模糊遗传算法和蚁群算法相结合的配电网络重构

通过开关的优化组合可以提高配电系统运行的可靠性、电能质量和经济性。为改善配电网络重构模糊遗传算法的优化速度,提出了一种模糊遗传算法和蚁群算法相结合的方法。该方法将总的种群分为两部分进行搜索,一方面通过选择算子寻找总的种群中较优个体作为模糊遗传算法的子种群进行交叉、变异操作;另一面通过设定适应度函数阈值筛选总的种群中优秀个体,并将其适应度函数值对网络信息矩阵进行全局更新,用蚁群搜索另一部分子种群。该方法设定适应度函数阈值改进了蚁群算法的信息素更新机制;把模糊遗传算法和蚁群算法的子种群融合构成总的新种群,并用     

基于序优化和模糊蚁群算法的多目标配电网重构

针对蚁群算法求解配电网重构问题时搜索时间过长、易陷入局部最优解等问题,提出了一种基于序优化理论和模糊控制理论改进的蚁群算法应用于配电网重构。通过加入模糊规则,结合序优化思想,在信息素更新环节提出了分阶段按序更新策略,扩大解空间的探索;将Prim算法应用于搜索环节,直接得到辐射型可行解,大大减少了构造解的时间;结合模糊理论提出了多目标的目标函数,有利于得出高质量的解。选取IEEE33节点配电系统作为算例验证了算法的有效性和优越性。     

模糊自适应遗传算法在配电网络重构中的应用

以网损最小为目标函数,节点电压、网络辐射性和电源容量的限制为约束条件,建立了配电网络重构的优化数学模型。针对遗传算法的局限性,提出了一种新的模糊自适应遗传算法,缩短了染色体编码长度、设计了与进化代数、适应度、及个体排序相关的自适应交叉率与变异率,从而使得该算法能够有效地提高收敛速度,避免早熟收敛。重构算例说明该优化方法有效、实用。     

基于改进蚁群算法的配电网重构

配电网重构可以提高配电网运行的安全性、经济性和供电质量,对于当前国内配电自动化系统的建设和应用具有重要意义。以网络损耗最小为目标,提出了一种改进的蚁群算法来求解正常运行条件下配电网络的重构问题。针对基于蚁群算法在求解过程中存在搜索易陷入局部最优解和收敛到全局最优解的时间较长的缺点,从蚁群算法的转移概率和信息素动态更新2方面进行了改进,提高了蚁群算法全局搜索能力与收敛到最优解的速度。最后通过对69节点配电系统算例的仿真,取得了较好的效果,证明了该算法的有效性和可行性。     

基于最大最小蚁群算法的含分布式电源的配电网重构

以配电网网损最小为目标函数,将最大最小蚁群算法应用于含分布式电源(DG)的配电网重构。在重构过程中,基于生成树来形成辐射网保证了蚂蚁路径均满足网络拓扑约束,提高了计算效率。最大最小蚁群算法通过设置各支路信息素的最大最小值以及采用信息素全局更新方式,既可以避免基本蚁群算法易陷入局部最优解的弊端,又保证了收敛速度。基于Matlab编程,对IEEE69节点配电网进行仿真分析,配电网重构后,网损大大降低,节点电压有效提升,验证了该方法的可行性。     

用于降低网损的配电网络优化重构方法的研究

配电网络优化重构是降低配电网络线损的有效措施,综述了配电网络优化重构中常见的算法及问题.为了提高重构优化速度,提出了利用混合潮流算法快速计算网损的方法.提出了基于度的拓扑方法来判定在遗传算法优化过程中造成的不可行解,并列出了对不可行解的判断准则.本拓扑方法同样可以为前推回代法提供拓扑分析.为缩小搜索空间,对遗传算法采取了在基因操作过程中如产生不可行解采用返回重新操作的改进,使算法运算过程中不产生不可行解.同时为避免欺骗现象提出较差个体单独成群策略.实例证明,该算法应用于配电网重构是有效的.     

P2P网络中基于蚁群算法的智能搜索研究

资源搜索是P2P网络应用领域中最为广泛的问题,蚁群算法是受到自然界中真实的蚂蚁集体行为的启发而提出的一种算法.将蚁群算法用于非结构化P2P网络资源搜索中,在广度优先搜索技术(BFS)机制的基础上实现了资源的智能搜索.该算法利用蚁群算法特有的信息素以充分利用历史经验,设置了全局更新规则和局部更新规则来更新蚂蚁寻找到所需资源时经过的路径上的信息素浓度,对蚁群算法中的参数做了相应的修改,并给出了算法的简要描述和基本框架.避免了广度优先搜索技术机制中的消息量过大、网络负载过重的问题,从而提高了系统搜索效率.     

