路径规划问题的自适应改进樽海鞘群算法求解研究

路径规划问题的求解具有理论与实际应用价值.为寻到最短路径,解决传统算法存在收敛速度不快,寻优精度不高和全局最优值易陷入局部最优解区域的问题,提出一种基于扰动因子和自适应惯性权重的改进樽海鞘群算法(DISSA).首先,在领导者位置更新阶段添加扰动因子,扩大搜索范围来提高局部搜索能力,引导个体探索其他位置,以增加种群的多样性.其次,利用上一代的最优位置来代替上一代前一个体的位置对跟随者的位置更新进行改进,以解决跟随者盲目跟从的问题,并进一步加强算法的局部搜索能力.再次,在改进的跟随者位置更新阶段,引入负双曲正切函数控制的惯性权重来平衡算法的全局搜索和局部搜索能力.选取12个基准测试函数进行仿真实验,对比樽海鞘群算法(SSA)、粒子群算法(PSO)、蚁狮优化算法(ALO)和乌燕欧优化算法(STOA),实验结果表明,所提算法能够有效加快收敛速度,提高寻优精度.最后,将改进算法应用于路径规划问题中,结果证明了该算法较其他算法所寻路径更优.

基于多目标规划的分布式电源选址定容研究

为更好地解决分布式电源选址定容问题,提出一种改进的多目标粒子群算法,并分别利用改进的多目标粒子群算法和传统的多目标粒子群算法求解测试函数,来证明所提算法的有效性。之后,考虑经济、网损以及电压稳定性三因素建立了一个三目标的数学模型,并采用上述改进的多目标粒子群算法对模型求解。利用模糊满意度评价决策方法从得出的多目标Pareto解集中选择出最优折衷解,给予规划人员科学的决策依据。最后利用IEEE-33系统仿真来验证所提算法在分布式电源选址定容方面的有效性。