一种多策略融合的人工蜂鸟算法

为提升基本人工蜂鸟算法的收敛速度和求解精度,提出了一种多策略融合的人工蜂鸟算法。首先,利用混沌反向交流策略初始化蜂鸟位置,提高初始种群的多样性;然后,通过概率动态调节函数控制蜂鸟的引导觅食和区域觅食行为,并且引入自适应螺旋改进迁移觅食行为,协调全局探索与局部搜索能力;最后,利用柯西高斯变异策略对最优蜂鸟的位置进行扰动,提高算法跳出局部最优的能力。利用9个基准测试函数进行仿真实验,并与其他5种最新的优化算法进行对比。仿真结果表明,所提算法的收敛速度更快、求解精度更高、稳定性更强。     

基于分治策略的改进人工蜂群算法

人工蜂群(ABC)算法存在着收敛速度不够快、易陷入局部最优的缺陷。针对这一问题,提出一种改进的人工蜂群(DCABC)算法。应用反学习的初始化方法产生初始解,引入分治策略对蜜源进行优化,在采蜜蜂发布更新的蜜源信息后,跟随蜂选择最优蜜源,并采用分治策略进行迭代优化。通过对经典测试函数的反复实验及与其他算法的比较,表明了所提出的算法具有良好的加速收敛效果,提高了全局搜索能力与效率。     

计及激励型需求响应的微电网可靠性分析

鉴于激励型需求响应能够引导用户调整用电行为、主动参与负荷削减,而微电网中的分布式电源及储能能为实施激励型需求响应提供响应时间,文中对计及激励型需求响应的微电网可靠性进行了重点研究。首先分析了激励型需求响应的机理及其对供电可靠性的影响,接着对用户进行分级、建立了需求响应的调度模型,然后以用户收益最大为目标建立用户侧的响应模型,并提出了计及激励型需求响应的微电网负荷削减策略,最后基于蒙特卡洛模拟方法对改进的RBTS Bus6测试系统进行可靠性评估和经济性分析。算例结果验证了所建模型的有效性,证明了激励型需求响应能有效提高微电网的可靠性和经济性。采用随机优化理论,研究具有提前通知选择时供电公司对于可中断负荷的最优决策模型,并给出模型的解析解。     

基于改进邻域搜索策略的人工蜂群算法

针对人工蜂群算法存在易陷入局部最优、收敛速度慢的缺陷,提出一种改进邻域搜索策略的人工蜂群算法.首先,将混沌思想和反向学习方法引入初始种群,设计混沌反向解初始化策略,以增大种群多样性,增强跳出局部最优的能力;然后,在跟随蜂阶段根据更新前个体最优位置引入量子行为模拟人工蜂群获取最优解,通过交叉率设计更新前个体最优位置,并利用势阱模型的控制参数提高平衡探索与开发的能力,对观察蜂邻域搜索策略进行改进,以提高算法的收敛速度和精度;最后,将改进人工蜂群算法与粒子群算法、蚁群算法以及其他改进人工蜂群算法进行比较,利用12个标准测试函数进行仿真分析.结果表明,改进算法不仅提高了收敛速度和精度,而且在高维函数优化方面具有一定的优势.     

基于多能互补的储能系统需求响应策略研究

随着双碳目标在电力系统中的不断落实与应用,储能和分布式电源得到了广泛应用,传统受电端正由被动供电向主动需求响应的趋势进行转变。然而,电价政策与分布式电源的随机性等因素会对微电网经济与稳定供电产生较大影响。因此,提出基于多能互补的储能系统需求响应策略研究。首先对电网中多能互补方式与需求响应策略进行建模与优化,其次构建了考虑分时电价政策的微电网储能需求响应管理系统,以最优配置各类用电方式并实现用电成本最优。通过Simulink仿真场景进行案例分析,结果表明所得优化策略可有效降低用电成本。     

基于信息熵的改进人工蜂群算法

为了克服人工蜂群算法在处理复杂性问题时收敛速度慢、收敛精度不高、易早熟等缺陷,在原始人工蜂群算法的基础上引入信息熵。信息熵本身是不确定性的一种度量,由信息熵的值来度量人工蜂群算法中跟随蜂选择的不确定性,通过控制信息熵的值达到控制算法中跟随蜂选择过程的目的,实现算法的自适应调节。通过对测试函数和不同规模TSP问题的模拟仿真,对人工蜂群算法、蚁群算法和其他改进方法进行了对比,验证了所提出改进方法的可行性和有效性。     

基于模糊PID前馈控制的VRV空调控制方法研究

变制冷剂流量（VRV）空调系统由于其舒适性、环保性和节能性得到了广泛的应用,但是系统具有多变量、非线性、强耦合等特点。对于这个问题,在VRV空调系统房间模型基础上,应用仿真实验以及数学建模的方式建立蒸发器过热度、制冷剂质量流量以及电子膨胀阀的数学关系,通过前馈控制满足了有效抵消各蒸发器之间耦合量的需求;通过模糊PID控制器可以体现不同蒸发器之间的耦合关系,同时通过模糊补偿器还可以提高系统建模的精度。最后经过仿真和实验结果发现,经过模糊PID控制以及前馈控制以后,其他房间由于耦合性对于被控房间所造成的的扰动可以被有效抵消,实现了被控房间的稳定运行的目的。通过设计和实验仿真证明了模糊PID控制器的有效性以及前馈模糊控制器良好的控制性。     

