基于Spark的并行k均值聚类模拟退火算法求解MMTSP

多起点闭回路多旅行商问题是旅行商问题的扩展。针对这个问题文中提出了一种基于Spark框架的并行k均值聚类模拟退火算法。该算法首先采用k均值聚类算法将所有城市分类,然后对应每个类建立一个旅行商问题,并通过一种改进的模拟退火算法对旅行商问题求解,MMTSP的解由这些类的最短路径之和计算得出。所提算法采用先聚类再执行模拟退火算法的求解策略可以极大的缩减模拟退火的搜索空间,并且由于Spark框架可以将聚类算法分好的若干类并行求解,从而更快的得到MMTSP问题的最优解。选取TSPLIB数据库中若干测试实例进行仿真实验,对求解精度和运行时间两个方面进行测试,与其他几种相关算法进行对比实验。实验结果表明,与目前FCMPGA、IPGA、IWO等算法相比,求解精度提高了5%~40%,求解效率上对比其他算法提升1~5倍,尤其在K值较大时表现更优。     

基于搜索集中度和动态信息素更新的蚁群算法

蚁群算法是一种启发式搜索算法，被广泛应用于求解复杂的组合优化问题。基本蚁群算法存在收敛速度慢和早熟停滞等问题，针对这些问题，提出了一种基于搜索集中度和动态信息素更新的蚁群算法。通过在选择策略中引入“搜索集中度”因子，让算法可以自适应的调节蚂蚁选择城市的范围，在此基础上采用动态改变信息素增量和信息素回滚的机制，缩短了搜索时间，也使算法更容易跳出局部极值。仿真实验结果表明，改进后的算法算法具有较快的收敛速度，提高了解的全局性，有效避免了算法陷入局部最优。     

基于免疫原理的自适应模糊控制器优化设计

利用免疫系统的克隆选择原理设计了全局搜索优化算法和局部搜索优化算法，并提出了一种时变对象的模糊控制器参数自整定方案。该方案利用全局优化算法离线组合优化标称参数下的控制器，对象发生变化后，利用局部优化算法在线优化，可快速获得新的控制器参数，以实现自适应控制。仿真结果表明，该控制系统在被控对象参数变化的情况下，仍具有良好的控制性能，能够对一类时变对象实施高精度控制，具有较大的工程应用价值。     

基于计算资源效率分配的多种群中心解搜索电网规划算法

分析了现代启发式算法易陷入局部最优及计算效率不高的原因，提出了计算资源依搜索效率合理分配的全新概念。给出了多种群中心解搜索电网规划算法。该算法基于多解群按效率获得计算资源，借鉴免疫算法的记忆细胞设置，但改点记忆为面记忆，具有更高的记忆效率，能够有效地识别并记忆局部最优解，利用对解间距离的信息熵量度，抑制搜索陷入局部最优，具有优秀的局部搜索能力和全局搜索能力。算例表明该文算法的有效性。     

基于Spark的并行模拟退火算法求解TSP

模拟退火算法是求解无约束优化问题的有效方法,但求解旅行商问题时存在精度较差、容易陷入局部最优且收敛速度慢等缺点。为了改进上述问题,本文提出了一种基于Spark平台的并行模拟退火算法。修改模拟退火算法的降温函数,构造旅行商问题的解空间,采用大邻域搜索技术和2-opt算子增强局部搜索能力,引入OX交叉思想增强全局搜索能力,提出交叉协同试验并行策略与Spark平台并行实现。选取若干TSPLIB数据集进行仿真实验,对求解质量和运行时间两个方面进行测试,与其它Spark框架的并行算法进行对比实验。仿真结果表明,该算法求解精度有较大的提高,求解速度上对比其他算法提升3-10倍,能够有效求解旅行商问题。     

基于免疫学习算法的Web数据挖掘方法

在研究免疫识别机制的基础上,探讨基于免疫学习算法的Web数据挖掘方法。并将该方法应用到用户信息搜索中,挖掘用户的个性化行为,更加高效准确地获取信息。仿真结果表明,该方法能够有效地对获得的数据进行分类,具有一定的可行性和实用性。     

