基于DE优化SVR的锂离子电池剩余容量预测

在分析了支持向量机回归算法(SVR)对剩余容量模型非线性回归基础上,针对SVR参数选择难的问题,提出了一种基于微分进化(DE)算法优化SVR的算法。DE具有强劲的全局搜索能力,将其应用到SVR的参数寻优当中去,可以寻找到SVR的最优参数。将该方法应用于锂离子电池剩余容量的预测模型,并将生成的模型和基于粒子群优化(PSO)算法的SVR锂离子电池容量预测模型比较。仿真结果表明,基于DE优化的SVR剩余容量预测的精准度高于PSO优化的SVR剩余容量预测精准度,为锂离子电池容量预测提供了一种新的方法。     

使用ε-SVR求解稀疏分解的单混合信号BSS

文章提出了一种单混和信号盲源分离(BSS)问题的改进解法。在源信号数大于混合信号数时,标准ICA法不再有效,BSS可使用稀疏分解法。文章首先将稀疏分解法等同于支撑向量回归(SVR)的一种形式,为稀疏分解法提供新的直观解释和求解方法。通过引入序列最小化算法(SMO)求解该SVR类比形式,显著提高了算法的速度和实用性。最后,我们将方法应用于QAM调制信号的单混合信号的盲分离问题,得到较好的分离效果。     

一种社会网络搜索免疫优化算法

基于社会网络所表现出的强大的信息搜索和传播能力,提出了一种新颖的免疫优化算法--社会网络搜索免疫优化算法．该算法将优化问题的求解看作是信息的传递过程,利用经典社会网络搜索模型即Kleinberg网络模型的建模方法来构造免疫算法的寻优进化过程．通过网络的结构增长机制,分别由短程连接算子和长程连接算子来引入抗体种群中的新个体．当搜索进行到一定程度时,自适应地调整长程连接搜索概率,避免算法陷入局部极值,能够最终找到目标的最优解．短程连接算子和长程连接算子的引入充分利用了抗体种群的结构信息,加快了种群收敛速度,同时降低了算法陷入局部极值点的概率．通过对复杂函数优化问题的测试、理论分析及实验结果表明,与粒子群算法、克隆选择算法等已有算法相比,新算法可以更好地保持解的多样性,收敛速度快,求解精度高,鲁棒性强．     

一种基于免疫遗传的TSP求解方法

为了更有效的求解旅行商问题(TSP),利用遗传算法与免疫算法各自的特点以及二者的共性提出了一种新的优化方法——免疫遗传算法,在本算法中采用抗体浓度调节机制并引入能量函数来求解TSP问题。给出了求解TSP问题的抗体、抗原、抗体浓度以及能量函数的数学表示,描述了该算法求解TSP的具体实现过程。仿真实验结果表明该方法在解决同类问题时比传统人工神经网络、遗传算法以及单一免疫算法取得了更短路径和更快的收敛。     

辅助激励源区域分解算法在电磁散射问题中的应用

针对电大问题，提出了一种基于辅助激励源的区域分解算法．首先把原求解区域划分成若干个子区域，显著地降低了原问题的规模和复杂度．在子区域分界面上引入虚拟的辅助激励源以交换信息，建立了相应的矩阵方程及其快速求解算法．一旦获得了辅助激励源，即可并行地计算各子区域内部的场．与传统算法相比，该算法有效地提高了计算效率和计算精度，降低了存储量；此外，它特别适合于求解具有几何重复性特征的结构，如栅格、光子带隙／电磁带隙、频率选择表面等．     

运用变异算子随机搜索求解全局优化问题

通过改进遗传算法,提出一种求解全局优化问题的变异基随机搜索方法．该法以变异算子作为唯一的遗传算子,利用生物变异原理进行局部搜索,同时为使算法具有一定的全局搜索性能引入随机初始化技术．它具有较强的局部搜索能力,可在有限时间内取得较好解．仿真实验证明,本算法在求解全局优化问题上的有效性,并表明其局部收敛能力与求解结果均优于传统遗传算法．     