基于DDPG算法的冰蓄冷空调系统运行策略优化

空调的不合理运行会增加建筑物总能耗,加大电网峰谷负荷差,影响电网的安全运行。针对此问题,提出一种基于深度确定性策略梯度(deepdeterministicpolicygradient,DDPG)算法的冰蓄冷空调系统运行策略优化方法,以平滑冰蓄冷空调系统的功率曲线和降低系统运行费用为目标,求解各个时刻制冷主机和蓄冰槽的运行功率。通过仿真实验分析DDPG算法的性能,结果表明,该方法不仅平滑了空调系统的功率曲线,实现了电网调峰的目标,同时降低了空调系统的运行费用,具有良好的经济效益。与传统的主机优先和融冰优先方法相比,该方法的功率平滑效果和经济效益都更好。     

基于电网需求响应约束的多播路由

针对智能电网多播路由通信中,通常存在只考虑多播通信的时延约束而没有考虑电网需求侧带负载的情况,所构建的多播树会出现控制信息传输到大功率负载设备的通信时延较大的问题,提出一种考虑负载功率和通信时延的多播树构造方法,称为基于需求响应（DR）能力约束的多播路由算法。首先,根据电网拓扑信息生成满足约束条件的完全图;然后,采用Prim算法构造较低费用的多播树;最后,将多播树还原到原网络。仿真结果表明该算法能够有效地减小大功率负载设备的需求响应时延,与基于时延约束的多播路由算法相比,能够使电网频率波动大幅度减小。该算法能够有效地提高智能电网中需求响应的实时性,稳定电网频率。     

基于刺激-响应分工机制的人工蜂群算法

针对人工蜂群算法中探索与开采的不平衡以及由此导致的求解精度低、收敛速度慢等问题,提出一种基于刺激-响应分工机制的人工蜂群算法.将探索和开采看成两种不同的搜索任务,令蜜蜂在雇佣蜂阶段执行探索,在跟随蜂阶段执行开采.根据种群多样性设计搜索任务的环境刺激,利用搜索成功率设计蜜蜂个体的响应阈值.在刺激-响应分工机制下,蜜蜂在雇...     

基于改进Apriori算法的地面空调间歇故障预测

针对机坪地面空调间歇故障引起的使用效能低、维修滞后等问题,提出了二次关联累加数组（AS）-Apriori与聚类K-means相结合的间歇故障预测方法,并基于此实现了延误维修预测。其中：AS-Apriori算法解决了Apriori频繁扫描事务库的低效问题,通过实时构造间歇故障数组并对其对应项累加求和;延误维修预测是为了估计出永久故障临界区以安排合理维修,可采用正态分布求出不同间歇故障变量的维修波及延误概率并进行依次累加而实现。验证表明,AS-Apriori提高了运行效率,且二次关联规则支持度提升了20.656个百分点,能更准确预测间歇故障,同时参照数据分析,预测的维修波及延误累加概率呈线性分布,即可预测性高的间歇故障更便于预先维护管理,减少永久故障的形成。     

基于并行人工免疫算法的变精度属性约简

为了避免传统的人工免疫算法在属性约简时陷入局部最优解,提出了具有自适应特性的并行人工免疫算法,并且运用该算法进行粗糙集的变精度属性约简。该算法构造了趋同算子,异化算子和传优算子,利用“趋同”算子的分布性特点实现多个子种群的并行搜索,利用“异化”算子来交换种群之间优秀个体的信息,维持种群的多样性,利用“传优算子”把当前最优抗体分配到各个子群体当中,实现群体跨越式进化。在各个算子操作过程中,为了从准确度和覆盖度两方面来度量生成的规则集合的不确定性,引入了不确定量度HVPRS作为评价因子,并以此为依据,自动调整抗体的交叉概率和变异概率,使得算法不仅具有自适应的特性,而且所提取的规则集具有较高的覆盖能力和泛化能力。最后通过某发电厂发电机级故障诊断的实例,表明该算法获得的故障诊断规则集合具有较高准确度和覆盖度,满足了实际故障诊断中的要求。     

改进的人工鱼群算法在频率分配中的应用

在蜂窝移动通信网络中,为了应用有限的可用频谱来满足不断增长的客户需求,运用一定的优化算法合理规划频率资源显得尤为重要。针对这一问题,提出了一种改进的人工鱼群算法。算法引入了变异算子,来增强种群的多样性;采用动态调整步长,较好地平衡了全局和局部搜索能力;用整个人工鱼群的中心位置和全局极值位置代替人工鱼邻域中心位置和邻域极值位置,从而减少了算法的计算量,提高了运算精度。仿真结果表明,改进后的算法能够很好地解决频率分配问题,提高了算法的收敛率和收敛速度。     