考虑安全约束的机组组合免疫算法模型

根据机组组合问题的特点,尤其是电力系统中安全约束的特性,提出了一种基于改进免疫算法的机组组合算法.免疫算法的优势是处理0-1变量,该算法对免疫算法有2个改进:一是以一个抗体片段表示一个机组在调度期间的状态,并以抗体片段记忆库形式保留优秀抗体的信息;二是扩展抗体,将起作用的安全约束信息也作为抗体信息的一部分,并形成安全约束记忆库,从而模拟了调度中"人工选择起作用的约束"过程,解决了以往基于启发式算法的机组组合模型一般难以处理大规模安全约束的问题.此外,算法中采用基于群搜索优化的最优逼近变异法,减少了抗体随机变异的盲目性.最后用IEEE 118节点系统算例对所提出的方法的有效性和合理性进行了验证.     

基于改进粒子群算法的可用输电能力研究

针对可用输电能力问题展开了深入研究,构造了适合ATC问题特点的改进粒子群优化模型,提高了ATC计算结果的准确性和有效性;针对粒子群的搜索特点,提出“粗搜索”和“细搜索”的观点,并据此建立了分段自适应调整权重策略,提高了算法的适应性和收敛速度;针对ATC早熟问题,运用耗散原理,构建适合ATC问题的、改进的耗散操作,有效地兼顾了全局和局部搜索能力。IEEE30节点系统验证了该文所建模型的有效性。     

量子计算和免疫优化算法相结合的有源配电网故障定位

针对现有配电网区段定位算法在有源配电网故障定位时存在的定位耗时长和易陷入局部最优等问题,提出了一种基于量子免疫优化算法的故障定位方法.首先,根据馈线终端单元(feeder terminal unit,FTU)上传至主控制器的故障信息畸变问题,将畸变故障信息的误报、漏报计入故障变量,构建具有容错能力的适应度函数;其次,结...     

求解无约束最优化问题的一类新共轭下降算法

提出了求解无约束最优化问题的一类新共轭下降算法 ,并在非精确线搜索下证明了该算法的全局收敛性 .数值结果表明 ,这一算法是有效的     

Immune algorithm combined with estimation of distribution for traveling salesman problem

This paper describes an artificial immune algorithm (IA) combined with estimation of distribution algorithm (EDA), named IA‐EDA, for the traveling salesman problem (TSP). Two components are incorporated in IA‐EDA to further improve the performance of the conventional IA. First, aiming to strengthen the information exchange during different solutions, two kinds of EDAs involving univariate marginal distribution algorithm and population‐based incremental learning are altered based on the permutation representation of TSP. It is expected that new promising candidate solutions can be sampled from the constructed probabilistic model of EDA. Second, a heuristic refinement local search operator is proposed to repair the infeasible solutions sampled by EDA. Therefore, IA‐EDA can alleviate the deficiencies of the conventional IA and can find better solutions for TSP by well balancing the exploitation and exploration of the search. Experiments are conducted based on a number of benchmark instances with size up to 100 000 cities. Simulation results show that IA‐EDA is effective for improving the performance of the conventional IA and can produce better or competitive solutions than other hybrid algorithms. © 2016 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

人工免疫算法的全局收敛性分析

提出了一种模拟生物免疫系统自我调节功能的人工免疫算法，介绍了算法的基本步骤，构造了几种人工免疫算子．对人工免疫算法的全局收敛性进行了分析，指出在进行抗体选择时若能确保当时的最优抗体可以进入下一代抗体群，则人工免疫算法是全局收敛的．     

基于网络的故障行波定位算法

为了解决电网故障双端行波定位中任一定位装置故障、启动失灵或时间记录错误等导致的定位失败难题,提出了基于网络的故障行波定位算法,根据电网中故障行波到达各变电站的精确时间和行波传输的最短路径进行综合定位计算。运用Floyd算法计算电网的最短路径矩阵,匹配行波波头到达各变电站的精确时间;分析不经过故障线路的最短路径,在线计算行波传播速度;并寻找经过故障线路的最短路径,在线计算故障点位置;为每个变电站设置权重,对所有不同路径的计算结果加权求和,得到故障点的精确位置。EMTP仿真分析和现场运行结果表明,该定位算法误差小于150 m,可靠性高、鲁棒性强,较好地满足了电网运行要求。     