基于蚁群算法的TSP问题求解

TSP问题是典型的NP—hard组合优化问题,蚁群算法是一种求解此类问题的优化算法,通过模拟蚂蚁觅食行为来解决NP问题。文章使用蚁群算法求解TSP问题,并结合TSP问题的特点选择了一种合适的蚁群更新策略。     

利用GEK代理模型的天线快速多目标优化设计

传统方法进行天线优化设计主要利用经典优化算法调用电磁仿真软件,在求解复杂天线的多目标优化问题时效率不理想．针对该问题,在多梯度下降算法中引入遗传算子,提出了一种高效的全局多目标优化算法--混合遗传算子多梯度下降算法．该算法调用梯度增强型克里金模型进行天线优化．梯度增强型克里金模型建模所需的样本规模小、时间短,并且避免了电磁仿真软件的反复计算．利用该算法优化加载各向异性Ⅰ型周期结构覆层的警用超短波宽带单极子天线和某型直升机机载专用通信系统天线及其抗干扰阵列,在达到相同优化效果时,所需的模型仿真次数为利用改进的非支配排序遗传算法调用电磁仿真软件进行优化的10.30％和18.96％,验证了该优化算法的高效性．     

一种求解有约全局优化问题的新型混合方法

通过将模拟退火算法与非线性规划神经网络适当结合，本文提出一种求解有约束全局优化问题的新型混合方法．为了使该方法尽可能保持一般模拟退火算法通用性强的优点，在每一次迭代中不是采用非线性规划神经网络直接求原问题的局部最优解，而是通过求解一个辅助优化问题得到原问题的可行解．数值计算结果表明，与使用罚函数方法处理约束的模拟退火算法相比，本文提出的混合方法不仅可靠性高，而且可以显著地提高计算效率．     

基于PCA-FOA-SVR的股票价格预测研究

研究股票价格预测问题,针对影响股票价格因素多存在数据冗余,传统方法无法消除数据冗余,准确稳定预测股价非线性变化.为提高预测精度,在传统的支持向量机回归(Support vector regression,SVR)方法的基础上引入主成分分析(Principal component analysis,PCA)和果蝇算法(Fruit fly optimization algorithm,FOA),提出了一种PCA-FOA-SVR的股票价格预测方法.首先利用PCA对影响股票价格的因素进行分析降维,消除冗余信息,然后用果蝇算法优化SVR的参数,利用优化后的SVR对非线性变化的股票价格建模预测.最后利用PCA-FOA-SVR模型对宁沪高速(600377)股票价格数据进行仿真实验.实验结果表明:与传统的BP和SVR相比,PCA-FOASVR模型在股票价格预测中进一步减小了预测误差,有更高的预测精度,是一种有效可行的股票价格预测方法.     

支持向量机替代模型的遗传优化设计

针对实际工程中常见的性能函数不能显式表示的优化问题,提出一种基于支持向量机替代模型的遗传优化设计方法。利用试验设计选取合适的设计参数样本点,通过实验或数值仿真获得响应输出,结合遗传算法构建具有参数优化功能的支持向量机替代模型;将支持向量机模型作为目标性能函数,结合其他约束条件完成优化模型的建立,并应用遗传算法进行优化,形成一套准确、高效、适应性强的优化方法。以典型电子装备功分器的结构尺寸优化为例,采用均匀试验设计和高频电磁场仿真软件HFSS获取替代模型训练的学习样本,建立功分器模型的幅度比、相位差和驻波3个响应面目标函数,并对该多目标优化问题进行遗传寻优。     

关于求线性规划初始正则解的一个新方法的注记

在线性规划问题的求解中,对基变量取负值的情形,文献提出一种求初始正则解的新方法．该文对这种方法作了进一步讨论,指出它实质上是由原有单纯形法和对偶单纯形法两个阶段组成．第一阶段通过引入非负右手边向量构造辅助线性规划问题,然后用单纯形法求解这个辅助问题获得原问题的一个正则解（如果存在）;第二阶段由此正则解出发,用对偶单纯形法求得原问题的最优解（如果存在）．通过大规模例子对这种算法进行数值试验,结果表明它的计算效率非常低,因而对这种方法进行了改进．     

