基于GSO与加权质心的DV-Hop定位算法

由于经典DV-Hop定位算法中定位精度较低,提出一种改进算法。首先,未知节点计算到各信标节点的距离时,采用不同平均每跳距离。其次,采用GSO(galactic swarm optimization)思想把网络中的信标节点分为不同种群,使用粒子群优化算法估计每个种群中未知节点的最优位置,其最优位置构成一组次优解集。最后,利用加权质心算法优化次优解集作为未知节点的坐标。实验仿真表明,该方法能有效降低未知节点的定位误差。

基于共享最小二乘支持向量机模型的电站锅炉燃烧系统的优化

电站锅炉燃烧系统是一个复杂的多输入多输出系统,为了在同一个模型中实现高效率、低污染物排放的优化目标,对标准最小二乘支持向量机回归方法进行了扩展.借助某电厂1 000MW超超临界锅炉的现场燃烧调整试验数据,建立了以锅炉热效率和NOx排放质量浓度为输出的共享最小二乘支持向量机(LSSVM)模型,采用一种改进的粒子群算法对共享模型中的锅炉运行工况进行了寻优.结果表明:在共享LSSVM模型中,锅炉热效率和NOx排放质量浓度的平均预测误差分别可达到0.028%和2.16%,搜索得到的高效率和低NOx排放的参数组合可为电站锅炉优化运行提供指导.

基于改进PSO算法优化LS-SVR的话务量预测

为了更准确的预测话务量,提出了一种以粒子群优化算法为基础的,通过多样性度量指标控制种群特征的改进粒子群优化算法(MPSO),用于最小二乘支持向量回归机(LS-SVR)超参数的寻优,分析影响话务量的相关因素,选取合适的样本,利用优化后的LS-SVR模型对移动话务量进行预测。与标准LS-SVR预测算法和PSO优化后的LS-SVM算法进行比较,实验结果表明,本文的预测方法具有更好的收敛性和更高的预测精度。

基于粒子群算法的泊位分配集成优化研究

泊位分配直接影响着港口船舶的进港靠泊时间和作业效率。为获得合理的集装箱码头泊位分配计划,建立了以最小化船舶在港时间和码头运营成本的集成优化模型,并应用粒子群算法进行求解。通过与Gurobi软件求解结果进行对比,发现在求解大规模的船舶调度问题时,粒子群算法在求解时间上比Gurobi更有效。

改进和声搜索算法优化LSSVM的脑CT图像分类

为了提高脑CT图像的分类正确率,针对分类器中的最小二乘支持向量机(LSSVM)参数优化问题,提出一种改进和声搜索算法优化LSSVM的脑CT图像分类模型(IHS-LSSVM)。将LSSVM参数看作不同乐器的声调组合,通过和声搜索算法的"调音"找到最优参数,并在寻优过程中引入粒子群算法的最优位置更新策略,增强了算法跳出局部极小值的能力,根据最优参数建立脑CT图像分类模型,并对模型的性能进行仿真测试。仿真结果表明,相对于对比模型,IHS-LSSVM不仅提高了脑CT图像分类正确率,而且加快分类速度,是一种有效的脑CT图像分类模型。

机场群共用航路点的航班排序模型及算法

机场群上空空域资源共享、运行耦合复杂,拥堵往往发生在共用航路点。为缓解空域拥堵和航班延误问题,开展了机场群共用航路点的优化排序研究。针对共用航路点的运行特征,引入惩罚因子并以总延误时间成本最小为优化目标,建立了机场群共用航路点的航班优化排序模型,基于滑动时间窗算法和粒子群优化算法的原理提出了TW-PSO组合优化算法对模型进行求解。选取京津冀机场群过共用航路点的航班进行算例仿真,结果表明:TW-PSO组合优化算法与FCFS算法、滑动时间窗算法、粒子群优化算法相比在高峰时段的总延误时间成本分别减少了216,212,161 min;在算法性能方面,具有比经典算法迭代次数少、优化效果更佳的优点,能有效缓解航班延误问题,改善机场群的协同运行效率。

