基于混合遗传免疫粒群优化的网络拥塞控制方法

微粒群优化算法具有搜索速度快、易于实现等优点,然而在解决实际问题中它容易陷入局部最优.笔者通过给出一种混合的策略——遗传免疫粒群算法,将遗传算法,免疫算法引入到微粒群算法中,既能提高全局搜索能力,避免在搜索过程中陷入局部最优,又使算法保留了种群多样性的特点,提高算法的收敛速度.将该算法应用于网络拥塞控制中,提出一种基于混合遗传免疫粒群优化的网络拥塞控制方法来解决网络拥塞问题,通过仿真研究,验证了该方法的可行性.     

基于APSO算法的水火电力系统模糊多目标优化调度

建立了以火电厂运行成本最低、污染气体排放最小和水电厂发电效益最大为目标的水火电短期多目标优化调度模型,以3个火电厂与4个梯级水电厂的组成的水火电系统相关数据为实际算例,采用基于反捕食粒子群算法的交互式模糊满意度多目标决策方法,建立不同的决策模型将多目标问题转化为单目标求解,决策者可根据不同的主观效益诉求得到满意的调度方案,避免了人为选取目标权重的随意性,决策计算过程简单实用。算例结果表明,所建模型的正确性和该方法的可行性。     

基于多目标遗传算法的综合利用水库优化调度图求解

分析了常规方法求解综合利用水库调度图存在的问题.提出了一个基于遗传算法的调度图求解模型.模型同时以保证率和缺水量为目标,直接以调度图的基本调度线为决策变量,通过水库的模拟运行结果评价可行解,然后利用遗传算子不断改进调度线,能搜索得出调度图的非劣解集.实例计算结果显示多目标方法较传统仅以保证率为目标推求调度图的做法合理     

基于粒子群算法的城市接驳公交网络优化调度方法

为提高公共交通分担能力和解决轨道交通与交通出行起讫点之间的公共交通接驳优化调度问题,提出了轨道与公交的接驳公交网络优化模型.模型主要考虑不同接驳站点在不同时间对轨道交通和交通出行起讫点之间的接驳需求建立多目标模型.分析选用粒子群算法对所建立的多目标优化模型进行分析求解,比较了在轨道接驳需求下多种车队规模的调度线路、时刻安排状况,得到轨道线路邻近区域内接驳网络的优化调度,当车队规模在定值时即可满足接驳轨道交通的换乘需求,优化调度使得平均满载率显著下降,另外,验证了接驳公交网络基于粒子群算法的优化调度可有效降低营运消耗.     

基于Pareto最优解的梯级泵站双目标优化调度

针对大型梯级泵站运行特点,用调度周期内的机组启动次数衡量维修成本,建立以抽水电费最小和机组启动次数最少为优化目标,以调度周期内流量分配为决策变量的双目标优化调度模型,并基于Pareto最优解理论,开展混合粒子群求解算法研究,并将双目标优化调度模型应用于工程实际.研究表明,双目标优化调度能够反映抽水电费与机组维修费用之间的内在联系,即抽水电费最优解随着机组启动次数的增加,呈现出先减少后增大的趋势,但在某一范围内,随着机组启动次数的增加,抽水电费最优解变化幅度较小,系统最优调度方案在此区间内选择不仅能够有效地降低抽水电费,也能够避免维修成本的急剧增加,这为梯级泵站调度决策提供了有力的理论依据.     

预防性维修计划和生产调度的多目标优化

为了降低设备故障对生产成本和生产时间的影响,建立了单台设备预防性维修计划和生产调度的多目标联合优化模型.将维修成本、生产任务的最大完成时间、加权总完工时间及加权总延迟时间作为优化目标.采用了多目标遗传算法,同时对预防性维修计划和生产调度进行优化.通过实例,将预防性维修计划、生产调度的多目标联合优化方法分别与单目标联合优...     

智能电网中基于ESS-MOPSO算法的调度优化策略

结合智能电网的调度优化策略应综合考虑经济运行、节能减排及电能质量各方面因素,给出了智能电网的优化调度方程,并采用粒子群算法对该方程进行多目标寻优.介于传统粒子群算法中使用Pareto准则的局限性,采用一种基于优先阶的均衡选择全局搜索策略,更加有效地选取出全局最优粒子,引导其他粒子寻优.在对智能电网调度优化的仿真中取得了良好效果.     

基于粒子群优化的无线Mesh网络信道分配算法

多信道多天线（MCMR）广泛被用于提升无线Mesh网络的性能,但现有信道分配算法存在两方面问题:算法的时间太长和空间复杂度过高,无法获得全局最优解;算法可扩展性差,无法适用于大规模的网络。为解决上述问题,该文借鉴粒子群优化算法在收敛快、开销小等方面的优势,以建模无线Mesh网络中的信道分配问题。通过网络信息的交换和干扰模型的定义,以最小化适应度函数为优化目标,以天线、可用信道数量、信号干扰等为约束条件,设计并实现了基于粒子群优化的信道分配算法（PSOCA）。仿真实验表明了算法的可行性,且与同类算法相比,该算法在网络吞吐量和丢包率两个方面具有明显的改善。     

基于新型Memetic算法的多目标优化

为了更好地解决多目标优化问题,提出一种求解多目标优化问题的新型memetic算法。该算法利用微粒子群算法的全局搜索能力和同步启发式局部搜索相结合进行局部微调;利用基于模糊全局极值的概念处理种群中过早出现收敛以及解多样性保持等问题。通过进一步检测得出新算法的特点并展示其在多目标优化问题上的独立性和综合效应。同时应用新型算法对IEEE14节点标准电网进行无功优化计算。结果证明,该新型memetic算法具有很好的寻优能力,验证了该算法的有效性及科学性。     

