基于改进粒子群算法的电力系统无功优化

制定良好的无功优化方案是电力系统安全稳定运行的基础。文章建立以系统有功网损和年综合费用最小为目标函数的无功优化数学模型;以粒子群算法为基础,考虑到传统粒子群容易早熟,局部收敛的缺陷,对粒子群算法(PSO)加以改进;运用于配电网的无功优化中,通过对IEEE-33节点配电系统仿真计算,证明了改进的算法可以有效地得到系统最优解,具有良好的实用性和适应性。     

基于遗传-粒子群混合算法的测试数据自动生成

针对传统遗传算法（GA）容易产生早熟收敛和易陷入局部最优解的问题,提出了一种基于遗传-粒子群混合算法（GA-PSO）的软件测试数据自动生成算法：以粒子群优化算法（PSO）为主线,按PSO算法中标准的速度和位置更新,将GA算法的筛选、交叉、变异与PSO算法的自动更新特征结合在一起,使所有测试数据在局部区域中再次寻找最优值,从而避免了过早收敛,改进了搜索最佳值的能力.仿真实验表明：遗传-粒子群混合算法具有更快的收敛速度,保持了种群的多样性,提高了全局搜索能力.     

基于GA_PSO多目标营养的膳食决策优化方法研究

针对最佳膳食营养结构问题,提出一种结合遗传算法(GA)和粒子群算法(PSO)的GA_PSO多目标营养的膳食决策优化方法。通过建立能量、蛋白质、脂肪、钙和铁的多目标营养膳食决策优化模型,将遗传粒子群算法(GA_PSO)应用于多目标营养的膳食决策优化问题中,完成与GA算法和PSO算法的比较,结果表明,其全局寻优能力和收敛性能明显高于GA算法和PSO算法,并可提供最佳膳食营养结构。     

基于H∞最优控制理论的粒子群优化算法在造纸定量控制中的应用

针对造纸定量控制系统具有非线性、时滞、多干扰等控制难点,本课题提出一种基于H_∞最优控制理论的粒子群优化算法(PSO)优化PID参数。改进的PSO具有对控制系统过程模型的依赖性小、参数整定简单、鲁棒性和抗干扰性强的特点。与传统算法相比,基于H_∞最优控制理论的PSO可以高效地找出符合设计要求的PID调节参数,不会陷入局部最优,且使系统性能指标达到最优或次最优。并且,仿真结果也验证了该算法的有效性和实用性。     

基于改进麻雀算法的卷绕张力控制系统

为了在卷绕系统中建立稳定的张力控制系统,课题组使用自抗扰控制器设计了控制系统.提出采用麻雀算法(SSA)优化整定自抗扰控制器的参数.针对SSA以跳跃的方式寻优、已陷入局部最优和原点收敛性强的缺点,提出基于粒子群算法(PSO)的改进麻雀算法(PGSSA);该方法引入了PSO的速度算子,修改麻雀算法的发现者和跟随者的位置来...     

用快速收敛粒子群优化算法解决函数优化问题

针对标准PSO算法在计算过程中易陷入局部最优而无法跳出的问题,提出了一种基于平衡单个粒子位置多样性的快速收敛PSO(FCPSO)算法.该算法在PSO算法中引入一个新的参数,即粒子平均尺寸以快速准确地锁定全局最优解.实验结果表明,FCPSO算法的收敛性明显优于PSO算法和CPSO算法.     