基于改进QPSO算法的区域防空力量部署优化

针对区域防空中地面防空火力单元部署优化问题,提出了改进量子行为粒子群优化(QPSO)算法。为了克服基本粒子群和量子行为粒子群等算法易陷入局部最优点的缺点,将交叉-变异算子引入QPSO算法,以增强粒子的全局搜索能力,提高算法收敛速度。改进QPSO算法中使用罚函数处理优化问题的不等式约束。最后,数值算例验证了改进QPSO算法的有效性。

软件外包中分包商选择的优化模型及算法

软件企业常作为发包方将软件项目的某些部分外包给其他企业来转移风险,与多方合作共同承担软件项目的开发,但分包方选择不当同样会给企业带来巨大的风险。为规避分包商选择失误带来的风险,提出了分包商选择的多目标规划模型,该模型以发包方企业成本最小和风险最小为目标对多个软件分包商进行选择。针对模型非线性复杂化整数规划的特点,设计了混合粒子群算法(GA-PSO)对模型进行求解。通过对一个算例的测试,证明了该模型及算法的有效性和可行性。

基于克里金(Kriging)近似模型的风管多阀门优化调节方法

介绍了近似模型理论和多目标粒子群优化算法。利用Fluent软件建立了某飞机喷漆大厅空调送风系统的数值模型,采用拉丁超立方采样方法生成阀门开度配置,通过多次仿真运行获得了样本数据,利用Kriging近似模型技术构建了风管阀门开度倒数和-风量标准差的近似模型,利用改进的多目标粒子群优化算法获得了帕雷托(Pareto)前锋线。

通信距离受限的协同侦察系统站点优化部署算法

针对时差定位体制的协同侦察系统,以提升侦察监视区域内辐射源的定位精度为目的,研究了通信距离受限下系统站点优化部署问题。针对监视区域离散化网格单元辐射源定位的几何精度因子,根据最差性能最优准则建立了系统站点优化部署的数学模型。提出了一种基于混合编码粒子群优化(PSO)算法的系统站点优化部署算法。仿真结果表明:与传统基于统一编码PSO的站点优化部署算法相比,混合编码PSO收敛速度更快,且定位误差更小。

基于非侵入式负荷监测的家庭智慧用能管理研究

随着多能源网络的融合和能源互联网技术的快速发展,家庭用能管理在解决各个能源网络节点供需问题上扮演着重要的角色。现有的大多数家庭用能管理针对已知用电负荷进行优化,未考虑用电设备类型的多样化和用电设备突增的情形。基于非侵入式负荷监测(Noninvasive Load Monitoring,NILM)算法可以有效获取家庭用电负荷、规律和用电信息,为家庭智慧用能管理提供数据支撑。文中以家庭用电成本、温度、时间、舒适度为目标函数建立家庭智慧用能多目标优化模型,对可控负荷、电动汽车、储能系统进行分析建立数学模型,利用粒子群算法对模型进行求解。仿真结果表明,基于NILM监测算法,考虑用电成本和舒适度家庭用电成本降低至72.5%;当用户可控用电负荷增加时,NILM算法可以实时更新控制策略降低用户用电成本;对不同用户进行多次计算,净成本和计算时间波动较小,证明了算法的合理性、可靠性。

基于距离优化和改进粒子群的节点定位算法

为提高无线传感器网络中DV-Hop算法的定位精度,提出基于距离优化和改进粒子群的DV-Hop定位算法(DPDV-Hop)。距离估计阶段,利用单跳平均误差修正平均跳距,接收多锚节点的平均跳距估算节点间距离,使估算距离得以优化。位置估计阶段,采用改进的粒子群优化算法(I-PSO)替代最大似然估计法,I-PSO利用粒子成功率PS自适应调节惯性权重因子,产生变异算子提升种群多样性。仿真结果表明,DPDV-Hop算法较其它算法的定位精度有所提升。

粒子群和遗传算法优化神经网络结构的破产预测

引荐了运用粒子群算法和遗传算法优化多层前馈神经网络结构预测破产的方法.融合了粒子群算法、遗传算法和神经网络众多优点,自适应和并行地搜寻神经网络最优的结构,由此构建优化的预测模型.采用源自UCI机器学习数据库的破产和非破产混合样本数据集,随机地从数据集中读取数据并进行数据预处理,运用7重交叉校验方法客观地评价预测结果.仿真证明,方法能自动有效地构建神经网络的优化结构,具有更快的学习速度和更好的推广性能.与其它方法相比,方法具有更高的破产预测准确率.