基于粒子群的城市供水配置模型优化算法

为了解决城市供水水量分配合理性欠缺问题,提出基于粒子群的供水配置模型优化算法. 该算法以地表水、地下水、自来水、中水4种水源类型作为供水源,以生活用水、工业用水、农业用水和生态用水4个行业作为用水行业,并考虑供水源的开发成本,建立供水配置模型. 运用粒子群优化算法对模型进行优化求解,得到最佳的水量配置方案. 通过实例验证该算法的可行性,为今后的供水水量分配调度工作提供参考和依据.     

云设计制造模式下的社交化协作团队构建方法

研究云环境中提供设计与制造服务成员的社交化协同合作形式,针对云设计制造模式特征与社交化协作团队成员特点,以团队成员综合服务能力为研究对象建立优选指标体系,着重分析优选过程中需要考虑的定量与定性指标,采用量化研究方法为优选指标给出计算依据,并依据优选指体系建立一种面向云设计制造模式的团队优化构建模型,将团队成员选择过程转化为多目标优化过程,采用灰色关联度分析法对模型进行求解,以此解决云环境中团队成员存在的不确定性、差异性与多样性问题,实现社交化协作团队的构建. 以医疗镇痛泵研发任务中团队构建过程为例,说明所提方法的有效性和正确性.     

An extended particle swarm optimization algorithm based on coarse-grained and fine-grained criteria and its application

In order to study the problem that particle swarm optimization （PSO） algorithm can easily trap into local mechanism when analyzing the high dimensional complex optimization problems, the optimization calculation using the information in the iterative process of more particles was analyzed and the optimal system of particle swarm algorithm was improved. The extended particle swarm optimization algorithm （EPSO） was proposed. The coarse-grained and fine-grained criteria that can control the selection were given to ensure the convergence of the algorithm. The two criteria considered the parameter selection mechanism under the situation of random probability. By adopting MATLAB7.1, the extended particle swarm optimization algorithm was demonstrated in the resource leveling of power project scheduling. EPSO was compared with genetic algorithm （GA） and common PSO, the result indicates that the variance of the objective function of resource leveling is decreased by 7.9%, 18.2%, respectively, certifying the effectiveness and stronger global convergence ability of the EPSO.     

基于安全与低能耗的传感云边缘协同优化策略

多传感器传感网数据采集效率低下,且大量数据在传感云处理存在数据泄露风险。基于此,首先设计了一种安全、节能及高效的分布式边缘协同传感网资源选择架构,提出了一种边缘协同分析节点选择(ECANS)方案。通过对用户请求的分析,获取传感网节点的选择策略,以降低传感节点数据采集的时延和能耗。其次,构建了一种最大化隐私熵的边缘协同传感网隐私保护数据卸载模型,并通过智能启发式算法得到隐私熵最大的边缘资源选择策略。实验结果表明,与ENS数据采集方案相比,ECANS方案使节点时延与能耗分别降低了56.71%和57.66%;在边缘资源选择阶段,与GA资源选择方案和PSO资源选择方案相比,最大化隐私熵模型使系统隐私熵分别提高32.07%及15.36%;与不引入no-EC相比,传感网节点时延和能耗平均降低了46.92%与11.26%。     

权重趋势系数模糊优选法在供水评价中的应用

为了实现跨流域调水系统中供水方案的合理选取,针对现有的模糊优选模型,通过引入评价指标的权重趋势系数,将主观权重与系统客观发展趋势有机结合,并考虑权重趋势系数对主观权重的修正,建立一个评价与优选跨流域调水系统供水决策方案的模糊识别模型.实际工程应用表明,所建立的模糊识别模型与相应的评价方法可行、实用,既考虑了决策者主观意愿、又考虑了事物的客观发展趋势,因而使方案优选结果更切合实际,并容易据水资源系统的未来供水需求实时修正评价指标的权重趋势系数,以优选出符合用水发展趋势的最优方案,该方法很好扩展与充实了只单纯考虑主观权重的现行供水方案评价体系.     

粒子群算法求解Web服务组合中基于QoS的服务选择

针对现有web服务组合中服务选择技术的不足,提出了一种基于粒子群优化算法的多
目标优化策略,用于解决web服务组合中基于服务质量（QoS）的服务选择全局最优化问题.
将web服务选择全局最优化问题转化为一个带QoS约束的多目标服务组合优化问题,利用多目
标粒子群算法的智能优化原理,通过同时优化多个QoS参数,最终产生一组满足约束条件的P
areto最优解. 实验结果证明了该算法的可行性和有效性.     