基于自适应遗传算法的配电网络重构

建立了兼顾经济性和可靠性的多目标配电网络重构数学模型，采用自适应遗传算法进行求解，根据个体适应度的变化自动调整交叉与变异概率，克服了遗传算法易早熟的缺点，加快了算法寻优速度。通过仿真算例分析比较，该方法是可行有效的。     

基于改进蚁群算法的无人机三维航迹规划

针对传统蚁群算法在无人机三维航迹规划中，存在早期盲目搜索、收敛速度慢、易陷入局部最优等问题，本文提出了一种改进蚁群算法。该算法利用空间位置初始化信息素分布并设定浓度阈值，增强了蚁群早期搜索的方向性，避免了算法陷入局部最优；设计兼顾距离因素和方向因素的启发函数，改善了航迹规划质量；采用自适应挥发因子控制信息素的挥发，提高了算法的收敛速度。通过两组实验表明，该算法相比传统算法规划的航迹平均长度均减少18.6%，平均迭代次数分别减少63.3%和78.7%，平均拐角次数分别减少62.5%和42.3%。     

一种改进粒子群优化算法的配电网重构

提出了一种改进的粒子群优化算法(RPSO)来解决配电网络重构问题。在RPSO中,根据配电网络的具体特点,将遗传算法中的优化编码技术引入粒子群优化方法中,通过粒子群体对基因代码的操作,提高算法的搜索性能。在寻优过程中,以适应度方差大小衡量粒子群体的"聚集"情况,并根据"聚集"情况来自适应调整群体的变异概率,用以克服粒子群优化算法(PSO)的早熟现象。通过对3个典型的IEEE测试网络重构,并与粒子群算法和遗传算法进行比较,改进的粒子群优化算法比粒子群算法和遗传算法具有更高的搜索效率。     

Reza's algorithm

Estimation, interpolation, forecasting and modeling are common engineering methodologies used to fit models to specific historical data. Recently, artificial neural networks have proven to be good candidates for modeling incorporating historical data. Also, fuzzy methods simulate complex and unpredictable systems in real-world applications. Adaptive filters, time series and statistical methods are other conventional estimating methods. Most of these methods first assume a parametric model for the system and then try to optimize the parameters so that the output error is minimized. This methodology (parametric modeling) forces a fixed structure to the behavior of the system. This causes a limitation in functionality and performance of the estimation process as well as reducing the degree of freedom in general. However, Reza's algorithm uses a sample of historical data, (X/sub i/,Y/sub i/, to estimate a value for Y/sub 0/ corresponding to a new value of X/sub 0/. It considers several possible ranges of solutions to calculate the final estimate of Y/sub 0/. Next, a candidate is introduced for each range of solutions (based on heuristic logic and engineering sense). Later on, these candidates are combined together using a weighted average method to reach a final solution for Y/sub 0/. This algorithm has been applied to several real-world data sets. The results show a relatively high accuracy (approx. 7%) in the sense of mean absolute percentage error. Reza is a sample-based algorithm, and in contrast to the other estimating methods, it does not force any parametric model to the system.     

结合分水岭算法和WKFCM算法的MRI图像分割

针对传统分水岭算法对MRI图像过分割的缺点,提出了一种基于分水岭算法和改进核聚类算法的MRI图像分割新方法.首先,通过传统的分水岭分割算法将MRI图像分割成不同的区域,然后根据改进的核聚类算法,利用Mercer核将各个区域的平均灰度值映射到高维特征空间,使得原来未显示出来的特征显现出来.这样就可以实现更准确的聚类,用灰...     

The Rijndael algorithm

The Rijndael algorithm is the new advanced encryption standard (AES) approved by the US National Institute of Standards and Technology (NIST). With this algorithm supporting significantly larger key sizes than DES (data encryption standard) supports, NIST believes that the AES has the potential of remaining secure for the next few decades. In overall performance, based on the speed of encryption and decryption and on key set-up time, the Rijndael algorithm has attained top scores in tests conducted by NIST. The belief is that almost all US government agencies will shift to the AES algorithm for their data security needs in the next few years. Also, that the algorithm will find its way in smart cards and other security-oriented applications used for safely storing private information about individuals.     