基于叠前资料的新型属性优选算法

为了实现属性优选的定量化评价,提高属性优选的准确率,提出了一种新型属性优选算法,将非线性支持向量回归机(SVR)引入到遗传算法(GA)当中,在适应度评价时,使用SVR建立属性集与储层特征参数的定量计算关系,并且,首次将该新型属性优选算法应用到叠前叠后属性的优选。该方法在胜坨地区沙四纯上段进行应用,一方面避免了基于叠后地震属性的预测方法存在不确定性的问题,另一方面预测出了更加符合地质认识的储层展布结果。     

超记忆梯度算法的全局收敛性

对无约束优化算法进行了研究。描述了最速下降算法、牛顿法、非线性FR共轭梯度法、非线性PRP共轭梯度法、非线性DY共轭梯度法等求解大规模无约束优化问题的有效算法以及精确线搜索、Wolfe线搜索、Armijo线搜索的搜索条件;着重研究了计算更为有效的适合求解无约束优化问题的超记忆梯度算法;在一类Wolfe型非精确线搜索条件下给出了一类超记忆梯度算法,并且在较弱的条件下证明了算法的全局收敛性,为求解大规模无约束优化问题以及各种算法的比较提供了参考。     

一类无约束优化问题的信赖域过滤器算法

构造了一个求解无约束优化问题的新算法,结合了采用修正BFGS（MBFGS）算法的信赖域思想和多维过滤器算法策略．搜索方向的产生类似于MBFGS算法;在接受新的迭代点时,采用多维过滤器算法的策略及信赖域思想,新信赖域算法是全局收敛的．     

三角进化算法在非线性回归模型建立中的应用

非线性回归模型的建立是一类重要的问题,给出了一种基于三角进化算法的求解方法。利用最小二乘法将问题中参数的求解转化为无约束函数优化问题,而后利用种群并行搜索策略的三角进化算法对其求解。此方法不受问题连续、光滑的限制,避免了大量求导的计算,数值实验的结果证明了该算法的全局收敛性和有效性。     

Distributed consensus-based algorithm for social welfare in smart grid with transmission losses

In this paper, we present a distributed consensus-based algorithm to solve the social welfare maximization problem. This is one of typical problems of distributed energy management in smart grid. In this problem, we consider not only the generator and demand, but also the transmission losses which make the feasibility set of the formulated problem a non-convex set. In solving this issue, we find a noticeable result that the primal problem has the same solution with a new convex optimization problem by getting the utmost out of the implied term in practice. Considering the general communication topology among generators and demands, we first design a finite step algorithm to make each generator and demand know the information of parameters of others.Then, we design a distributed algorithm and also prove the optimality and convergence of the proposed algorithm. Finally, the convergence and optimality are examined through extensive simulations.     

萤火虫算法优化SVR参数在短期电力负荷预测中的应用

由于萤火虫算法(FA)具有全局性能好、收敛精度高等优点,因此将萤火虫算法用于SVR的惩罚系数C和核参数σ的优化选取中。为提高迭代收敛速度和寻优精度,对萤火虫算法加以改进,在迭代过程中对亮度最亮的萤火虫位置施加随机扰动;将参数经过优化选取的SVR用于短期电力负荷预测,并将预测结果与采用网格搜索法、遗传算法、粒子群算法得到的结果做比较。其结果表明,采用改进萤火虫算法作参数寻优的SVR的负荷预测精度高,效果最好。     

基于功率调整与随机接入联合优化的 RFID多读写器抗干扰算法

提出了一种集随机接入和功率控制于一体的多读写器抗干扰联合优化算法,可根据读写器密度自适应调节2种作用的权重.首先全面考虑接入概率、功率大小和信道选择对读写器信噪比的影响,将多读写器抗干扰问题建模成混合-整数规划问题;其次采用广义Benders分解方法将算法分解成易求解的子问题和二进制规划主问题,并证明了算法收敛于全局最优解;最后通过仿真验证了算法在标签识别率和公平性方面优于现有方案.