基于粒子群优化算法的Hadoop调度算法研究

为提高Hadoop平台性能,提出一种基于粒子群优化算法的Hadoop调度算法。以粒子位置代表可行的资源调度方案,以任务完成时间及资源负载均衡度作为目标函数,通过粒子群优化算法,找到最优的资源调度方案。实验结果表明,该算法能够很好的平衡资源负载,减少任务完成时间,有效的提高了Hadoop平台的性能。     

求解调度问题的粒子群算法编码方法研究

利用粒子群算法求解调度问题的关键是建立有效的粒子编码结构。介绍了作业车间、流水车间和并行机调度等3类典型调度问题的特点,阐述了求解调度问题的粒子群算法结构,指出设计粒子群算法编码方法需要考虑的3个关键问题。提出3种求解不同调度问题的粒子群算法编码方法,并从生成调度解的可行性和有效性、粒子群计算模型的适用性和解码过程的复杂性等几个方面对粒子编码方法进行分析。以作业车间调度问题为例,验证了所提粒子编码方法的有效性。     

基于改进粒子群优化的神经网络及应用

为了克服粒子群算法的早熟收敛,提出了一种改进的粒子群算法用于神经网络训练。该算法对种群进行均匀初始化,用多个粒子的信息引导个体的更新,以保证全局搜索的有效性,同时引入随机算子对陷入局部最优的粒子进行变异,提高了算法的寻优性能。将改进粒子群算法训练的神经网络应用于IRIS模式分类问题和短期电力负荷预测,与BP算法、遗传算法及粒子群算法比较,该算法在提高误差精度的同时可加快训练收敛的速度。     

改进粒子群算法的动态空间调度方法

针对船体分段生产调度的多目标性和动态性,提出了一种改进粒子群算法的动态空间调度方法,确定船体分段在工作平台上的加工顺序和空间布局位置.算法以加工完成时间最短和空间利用率最高为目标,采用自适应惯性权重策略保证算法的收敛性,并引入遗传算法中的选择算子和变异算子增强算法的收敛速度和多样性,利用启发式定位策略确定分段的位置.最后,以船厂实际生产数据进行仿真验证.仿真结果表明,所提方法可以大大降低以手工方式制定调度计划的复杂度,并能有效地提高空间利用率达到70%,说明该方法是解决动态空间调度问题的一种有效方案.     

基于诊断策略遗传算法的配电网络重构算法

为减小网损,提出基于诊断策略遗传算法的配电网络重构方法.针对基因诊断策略,提出新的编码方案,改进遗传操作。对优质基因进行诊断,存入优质基因库;并且将诊断出的劣质基因（即不可行解）通过打开回路和连通孤岛的方法,将其修复为可行解,从而提高收敛速度和遗传算法搜索效率.最后对典型IEEE 33节点和IEEE69节点测试系统进行网络重构仿真实验,证实了算法的有效性,并与快速支路交换算法的计算结果相比较,表明了该算法可有效减小重构配电网的网损.     

基于遗传算法的汽车复杂注塑件成形工艺参数优化

以汽车外饰件中的观后镜为例子,以注塑件成形质量中的翘曲量为优化目标,依据回归分析和神经网络建立数学模型,并比较其预测精度,得到有效的预测模型;利用遗传算法对得到的数学模型进行寻优,达到对注塑工艺条件优化的目的,以期缩短生产时间,提高制件质量。     

基于粒子群算法的物流配送车辆优化调度研究

应用粒子群算法求解物流配送系统的车辆优化调度问题,针对车辆调度问题中需要考虑车辆容量和车辆行驶路径的限制等要求,提出一种基于收货点、粒子位置次序和粒子位置取整操作的三维粒子编码方法,采用惯性权重线性递减粒子群算法对两个算例进行计算,并与遗传算法的计算结果进行了比较。结果表明,粒子群算法能够有效地对物流配送车辆调度问题进行优化。     

基于粒子群优化算法的有用时钟偏差规划

针对超深亚微米集成电路SOC设计中时钟偏差优化设计的难题,提出一种基于粒子群优化(PSO)算法的有用时钟偏差规划方法.在电路中引入有用偏斜,通过惯性权重线性递减的自适应PSO算法对关键路径上时钟输入端的延时进行调整,并采用最差时间违反作为适应函数对有用时钟偏差进行全局搜索寻求最优解,从而减小电路的时钟周期,优化电路的时序性能.与现有的经典图论算法相比,该方法通过优化组合逻辑的延时,可以找到更优解.应用该算法对32位嵌入式CPU进行优化计算,实验结果证明了该方法的正确性和有效性.     

基于混沌粒子群算法的车间作业调度优化

为提高车间作业调度效率,提出一种基于混沌粒子群算法的车间作业调度优化方法。首先以机器加工时间最短为优化目标,建立一个多约束的车间作业调度数学模型,然后采用粒子群算法对其进行求解,并通过采用混沌机制保持粒子多样性。仿真测试表明,混沌粒子群算法可以获得车间作业调度方案,具有一定应用价值。     

一种基于神经网络和参数优化的隐式广义预测控制

提出一种基于神经网络和参数优化的预测控制方法。首先利用带有动量项的改进BP神经网络辨识系统模型,在辨识过程中使用粒子群算法(PSO)对改进BP网络的初始权值/偏置、学习率、动量系数等辨识参数进行学习优化,解决这些参数的取值问题;然后将辨识得到的模型用于隐式广义预测自校正控制中,使用遗传算法(GA)对控制过程进行优化,寻找最优的控制参数(预测时域、控制时域、控制加权系数、柔化系数)。将该方法应用在热工系统中,仿真结果表明了方法的有效性。