基于MPSO算法的横动伺服控制系统黑箱模型辨识

针对标准粒子群算法(PSO)在横动伺服控制系统黑像模型辨识过程中出现的局部收敛问题,提出了一种引入多粒子共享策略(multi-particle information share)的改进粒子群算法(MPSO)辨识方法。首先,建立了系统的五阶传递函数模型,其次,在PSO算法的基础上,引入多粒子信息共享和综合判断来修正各粒子的下一次行动策略,避免粒子趋同陷入局部最优,实现了系统模型的优化。最后,为了验证辨识模型的正确性,进行仿真与实测对比实验,结果表明:该算法辨识出的模型准确度较高,具有较好的控制品质,对于同一速度输入信号,仿真与实测的输出曲线跟随性好,误差在-0.2~0.2rad范围内,误差小。     

改进粒子群算法在空压机联动控制中的应用

针对空压机控制系统中的节能减排、均衡调度和管网压力波动等问题,提出了空压机联动控制的多目标优化调度模型,并以改进惯性权重的粒子群算法进行求解。以灰色系统理论中的灰色关联度作为改进粒子群算法的适应度函数,对影响空压机联动系统的机组功耗、生产均衡调度和管网压力波动等多目标进行了优化求解。引入的非线性动态调整惯性权重策略改进了算法的全局收敛能力,有效地提高了粒子搜索过程中的智能性。通过某饮料罐装车间的技术改造,证明了本算法的有效性。     

一种自适应交替的粒子群差分进化优化算法

为了克服粒子群算法易陷入早熟收敛的缺点及提高差分进化算法的搜索能力,提出了一种自适应交替的粒子群差分进化算法.该算法采用自适应的概率交替使用PSO和DE,通过对6个基准函数的测试,说明本文提出的算法是一种收敛速度快、求解精度高的全局优化算法.     

粒子群优化的改进Tsallis熵图像阈值分割

提出基于改进粒子群优化的二维Tsallis熵分解算法。首先将二维Tsallis熵算法降维分解为两个一维Tsallis熵,同时在目标函数中引入类内离散测度函数,最终以此目标函数作为改进后粒子群优化算法的寻优函数,完成图像的全局最优解阈值分割。实验结果表明,相对一维及二维Tsallis熵算法,改进算法在主观效果和区域间对比度评价指标上有较大改善,在铁路轨道异物图像的分割中满足实时性要求、抗噪效果更佳。     

基于改进PSO算法的PID优化用于黑液液位控制

制浆过程中碱回收蒸发工段黑液液位控制直接影响着黑液浓度和蒸发效率。针对黑液液位非线性、大时滞及时变性的特点,传统PID方法控制精度较低,使用标准粒子群算法可以优化PID参数,提高精度,但是收敛速度慢,整定时间长。针对这些问题,采用改进的粒子群算法来整定PID参数,通过动态调整惯性因子和加速因子,以及改进收敛准则等方法来提高粒子群算法的全局寻优能力和收敛速度,并在MATLAB/SIMULINK仿真实验平台上,比较了传统PID方法、标准PSO算法和改进PSO算法对黑液液位的控制效果,结果表明改进PSO算法优化的PID控制缩短了调节时间,降低了超调量,说明改进粒子群算法优化后的黑液液位PID控制具有更快的响应速度和更好的鲁棒性,有效地提高了控制质量。     

浅谈粒子群算法与BP神经网络

粒子群优化(PSO)算法是一种新兴的优化技术,其思想来源于人工生命和演化计算理论.该算法简单易实行,可调参数少,已得到广泛研究和应用.现主要阐述了粒子群算法(PSO)和BP神经网络的特点,并分析了粒子群算法优化BP神经网络的必要性,同时对今后的研究前景作了具体的展望.     

玉米品种图像识别中的影响因素研究

为了研究玉米品种图像识别中的关键影响因素,搭建了一套基于PCA和ICA特征提取和支持向量机(SVM)分类算法的玉米品种识别系统,采用扫描仪获得了11个品种每个品种50粒图像,基于图像的像素特征和统计特征,分别研究了主分量分析(PCA)和独立分量分析(ICA)的特征提取和特征优化方法,并进一步考察了支持向量机(SVM)模式分类过程中的关键参数优化问题.试验结果表明,对11个品种550个籽粒的品种最高检出率为97.17％,在同样的情况下ICA优化的特征较PCA优化的特征识别率能提高3％左右,适当选择统计特征比使用像素特征识别率提高约10％,另外SVM参数影响到识别效果,但整体影响不大.本方法与结论对玉米种子纯度和品种真实性检验具有积极意义.     

