基于混沌粒子群算法的城市无人机路径规划

结合城市无人机复杂运行环境特点,针对三维空间路径规划问题,提出基于混沌粒子群算法的城市无人机路径规划方案。首先利用地理信息系统GIS获取城市相关信息构建三维城市环境模型,然后针对PSO粒子群算法中rand()函数伪随机的问题,引入Zaslavskii混沌序列生成随机数,构建城市无人机路径规划经济效益、飞行高度和障碍物规避3个适应度函数,并对PSO粒子群算法和函数的参数进行调整。选取天津某区域进行仿真,结果表明本文所提方法比传统PSO粒子群算法更具有优越性。

换电站与电网协调的多目标双层实时充放电调度方法

大规模电动汽车无序充电会对电网安全经济运行及换电站经济运营产生严重的负面影响。计及未入网电动汽车充换电预测,考虑电力网络运行、大规模电动汽车用户充换电需求等约束,建立了换电站与电网协调的多目标双层实时充放电调度模型,其中上层模型以电网负荷波动最小和上下层调度偏差最小为目标,由上层调度机构安排各换电站实时充放电计划;下层以各充放电装置响应上层计划为目标,同时满足用户充换电需求,将大规模混合整数非线性规划问题转化为非线性多目标规划问题和大规模混合整数线性规划问题。采用基于Zaslavskii混沌映射的改进NSGA-Ⅱ和YALMIP/CPLEX求解方式对上下层问题分别进行迭代求解滚动优化。以IEEE 30节点系统为例,验证了所构建模型的正确性和有效性。

协同粒子群优化算法

为解决粒子群优化算法易陷入局部最优的问题,提出了两种新方法协同处理粒子群优化算法:对比平均适应度值差的粒子,用动态Zaslavskii混沌映射公式改进粒子惯性权重与速度矢量,在复杂多变的环境中逐步摆脱局部最优值,动态寻找全局最优值;对好于或等于适应度平均值的粒子,用动态非线性函数调整粒子惯性权重与速度矢量,在保存相对有利环境的基础上逐步向全局最优处收敛。两种方法相辅相成、动态协调,使两个动态种群相互协作、协同进化。实验表明该算法在多个标准测试函数下都超越了同类著名改进算法。

基于双重反向学习粒子群算法的DNA序列设计

DNA计算是基于生物DNA分子的新型计算范式,因其卓越的计算性能而具有广阔的应用前景。DNA计算对用于编码的DNA序列的设计要求严格,为保障DNA计算的可靠性,各种合理可靠的约束条件被用于规范设计DNA编码序列。为获得质量更高的DNA编码序列,通过采用能满足多种设计要求的约束条件组合,并将基于双重反向学习的粒子群算法(QOLPSO)应用于解决DNA编码序列设计优化问题。QOLPSO在标准粒子群算法基础上加入Zaslavskii混沌映射和双重反向学习策略以此来获得高质量初始种群,后引入蝠鲼觅食优化算法中的螺旋觅食来提升算法的全局搜索能力,再采用和声搜索算法的微调操作来优化解的选择,从而得到高质量的解。通过DNA编码序列设计优化实验体现QOLPSO相较其他改进算法能设计出更高质量DNA序列的能力,最后采用消融实验来证明改进策略的有效性及在DNA序列设计中的性能。