基于改进Dijkstra算法的配用电通信网流量调度策略

针对配用电通信网中数据汇聚易产生拥塞的问题,提出了一种复合边权值流量调度路由算法。首先,依据跳数建立节点分层模型;然后,划分配用电业务优先级和节点拥塞等级;最后,以跳数、流量负载率和链路利用率为综合指标计算边权值,对需要流量调度的节点根据改进的Dijkstra算法进行路由选择,同时对重度拥塞节点按照配用电业务优先级进行调度。与最短路径（SPF）算法和贪婪背压算法（GBRA）相比,在数据生成率为80 kb/s时,所提算法紧急型业务丢包率分别减少了81.3%和67.7%,关键型业务丢包率分别减少了79%和63.8%。仿真结果表明,所提算法能有效缓解网络拥塞,提高网络有效吞吐量,降低网络端到端时延和高优先级业务的丢包率。     

基于改进量子旋转门人工鱼群算法的K-means聚类算法及其应用

为改进传统K-means聚类算法中存在因随机选择初始质心而导致聚类结果不稳定且准确度低的缺点,提出基于改进量子旋转门人工鱼群算法的K-means聚类(IQAFSA)算法,通过动态更新量子旋转门的旋转角提高下一代更新方向准确度及更新速度。变异策略从传统的非门改为H门,既增加种群的多样性,又使全局搜索能力增强;最终使用所改进算法选取K-means的初始质心再进行聚类。通过UCI数据的测试以及在医学相关数据上的实验表明,提出的算法具有有效性,准确度较高且收敛速度较快。     

基于改进人工蜂群算法的体声波滤波器自动布局

针对体声波（BAW）滤波器布局中芯片面积利用率低、设计周期长、制造成本高等问题,提出了一种基于改进人工蜂群算法的BAW滤波器自动布局方法。首先构建了自动布局的评价模型,通过结合利用圆形容器的顺序布局和基于旋转角度编码的聚拢布局来简化自动布局的难度;同时采用了一种改进人工蜂群算法去搜寻BAW滤波器的最优顺序布局和聚拢布局方案;最后,结合多组BAW滤波器的设计案例验证自动布局算法的有效性,其布局有效面积占比提升约17%,整体布局呈方形,且完成滤波器的自动布局仅需30 min。结果表明在保证BAW滤波器性能的前提下,算法可有效提升芯片面积利用率、大幅缩减滤波器的设计周期。     

混沌搜索策略的改进人工蜂群算法

针对人工蜂群算法的蜂群缺乏多样性、全局和局部搜索能力差及收敛速度较慢,提出一种基于混沌搜索策略的改进人工蜂群算法。该算法通过载波映射,由混沌-决策变量的变换,产生新的邻域点,为采蜜蜂和被招募的观察蜂提供了更广阔的搜索空间和更优质的位置蜜源,增强蜂群多样性;同时,引进侦查蜂局部蜜源搜索较好地解决了算法易陷入局部极小的问题,改善了人工蜂群算法的收敛性能。最后由6个标准测试函数的仿真验证,得到基于混沌搜索策略的人工蜂群算法性能明显优于标准人工蜂群算法。     

基于改进人工鱼群算法与RBF神经网络的股票价格预测

股票价格受多种因素影响,这对股票价格预测造成了巨大挑战。近年来,机器学习方法被广泛用于股票价格预测的研究中,然而,现有方法存在相对误差较大、时间复杂度高等缺点。对此,提出基于引力搜索的改进人工鱼群算法AFSA＿GS。该算法将引力搜索中计算质量和加速度的策略分别用于调节人工鱼的视野和步长,从而提高了人工鱼群算法在优化过程中的自适应能力;AFSA＿GS算法还优化了RBF神经网络的相关参数,并使用优化后的网络预测股票价格。在多家上市公司股票数据上进行了实验,实验结果表明,相对于传统的优化算法,采用AFSA＿GS算法优化的RBF神经网络,可以获得更好的股票预测性能。     

基于改进人工鱼群算法的RBF网络及其在人脸表情识别中的应用

在分析人工鱼群算法(AFSA)不足的基础上,研究了一种改进的人工鱼群算法,改进主要体现在两个方面：引入人工鱼移动最佳步长算子;改进觅食行为。将改进算法用于径向基神经网络的训练过程,建立相应优化模型,并将其应用到人脸表情的识别中。研究表明,改进算法具有收敛速度快、识别率高等优点。     

基于改进PSO算法的测试数据自动生成研究

为了提高软件测试中测试数据自动生成的效率,提出了一种基于改进PSO算法的测试数据自动生成的方法。通过在标准的PSO算法中引入人工免疫的思想,保持了群体的多样性,从而有效避免标准PSO算法易陷入局部最优的问题,提高了算法全局搜索的能力,增强了算法的整体性能。实验结果表明,利用改进后的PSO算法寻找最优解所需的迭代次数和时间明显少于标准粒子群算法,生成测试数据的速度快、效率高。