磁性材料成型烧结生产调度优化方法及应用

建立以最小化提前和拖期时间、最小化炉重偏差为目标的混合整数线性规划模型, 解决磁性材料成型-烧结两阶段生产调度问题. 提出一种混合粒子群优化算法(HPSO)进行模型的求解,该算法采用基于订单的编码方式. 针对粒子群算法易陷入局部最优, 在迭代过程中引入模拟退火思想. 改进粒子群算法的全局极值和个体极值选取方式, 使算法尽快收敛到非劣最优解. 生产现场实际数据仿真结果表明: 该混合粒子群算法无论在求解精度, 还是求解速度上均优于普通粒子群算法和遗传算法.     

Research into a Feature Selection Method for Hyperspectral Imagery Using PSO and SVM

Classification and recognition of hyperspectral remote sensing images is not the same as that of conventional multi-spectral remote sensing images.We propose, a novel feature selection and classification method for hyperspectral images by combining the global optimization ability of particle swarm optimization (PSO) algorithm and the superior classification performance of a support vector machine (SVM).Global optimal search performance of PSO is improved by using a chaotic optimization search technique.Granularity based grid search strategy is used to optimize the SVM model parameters.Parameter optimization and classification of the SVM are addressed using the training date corresponding to the feature subset.A false classification rate is adopted as a fitness function.Tests of feature selection and classification are carried out on a hyperspectral data set.Classification performances are also compared among different feature extraction methods commonly used today.Results indicate that this hybrid method has a higher classification accuracy and can effectively extract optimal bands.A feasible approach is provided for feature selection and classification of hyperspectral image data.     

基于弹性碰撞优化算法的传感云资源调度

针对当前智能优化算法普遍存在收敛精度不高、容易“早熟”的缺陷,提出全新的智能优化算法-弹性碰撞优化（ECO）算法.算法基于弹性碰撞物理学现象,通过模拟碰撞过程中物理属性相互影响的变化过程,抽象出“与种群最优碰撞”、“与自身历史最优碰撞”和“随机碰撞”3种粒子更新机制.为了有效提升复杂高维优化问题的寻优能力,设计自适应核模糊C-均值聚类（AKFCM）算法,利用AKFCM对ECO种群进行聚类分析,通过迭代比对策略实现种群自动最佳聚类划分,确保粒子学习对象的合理性与多样性.种群样本多样性定量分析表明ECO在运算后期具有较好的种群多样性.将ECO应用于传感云资源调度问题,为了满足传感云系统管理多样性需求,构建多目标优化传感云资源调度模型,设计符合调度问题的ECO粒子编码方式,实现传感云资源高效率调度优化.多维复杂测试函数以及传感云资源调度实例仿真结果表明,ECO具有较高的收敛精度和成功率,有效降低了传感云资源调度的能耗和任务长度.     

基于PSO-DE算法的分布式光伏优化配置研究

为解决分布式光伏电源接入配电网的优化配置问题,提出一种基于粒子群和差分进化的PSO-DE算法,同时构建了包含网损最小、投资成本最低、电压质量最优的无偏好多目标分布式光伏选址定容综合优化模型。首先对差分进化算法的变异过程进行改进,然后利用粒子群算法对差分进化算法中的缩放因子和杂交因子进行优化,采用标准测试函数对PSO-DE算法进行测试和参数敏感度分析,验证了算法的客观性和稳定性;并利用无偏好可变权重对多目标模型进行处理;最后以分布式光伏选址定容优化的实际应用为例,并与其他算法对比,验证了模型和算法的有效性和实用性。     

约束自适应粒子群优化算法及水厂调度

针对粒子群优化算法应用于约束优化问题时易陷入局部极小值的问题,提出了一种改进的粒子群优化算法. 该算法综合了约束优化问题的目标函数值和约束函数的违反度值作为粒子群优化算法的双适应度值, 采用了双适应值动态判断粒子群优化算法中粒子的优劣. 违反度值的计算引入了自适应加权系数,相应地提出了调整各权系数的自适应策略, 并改进了粒子群优化算法的粒子竞争选择策略,拓展了粒子群优化算法的单适应值的应用范围.应用约束自适应粒子群优化算法实现了城市水厂的节能优化调度. 结果表明, 该算法收敛速度快且结果可靠. 粒子群优化算法为解决工程约束优化问题提供了一条可行途径.     