基于矢量距免疫算法的电力系统最优潮流计算

将基于矢量距理论的免疫算法应用于最优潮流计算,并在计算中引进自适应交叉和变异算子,根据抗体个体的适应度大小来动态调整交叉率和变异率,很大程度上保护了每代中的较优个体。根据最优潮流中控制变量的特点,运用浮点数编码方法,无需解码,计算简单;通过用IEEE 30节点标准测试系统计算多次,燃料耗费显著改善,表明了所用方法的可行性和有效性。     

基于免疫算法的配电网重构

配电网具有闭环设计、开环运行的特点。提出了一种新的免疫算法用于配电网重构,以减小网损。在种群初始化时,对个体进行接种疫苗,通过修改各个体的某些基因位上的基因,使得可行解的比例变大。对不可行解,利用启发式方法,通过打开回路和连通孤岛,将其修复为可行解。重构优化过程中,高频变异和免疫补充算子的采用,能有效地维持种群的多样性,避免算法早熟收敛。对69节点系统重构,结果表明提出的算法具有较高的计算效率。     

考虑透射模量的初始反极性行波的辨识方法

提出了初始反极性行波的辨识方法,对单端行波故障测距具有重要意义.初始反极性行波的出现时刻与母线类型、故障点位置和零模分量衰减程度有直接关系;三一类母线结构中故障初始行波和第2个同极性波头的时间差△t1,以及第2个同极性波头与初始反极性行波的时间差At2,在故障点透射模量可测和衰减至不可测情况下,其比值△t1/△t2与故障距离均满足固定的函数关系;△t1与故障距离在透射模量可测和衰减至不可测情况下也满足固定的函数关系.提出了考虑故障点模量透射及其衰减特性的初始反极性行波的辨识方法.仿真验证表明,该方法可有效识别初始反极性行波的性质.     

用于配电网规划的多种群免疫遗传算法

引入免疫算子和多种群概念,提出了一种用于配电网规划的多种群免疫遗传方法。采用多个种群针对目标函数的不同方面进行优化搜索,并借鉴生物免疫机制对每个种群的染色体进行免疫算子操作。种群之间通过优秀个体转移进行交互,可有效地防止种群退化,提高种群的多样性。以年费用最小为目标建立配电网规划的数学模型,提取“单个子路造价最小”和“电阻值最小”两种疫苗,并用其指导多种群搜索,有效地克服了遗传算法早熟收敛现象。同时给出初始可行方案的生成步骤和基于支路交换思想的不可行解处理方法。求解一个10 kV配电网规划问题,计算结果表明该算法能快速获得规划问题的最优解。同简单遗传算法相比,整个算法具有更强的收敛速度和全局搜索能力,用于配电网规划是可行有效的。     

一种新的求解配电网重构问题的免疫遗传算法

针对遗传算法求解配电网重构问题存在的不足,建立了以网损最小为目标函数的配电网重构数学模型,提出了一种新的免疫遗传算法。该算法的关键在于疫苗库的构建和免疫算子的设计。疫苗库可自动建立和更新,免疫算子由接种疫苗和免疫检测组成。另外,采用了基于基本环路的编码方法、高频变异和大选择压的锦标赛选择算子。IEEE 33和IEEE 69系统的仿真测试结果表明：该算法符合配电网重构问题的特点,能有效抑制进化中的退化和波动现象,在确保解的质量的同时,具有很快的收敛速度;与传统遗传算法和相关文献中的同类算法相比,该算法在效率和性能方面具有优越性。     

一种基于免疫聚类算法的数据分类

生物免疫系统具有认知、特征抽取、学习和记忆等特点,而聚类分析则把数据对象按一定规则分成若干类,这些类不事先给定,而是根据数据特征确定。提出了一种免疫聚类算法,该算法主要包括抗体产生、抗原识别和抗体优化等过程。利用免疫聚类算法对压气机运行特性数据进行分类。仿真结果表明:该算法在数据分类上具有良好的可行性和实用性。