置与速度更新策略改进粒子群算法,以消除其易陷入局部最优的缺点。此外,以L^(*)、a^(*)、b^(*)平均绝对误差为评价指标,与基础ELM模型及其他模型作对比,发现优化后的模型平均绝对误差为0.16,测色效果相较于基础ELM的0.68、麻雀算法优化的ELM的0.37等具有明显优势,这对于提高木材染色生产效率具有重要意义。

一种非线性动态权重的粒子群寻优改进算法

在传统的线性递减惯性权重粒子群优化算法(Linearly Decreasing Inertia Weight Particle Swarm Optimization,LDW-PSO)中,惯性权重通过一个固定的线性递减方式进行调整。这种方法在适应具体问题和反映算法当前状态方面存在局限性。为了克服这些限制,在线性递减权重的基础上引入了幂律分布函数,提出了一种新的自适应权重计算方法。该方法使得惯性权重能够根据迭代次数的增加,按照幂律函数的非线性规律逐渐减小,从而在算法的早期阶段增强全局搜索能力,在后期阶段更侧重于局部搜索。通过这种灵活的权重调整,改进方法能够有效提升粒子群优化算法的性能。为了验证所提出方法的有效性,采用4种基准测试函数进行性能分析。实验结果表明,与传统的线性递减权重方法和标准粒子群优化算法相比,改进后的算法展现了更优的搜索能力和更好的收敛性能。

融合黎曼流量子学习ChOA算法的三维航迹规划

针对传统方法的不足,提出一种融合黎曼流量子学习黑猩猩优化算法的三维航迹规划方法。为提高黑猩猩算法的寻优精度,引入非线性收敛因子均衡算法全局搜索与局部开发,设计自适应惯性权重提升算法全局搜索能力,融入黎曼流量子学习提高种群活跃度,避免生成局部最优解。建立三维航迹规划的约束模型和多目标代价函数,将航迹规划转化为多维函数优化问题,利用改进黑猩猩算法进行求解。实验结果表明,改进算法搜索精度更高,规划航迹能够规避所有威胁,具有更小的航迹代价。

基于WRLS-ARMAX系统辨识的新能源电力系统惯量评估

随着高比例新能源机组并入电网,电力系统低惯量特性愈加显著,严重影响了系统运行稳定性。为了准确估计新能源电网实际运行状态下的惯量大小,提出了一种基于加权递推最小二乘(WRLS)-受控自回归滑动平均(ARMAX)系统辨识的新能源电力系统等效惯量评估方法。首先,以发电机为对象,建立不同扰动情况下发电机功频响应特性的通用惯量解析模型;其次,以发电机并网母线有功功率和频率扰动作为输入和输出,建立ARMAX模型,考虑到实际电网运行过程中受大、小扰动共同影响,实际测量数据具有异方差性,采用WRLS求解模型中的待辨识参数;然后,提取辨识模型中包含惯量响应的传递函数模型,利用阶跃响应计算惯量源的惯性时间常数,进而计算得到系统等效惯量大小;最后,通过Matlab/Simulink仿真算例验证了所提方法的准确性和实用性。

疯狂自适应的正余弦乌燕鸥算法及应用

桥式起重机主梁优化是一个非线性的复杂约束优化问题,现有方法求解此问题时存在收敛缓慢、稳定性差、收敛精度低等问题。为克服此问题,提出一种疯狂自适应的正余弦乌燕鸥混合优化算法(CCASSTOA)。在乌燕鸥算法(STOA)中,引入Logistics混沌映射对STOA算法种群初始化,增加种群个体的多样性和迭代初期收敛速度;将惯性自适应权重和正余弦算法混合搜索策略引入到乌燕鸥位置更新公式中,增强了算法的全局搜索与局部搜索之间的平衡能力。将疯狂算子引入到乌燕鸥最优位置进行扰动,增强迭代后期种群的多样性,避免算法陷入局部最优。采用6个测试函数对CCASSTOA算法性能进行验证,结果表明:CCASSTOA算法优于其他五种元启发式优化算法,收敛精度高,稳定性好和鲁棒性强。将CCASSTOA算法应用在32t/22.5m的桥式起重机主梁轻量化设计中,可实现主梁截面面积减小约为31.45%。因此,CCASSTOA算法可有效地处理此类非线性的约束优化问题。