粒子群优化算法在桁架优化设计中的应用

粒子群优化(PSO)算法是近年来发展起来的一种基于群智能的随机优化算法,具有概念简单、易于实现、占用资源低等优点.为了解决有应力约束和位移约束的桁架的尺寸优化问题,将PSO算法应用于桁架结构的尺寸优化设计.首先介绍了原始的PSO算法的基本原理,然后引入压缩因子改进了PSO算法,并提出合理的参数设置值.对几个经典问题进行了求解,并与传统的优化算法和遗传算法进行了比较.数值结果表明,改进的PSO算法具有良好的收敛性和稳定性,可以有效地进行桁架结构的尺寸优化设计.     

基于改进PSO-BP网络的配电网故障选线与测距

针对人工智能算法在解决配电网故障选线和测距问题时容易陷入局部最优解并难以满足精确性和鲁棒性要求的问题,提出了一种基于改进粒子群优化神经网络的配电网故障选线与测距算法.该算法结合混沌优化算法和粒子群优化算法得到收敛能力更强的粒子群优化算法,通过提取配电网的零序电压与电流的暂态及稳态特征来构成特征向量,并分别使用训练集训练改进粒子群优化神经网络算法,从而能更精确地预测配电网的故障线路及其距离.仿真测试结果表明,所提出的算法能获得更精确的选线和测距结果,具有一定的实用性.     

粒子群算法中参数的实验与分析

粒子群算法(PSO)中参数的选择是一个重要研究方向,参数的设置常依靠经验来确定,从而造成工作量大且难以得到最优的参数组合,影响了算法的使用.针对以上情况,本文使用3个测试函数对粒子群算法和收缩因子方法(CFM)中的收缩因子、速度约束和种群规模等重要参数进行了系统的实验和分析,并且提出了参数取值策略.实验证明本文提出的参数取值策略能明显地改进PSO算法性能,具有一定的实用价值.     

可再生能源供电系统电源容量的优化配置

可再生能源发电的研究对智能电网建设具有重要意义.研究了含风力发电机、光伏阵列和小型抽水蓄能电站的可再生能源供电系统电源容量优化配置问题.在分析和建立可再生能源发电和储能装置模型的基础上,计及全年风光资源和负荷数据,建立了基于等年值经济成本最小的数学模型,采用遗传算法进行求解.算例结果表明,该方法求得的优化方案具有较强的适应性,可以提高可再生能源发电的能源综合利用率,降低投资成本.     

PSO方法的收敛性及基于微分演化的参数确定策略

对已有关于PSO收敛性的研究结果进行了必要的修正和完善,并提出了一种不依赖个人经验的参数选择策略。针对特定问题,将PSO方法的性能表示成参数的函数,从而将参数选择问题转变成函数优化问题。同时,采用微分演化方法来确定PSO的最佳参数,收到了较好的效果。     

基于细菌趋化的改进粒子群算法在无功优化中的应用

粒子群算法在电力系统无功优化中已经得到了广泛的应用,但是传统粒子群算法易陷入局部最优、后期多样性差,得不到最优解。在原有无功优化数学模型的基础上,引入了基于细菌趋化的粒子群改进算法。通过算例表明,该算法可以有效地克服以上缺点,优化计算结果。     

粒子群优化算法分析

粒子群优化算法是一种基于群体智能的随机全局优化技术，尽管其原理简单易、于实现且功能强大，但目前研究人员还没有对它的工作原理做出足够的解释．将群体优化过程看成一个动态系统的演变，采用线性离散时间系统的分析方法对算法的收敛性进行了分析，导出了简化PSO算法的收敛条件．考虑到参数是影响算法性能和效率的关键因素，利用标准测试函数对算法的参数选择进行了详细的分析，并给出一些指导性原则．     

车辆路径问题的微粒群算法分析与设计

车辆路径优化问题是一类具有重要实用价值的组合优化问题,微粒群算法是一种新的群体智能优化方法。该文在构造车辆路径问题的粒子表达方法基础上,分析了不同参数条件下微粒群算法求得此问题的情况。仿真结果表明微粒群算法可以快速、有效地得到问题的最优解,是求解车辆路径问题的一个较好方案。     

用PSO方法搜索基于MLE的ARMA模型参数

针对小样本条件下用矩估计(ME)方法获取ARMA模型参数粗略的缺点,将粒子群优化算法(PSO)用于小样本ARMA模型参数的极大似然估计(MLE),以获得概率上最优的数字解。在分析基于ARMA模型似然函数的基础上,详细分析了PSO的思想、方法和评价指标。以实际例证显示了联合PSO优化方法估计AMAR模型参数的优良特性,并从算法和似然函数角度分别阐释了形成利弊的原因。