基于萤火虫算法的无人机组网多径路由算法

针对无人机自组网节点能量有限、移动快、数据多造成网络 QoS 下降的问题,提出将改进的萤火虫算法融入到多径路由 中形成萤火虫多径路由算法(AOMDV-FMRA)。 首先为减小速度对路径稳定度的影响,在路由发现过程中引入边界评价因子以 适应拓扑变化,再根据路径上节点的负载信息,对反向路由进行选择。 最后将能量评价参数映射到萤火虫算法中对收集到的路 径能量信息进行处理,作为流量分配的依据。 实验结果表明,与 AODV、AOMDV 相比,在节点速度高、网络流量大的环境中,算 法在端到端时延、网络生存时间、投递成功率、路由开销方面,均有良好性能。     

基于并行遗传蚁群算法的组播路由调度算法

组播是将信息从源节点同时发送到网络中多个目的节点的通信方式,这是网络规模日益增大,信息流量增大的必然结果.组播路由是用一点到多点的方式传送信息,组播路由问题已被证明是NP-Complete问题.文中结合遗传算法GA和蚁群算法ACA的优点,提出了一种并行的遗传蚁群算法GACA,并把该算法应用到求解组播路由问题中.GACA算法利用遗传算法的快速性、随机性、全局收敛性产生求解问题的初始信息素分布,通过选择,交叉,变异等遗传操作产生一组新的个体,然后再利用蚂蚁算法群体并行性、正反馈性、求解效率高的特点,实现组播路由优化选择.仿真实验结果表明,该算法不但实现了组播路由的全局优化,而且在时间效率上优于现有的组播路由算法.     

基于人口迁移算法和TLS ESPRIT算法的间谐波分析

提出了人口迁移算法和TLS_ESPRIT算法相结合的间谐波分析方法,首先使用TLS_ESPRIT算法估计信号中间谐波的个数和频率,然后将谐波分析问题转化为函数的参数优化问题,并应用人口迁移算法对间谐波幅值和初相角进行参数优化估计.仿真结果表明,该方法可较准确地分析间谐波的频率、幅值和初相角等参数.     

基于Dijkstra算法改进的飞行器航迹快速规划算法

当飞行器在航行途中遇到突发情况需要临时更改路径时,这就对航迹规划算法的效率和可靠性提出了很高的要求。针对这一问题,本文提出了一种加入预搜索的Dijkstra算法改进方案。该算法使用归一化熵权法建立了较为客观的航迹评价函数,简化了多目标航迹优化模型。通过加入深度为一的预搜索过程实现D算法的回溯功能,解决了经典D算法因松弛性不足,在复杂约束条件下路径搜索失败率高的问题。此外,为了进一步减少运算时间,在预搜索遍历过程中加入跳出机制。算法仿真结果表明,本文所提算法的运行时间相较于普通回溯D算法减少了46%,且在复杂约束条件下的航迹搜索成功率与航迹质量均接近智能算法,能够满足复杂条件下快速航迹规划的需求。     

融合鱼群和微分进化的蚁群算法的无功优化

对于求解电力系统无功优化问题,提出了一种融合鱼群和微分进化的蚁群优化算法（FDEACO）。受人工鱼群觅食、聚群和追尾行为的启发,在基本蚁群算法的基础上,应用人工鱼群算法的追尾行为对蚁群在可行域上搜索到的解进行改进,加快了向最优解收敛的速度。在信息素更新机制里,通过引入微分进化算法的发散项,增加一个随机扰动,减小了算法陷入局部最优的可能性。在IEEE30测试系统上对新提出的算法进行校验,并与其它算法比较,证明FDEACO算法收敛速度快、全局寻优能力强。     

基于遗传算法的炉膛温度场重建算法研究

在声学法锅炉温度场重建算法的原理基础上,提出一种遗传算重建温度场算法。在实验室条件下,对利用遗传算法温度场重建进行仿真研究,利用遗传算法对该网格进行插值、拟合,实现对待测温度场的重建,证实了遗传算法重建的优势。同时,应用遗传算法重建了声波在传输路径上具有弯曲效应的温度场。最后通过最大误差、最大相对误差、平均误差和均方根误差等评价指标得出遗传算法重建的温度场精度较高、重建速度较快的结论。与最小二乘法重建算法成像效果进行比较,仿真结果证明:利用遗传算法重建出的温度场具有更高的精度、更快的重建速度等特点。     

基于改进JPS的移动机器人路径规划算法

在移动机器人的路径规划技术中，跳点搜索算法（JPS）因具备简单、快速、易实现的特性而被广泛使用。然而，传统的JPS算法由于启发式函数搜寻效率低导致其搜索的节点数量冗余，而且难以有效兼顾规划路径的安全性。针对该问题，本文提出了一种改进的JPS算法。该方法设计了一种由对角线距离和方向信息结合的启发式函数用于提高寻路效率，并且进一步对规划路径进行平滑处理以有效兼顾规划路径的安全可靠性。移动机器人在复杂障碍物环境下的路径规划仿真实验表明，相较于JPS算法，本文改进后的JPS算法平均规划时间减少了13.4%，平均路径长度减少了3.1%，平均危险点数量降低了83.3%。