一种改进的鲸鱼优化算法在工程上的应用

针对鲸鱼优化算法存在收敛速度慢、易于陷入局部最优、收敛精度不高等问题,提出一种混合策略的改进鲸鱼优化算法(LWWOA).首先在全局搜索阶段引入莱维飞行,然后在螺旋更新阶段加入一个随机调整的惯性权重,最后将改进的鲸鱼优化算法应用于实际工程的优化设计问题,应用场景包括三杆桁架设计和压力弹簧的设计.仿真结果表明,LWWOA具有较快的收敛速度和较优的收敛精度,对实际工程的设计具有指导意义,并能拓展到其他领域.

基于改进麻雀搜索算法模糊PID控制器设计

为了提高无刷直流电机输出转速与转矩的平稳性,提出了一种通过时变惯性权重改进的麻雀搜索算法模糊PID控制器控制无刷直流电机。通过在Matlab/Simulink中对无刷直流电机进行控制仿真,仿真结果表明,时变惯性权重改进麻雀搜索算法模糊PID控制器控制无刷直流电机,其转速与转矩的平稳性符合要求,并且能够实时响应负载的变化。

基于离散粒子群算法的管道保温结构优化研究

针对目前管道保温结构优化算法不稳定、结果优化程度不高的问题,建立以经济效益为目标函数,以满足国家散热损失标准等条件为约束函数的离散型数学模型。以BPSO算法为基础改变其位置更新规则,防止种群进化失效;采用自适应权重增加粒子的全局和局部搜索能力;充分利用模拟退火算法的思想避免出现早熟现象。应用改进的算法分别对普通蒸汽管道和核电站的蒸汽管道进行系统仿真实验。结果表明,该算法能够在满足国家散热损失标准等条件下取得最优解,可以为管道保温结构提供合理的优化方案。

多策略融合改进的金豺优化算法及其在马斯京根模型参数估计中的应用

针对金豺优化算法在解决复杂或高维优化问题时易陷入局部最优、收敛速度慢和计算精度低等不足,提出一种基于多策略融合改进的金豺优化算法(Multi strategy fusion improved Golden Jackal Optimization Algorithm,MGJO)。首先,通过引入混沌映射策略初始化种群代替随机参数,使得算法能够在搜索空间中生成具有良好多样性的初始解,避免初始种群分布偏离最优值;其次,提出一种非线性变化的动态惯性权重使搜索过程更加符合实际情况,有效平衡了算法的全局搜索和局部搜索能力;最后,引入柯西变异的位置更新策略使其充分利用最优个体的引导作用提高种群多样性,以有效探索未知区域避免算法陷入局部最优。为了验证改进的金豺优化算法的寻优精度、收敛性能和稳定性,选择了8个不同特征的基准测试函数进行试验。结果表明,在8个基准测试函数中,改进的金豺优化算法的平均值、标准差、最优值都取得了最优的结果。此外,Wilcoxon符号秩检验的结果表明改进的金豺优化算法在统计学上是显著优越的。通过实例应用表明,基于多策略融合改进的金豺优化算法可以有效地估算出马斯京根模型的参数,优化效果明显优于粒子群优化算法、正弦余弦优化算法和金豺优化算法,进一步验证了多策略融合改进的有效性和改进算法在参数优化中的优越性,为更精确估计非线性马斯京根模型参数提供了一种有效的新方法。