基于多目标决策协调模型的粒子群算法及其收敛性分析

PSO在求解高维多目标优化问题对有限个体用排序策略来寻找Pareto最优个体时,粒子群体中个体之间很难进行Pareto排序比较,或出现所有个体皆有Pareto最优解而无法实施正常的个体选优.为此,提出了一种基于多目标决策协调模型的粒子群算法,该算法将运筹学多目标决策的协调模型引入粒子群迭代过程,群体按协调模型使用偏好信息进行排序,而不是基于Pareto优于关系对当代群体进行个体排序.实验表明,该算法对解决高维多目标问题行之有效,且具有较快的收敛速度.     

求解复杂旅行商问题的混合粒子群算法

针对粒子群算法在解决组合优化时存在早熟和易陷入局部最优的问题,提出一种求解旅行商问题(TSP)的混合粒子群算法。将粒子群算法与遗传算法结合,引入遗传算法中的交叉和变异操作,通过个体极值和群体极值的交叉以及粒子自身变异的方式增加种群的多样性,避免粒子陷入局部最优,提高算法的局部搜索能力。仿真结果表明,新的混合粒子群算法在解决TSP问题时具有较好的收敛性及优化效果。     

基于模拟退火和粒子群算法的公共建筑能耗优化拆分研究

针对公共建筑分项计量中的能耗拆分问题,提出了改进的SA_PSO算法.该算法将模拟退火机制与粒子群算法相结合,引入粒子速度收缩因子和最优粒子轮盘赌策略进行扰动.利用该算法对公共建筑能耗拆分数学模型中的相关参数进行优化,即可得到逐时能耗拆分数据.仿真结果表明,改进的SA_PSO算法具有更好的收敛性能,能够有效地避免粒子陷入局部最小能耗参数修正值并快速到达全局最优修正.     

基于改进粒子群优化的主动磁悬浮轴承模糊PID控制

针对主动悬浮轴承(Active Magnent Bearing,AMB)系统控制参数多、结构复杂等因素,采用模糊PID控制算法并结合改进的粒子群优化算法对其进行控制。通过提出合适的目标函数克服对系统先验知识掌握的不足,采用粒子群优化算法对模糊PID控制器的参数进行调节。仿真结果表明,通过与模糊PID控制的系统相比,采用粒子群优化的模糊PID的控制器性能更优良。     

基于PSO算法的大时滞过程双自由度内模控制器设计

借助双控制器设计技术和粒子群优化（PSO）算法,提出了一种基于PSO算法的双自由度内模控制方法,即PSO-TDF-IMC,并用于对大时滞工业过程的控制。该方法的基本思想是：以时间乘误差绝对值积分（ITAE）为目标函数,运用PSO算法,优化整定IMC滤波器时间常数。MATLAB仿真结果表明, PSO-TDF-IMC具有算法简单、搜索速度快、效率高等优点,可明显提高双自由度内模控制系统的设定值跟踪性能和鲁棒性能。     

基于粒子群算法改进视角下输电网规划的优化

粒子群算法作为当前进化算法中的最新模式,主要通过记忆与反馈机制来实现高效快速的搜索,以其全局最优性、迅捷性、收敛性等特点为解决大规模的数学问题提供了技术支持。输电网扩展规划作为一个非常庞大的函数问题,需要借助粒子群算法来实现输电网总体规划的优化。然而,粒子群算法在具体的应用实践中也存在着诸多不足之处,包括易在早期成熟收敛导致出现局部最优不足,并对输电网规划的优化产生偏差。本文正是基于此,探讨在粒子群算法改进视角下,输电网规划的优化方案。     

基于粒子群优化算法的排课问题研究

提出一种基于粒子群优化算法的排课算法,通过粒子编码、适应值函数构建、粒子群初始化和交叉操作等,使适应值函数能够随着进化代数的增加而呈不断下降的趋势,从而很好地解决了教务系统中的排课问题.