混合策略改进的野马优化算法

针对野马优化算法存在种群多样性低、收敛速度慢和易陷入局部最优等问题,提出一种混合策略改进的野马优化算法(IWHO)。在马驹位置公式中引入基于饥饿游戏的Tent惯性权重,更好平衡算法的全局搜索与局部搜索能力;在放牧阶段引入折射镜像学习策略,利用折射镜像学习生成可行解的反向解,加快算法的求解速度;利用混合黄金正弦与飞蛾扑火算子,使算法跳出局部最优。将改进后的算法(IWHO)和其它算法在10个基准函数上对比测试,并通过Wilcoxon秩和检验和拉/压弹簧设计问题验证算法性能。仿真结果表明,IWHO在收敛速度和寻优精度上有明显改进。

基于巴特沃斯幅频特性的自适应粒子群算法

针对传统粒子群算法存在求解精度低和易陷入局部最优等问题,提出一种基于巴特沃斯幅频特性的自适应粒子群算法(Butterworth amplitude-frequency characteristics based adaptive particle swarm optimization algorithm,BAC-PSO).一方面,借助巴特沃斯幅频特性设计一种惯性权重非线性递减策略,均衡算法中粒子的局部与全局搜索能力;另一方面,通过S型函数的粒子群优化策略和Sigmoid函数改进位置更新方法,进一步提升算法的求解精度.以5个经典的测试函数为基准,将BAC-PSO算法与5种经典粒子群算法的性能进行对比,并将其应用到求解压力容器模型的设计问题中.实验结果表明,相较于其他经典粒子群算法,BAC-PSO算法的求解精度更高,收敛速度更快,稳定性更好.

仿生蛋形箱梁力学性能研究

通过测量统计多组禽类蛋的长轴、短轴获得禽类蛋的几何特征参数,通过分析仿生蛋形截面与传统矩形截面的惯性矩设计出拥有与矩形箱梁相同截面惯性矩的仿生蛋形箱梁,同时利用有限元法分析两种箱梁的抗弯性能和抗屈曲能力,获得两种箱梁的力学性能与几何特征参数间的规律。最终,根据蛋形几何特征重新设计门式起重机主梁并分析两种主梁在危险工况中的刚度和强度。通过门式起重机主梁的应用,证明仿生蛋形箱梁拥有与传统矩形箱梁相似的结构力学性能的同时,其重量能够比传统矩形主梁轻11.11%。

三端口柔性多状态开关多模式平滑切换控制策略

光伏整县推进和电动汽车快速发展造成配电网末端电压偏高等电能质量问题,基于区域柔性互联的柔性多状态开关(flexible multi-state switch,FMSS)技术成为解决方案之一。针对柔性多状态开关PQ模式与VF模式间切换的波动及冲击性问题,提出在状态跟随控制器之后添加惯性环节,并改进相位预同步环节,可实现FMSS并离网工作模式的平滑切换。针对FMSS直流母线控制端的馈线故障导致系统运行崩溃问题,提出一种引入权值调节的控制策略,可实现系统稳定运行情况下,有功控制和直流母线电压控制的平滑切换。在MATLAB/Simulink环境下搭建了三端口FMSS仿真模型,对提出的控制策略进行了仿真验证,仿真结果实现了任意馈线故障下三端口FMSS无缝转供电功能。最后搭建物理实验平台,进一步验证了所提平滑切换策略的有效性。

基于改进蝙蝠算法的最小区域法圆度误差评定

圆度是轴类机械产品几何精度评价的核心指标之一,其直接影响到产品的性能和寿命,准确、快速、规范的进行零件圆度误差评定一直是计量领域研究的热点。因此,提出了一种基于改进蝙蝠算法的最小区域法圆度误差评定方法,该方法利用蝙蝠算法的种群寻优能力,结合最小区域法对圆度误差模型中的目标圆心进行快速寻优,进而计算求解出圆度误差值。改进的蝙蝠算法通过增加混沌惯性权重、自适应参数等方法来有效避免算法在圆度误差评定中陷入局部最优,并改善评定准确性和稳定性。通过对实测数据进行实验验证和分析对比,结果表明提出的方法在圆度误差评定中寻优速度明显优于遗传算法,评定精度和稳定性较最小二乘法有较大提升,验证了该方法在最小区域法圆度误差评定应用中的可行性。